FLUX 3 Max genera 10 secondi di video in 11, ma il benchmark ha un asterisco

Il 19 ottobre fal ha annunciato un modello video chiamato FLUX 3 Max, aprendo con un numero facile da fraintendere: 10.95 secondi per generare una clip da 10 secondi. Non è un punteggio di benchmark. È il tempo reale, ed è più o meno la durata della clip stessa.

Il confronto che fal ha messo accanto è la parte interessante. Allo stesso livello di qualità, Seedance 2.5 impiega 277.80 secondi per produrre 10 secondi di video. Stesso livello, 22 volte l'attesa. Rispetto al FLUX 3 originale, fal dichiara che la qualità image-to-video è passata da 1089 a 1139 Elo mentre la latenza è scesa da 126.44 secondi a 10.95, cioè circa 11.5 volte più veloce.

Se questi numeri reggono nell'uso normale, cambiano il modo di lavorare più di quanto farebbe un salto di qualità. Un'attesa di quattro minuti è una decisione. Un'attesa di undici secondi è uno scroll.

Che cos'è davvero FLUX 3 Max

Non è un nuovo modello di base. FLUX 3 l'ha fatto Black Forest Labs, e fal Research lo ha post-addestrato: reinforcement learning, lavoro sulla fedeltà al prompt e ottimizzazione dell'inferenza, puntando a fedeltà dell'immagine, coerenza del movimento e rispetto delle istruzioni. Gira sull'infrastruttura di inferenza di fal e supporta text-to-video, image-to-video e keyframe-to-video.

Robin Rombach, CEO di Black Forest Labs, ha presentato FLUX 3 come una base su cui altri avrebbero costruito. Burkay Gur, CEO di fal, ha spostato l'accento sui sistemi: sostiene che uno dei guadagni più importanti rimasti nell'AI generativa sia ottimizzare il modello insieme al sistema che lo esegue. È una descrizione onesta di questo rilascio. La maggior parte della velocità arriva dal lato serving, non da un modello più grande.

L'asterisco sul 1139

Il dato Elo viene dalla video arena di Artificial Analysis, dove sono le persone a scegliere tra gli output. fal riporta 1139 per image-to-video e dice che colloca il modello nel livello più alto. Dice anche che il punteggio deriva da una valutazione preliminare su 4,868 voti e che il suo intervallo di confidenza si sovrappone ancora a quello del modello con il punteggio più alto. La formulazione di fal è che sta nel primo livello, non che è solo in cima.

Vale la pena tenersi stretta questa distinzione, perché una promessa di 22x accanto a una di qualità di prima fascia si legge come una vittoria netta, mentre l'affermazione reale è più stretta: a qualità giudicata più o meno uguale, è molto più veloce. Se la qualità sia un po' migliore o un po' peggiore di quella del leader resta dentro le barre d'errore.

C'è anche il solito scarto tra i voti delle arene e il lavoro di produzione. I prompt delle arene sono brevi e autosufficienti. I lavori veri implicano l'immagine di riferimento di una persona specifica, un prodotto specifico, un luogo specifico, e un cliente che si accorge se il logo cambia forma tra un frame e l'altro.

Perché la latenza è il prodotto

La generazione video ha passato due anni a competere su durata e risoluzione. Trenta secondi, 4K, audio nativo, coerenza tra più soggetti. Sono i numeri delle schede tecniche, e a ottobre si erano allineati: Kling 4.0, Seedance 2.5 e Wan 3.0 dichiarano tutti fino a 30 secondi in un solo passaggio.

La velocità è un numero di tipo diverso, perché cambia quante prove una persona può permettersi. Uno storyboard artist che aspetta quattro minuti per inquadratura prova tre versioni e sceglie la migliore delle tre. Lo stesso artist che aspetta undici secondi ne prova trenta e sceglie la migliore delle trenta. Il tetto del modello non è cambiato. È cambiato il livello minimo di ciò che arriva in consegna.

È anche il motivo per cui il prezzo conta. Fal ha tagliato il prezzo del 75% per le prime tre settimane. È una promozione di lancio, non una struttura di costo, e chi costruisce un budget su quella base dovrebbe calcolare il modello a tariffa piena. Tre settimane sono abbastanza per fare una demo e abbastanza poche perché la cosa venga dimenticata quando arriva la fattura.

Cosa verificare prima di passare

Tre cose, in ordine.

Primo, fai passare il tuo footage. L'Elo delle arene ti dice come una folla ha classificato clip brevi che non la riguardavano. Non ti dice se il packaging del tuo prodotto viene reso correttamente, né se un volto tiene quando la camera si muove. Il vantaggio verificato più forte di fal è image-to-video, che è anche la modalità più usata nel lavoro commerciale. Il text-to-video puro è la modalità che ha bisogno di un test a parte.

Secondo, controlla cosa succede a un nuovo tentativo. Una prima generazione veloce è solo metà del ciclo. Se un secondo render sposta tutta la composizione, gli undici secondi risparmiati diventano un minuto di nuovi prompt.

Terzo, leggi con attenzione il linguaggio della roadmap. Fal dice che questa è la prima versione di FLUX 3 Max e che arriveranno altri post-training. È normale per un modello post-addestrato, e significa anche che quello che valuti oggi non è quello che userai tra sei settimane. Fissa una versione se lo metti in una pipeline.

La modalità keyframe merita un test a sé, perché è la meno discussa e forse la più utile in produzione. Keyframe-to-video significa che fornisci il primo e l'ultimo frame e il modello riempie l'intervallo. Così un problema di generazione diventa un problema di interpolazione, molto più facile da controllare quando un cliente ha già approvato due composizioni precise. Se la modalità keyframe regge, il flusso diventa: genera gli still con un modello di immagini, fatti dare l'ok, poi anima tra i frame approvati. È così che le agenzie lavorano già con gli storyboard, e si inserisce nella catena di approvazione esistente invece di aggirarla.

La parte che ha avuto meno attenzione

Il dettaglio più rilevante è cosa dice questo rilascio su da dove arriva oggi la qualità. FLUX 3 Max non è un modello più grande di FLUX 3. È la stessa base, addestrata e servita meglio da un'azienda il cui business è l'inferenza.

Lo schema si vede ovunque, questo mese. Il modello da dieci minuti di VideoGen è, secondo una lettura terza del suo whitepaper, una versione post-addestrata di un modello di base esistente avvolta in una pipeline di planning. Creatify ha post-addestrato MiniMax H3 per la pubblicità. Il modello di base sta diventando un input commodity, e la differenziazione si sposta su post-training, orchestrazione e costo di serving.

Per chi compra è per lo più una buona notizia. Significa che il tetto fissato da un singolo laboratorio conta meno di prima, e la domanda pratica diventa quale versione hosted di quale modello di base si adatta al tuo lavoro a un prezzo che puoi difendere. Per i laboratori significa che il fossato è più sottile di quanto suggeriscano i conteggi dei parametri.

FLUX 3 Max vale la prova questa settimana proprio perché provarlo costa poco. Undici secondi per tentativo sono un costo abbastanza basso per scoprire se funziona sul tuo footage, invece di leggere un'altra tabella di arena e tirare a indovinare.