Black Forest Labs, il laboratorio tedesco nato da una costola dei creatori di Stable Diffusion, ha lanciato il 23 luglio 2026 FLUX 3, e la novita' non e' l'ennesimo generatore di immagini. La scommessa e' un'altra: un unico insieme di pesi addestrato contemporaneamente su immagini, video e audio, esteso poi persino a prevedere le azioni di un robot. Per la prima volta, editing avanzato di immagini, clip video di 20 secondi con audio sincronizzato nativo e controllo robotico girano sullo stesso "cervello" condiviso.
Cosa sa fare FLUX 3
Il modello genera clip video fino a 20 secondi con audio sincronizzato, esegue editing sofisticato delle immagini e, grazie a una variante chiamata FLUX-mimic costruita sulla stessa architettura, controlla robot su linee di produzione reali - Black Forest Labs cita l'impiego negli stabilimenti Audi. Nei confronti diretti dichiarati dall'azienda, FLUX 3 e' stato preferito nel 77% dei casi rispetto a Runway Gen-4.5, nel 93% rispetto a Luma Ray 3.2 e nel 60% rispetto a Kling v3 Pro nelle valutazioni umane su clip testo-video di 10 secondi. Sono pero' risultati preliminari, prodotti dall'azienda stessa e non verificati in modo indipendente: vanno letti con la dovuta cautela.
Come provarlo, passo per passo
Alla data di lancio il rilascio e' scaglionato: tre dei quattro componenti annunciati non sono ancora pubblici. FLUX 3 Video e' in accesso anticipato riservato ("gated"), disponibile via API e con pesi privati per partner selezionati; FLUX 3 Image arrivera' nelle settimane successive; una versione a pesi aperti, FLUX 3 Dev, e' prevista piu' avanti nel 2026. In pratica, chi vuole toccare con mano oggi ha due strade:
- Accesso anticipato all'API: registrarsi sul sito ufficiale di Black Forest Labs e richiedere l'accesso a FLUX 3 Video. E' il canale per aziende e sviluppatori che vogliono integrare la generazione video nei propri prodotti.
- Provare la generazione FLUX oggi con i modelli aperti gia' disponibili: in attesa di FLUX 3 Dev, la famiglia FLUX.1 (in versione "dev") e' scaricabile da Hugging Face e utilizzabile in locale con interfacce come ComfyUI. E' il modo migliore per capire la qualita' del laboratorio senza aspettare.
Un esempio di prompt per la generazione video, una volta ottenuto l'accesso, potrebbe essere:
Una tazza di caffe' fumante su un tavolo di legno accanto a una finestra; la luce del mattino entra lentamente e il vapore sale; audio ambientale di una caffetteria tranquilla. Clip di 8 secondi, inquadratura fissa, stile fotografico realistico.
Il risultato atteso e' una clip breve con movimento naturale del vapore e un tappeto sonoro coerente con la scena, generato dallo stesso modello che produce le immagini.
Perche' un modello unico e' importante
La scelta di un backbone condiviso ha implicazioni pratiche. Un modello che "capisce" al tempo stesso immagini, suono e movimento puo' produrre contenuti piu' coerenti: un video in cui l'audio corrisponde davvero a cio' che accade sullo schermo, o un robot che interpreta una scena visiva per decidere come muoversi. E' la direzione verso cui si muove tutto il settore, dai modelli "omni" di Google alle piattaforme di generazione musicale e vocale. Per creativi e aziende italiane significa strumenti sempre piu' potenti, ma anche la necessita' di distinguere i risultati verificati dalle promesse di marketing.
Costi, limiti e cautele
Sul fronte pratico restano incognite importanti. I prezzi dell'accesso API non sono ancora del tutto trasparenti, e la versione a pesi aperti - quella che permetterebbe l'uso gratuito e locale - non e' ancora disponibile. Chi lavora con contenuti generati dall'IA deve inoltre tenere presenti le implicazioni su copyright e provenienza: video e immagini sintetiche sempre piu' realistici rendono cruciale la tracciabilita' dell'origine. FLUX 3 e' un passo avanti tecnicamente notevole, ma il momento di giudicarlo davvero sara' quando i suoi componenti saranno pubblici e verificabili da terzi. Per ora, la strada consigliata a chi vuole sperimentare resta la famiglia FLUX.1 aperta, in attesa che FLUX 3 Dev mantenga la promessa dell'apertura.
FLUX 3 nel panorama dei generatori video
Il 2026 e' stato un anno affollato per la generazione video con l'IA. Accanto a FLUX 3 si muovono Sora di OpenAI, Runway, Kling, Luma, Veo di Google e i modelli cinesi come Seedance, ciascuno con punti di forza diversi: durata delle clip, coerenza del movimento, qualita' dell'audio, facilita' d'uso. La scelta di Black Forest Labs di unire immagini, video, audio e persino azione robotica in un solo modello e' una scommessa architetturale ambiziosa, che punta sulla coerenza multimodale piu' che sul singolo record. Se funzionera' come promesso, il vantaggio sara' avere un unico sistema da integrare invece di tanti strumenti separati; se i risultati preliminari non reggeranno alla verifica indipendente, restera' comunque un contributo interessante alla ricerca.
Il nodo dell'autenticita' dei contenuti
C'e' infine una questione che riguarda chiunque produca o consumi contenuti: piu' i video sintetici diventano realistici, piu' diventa difficile distinguerli dal reale. Video di 20 secondi con audio sincronizzato, come quelli promessi da FLUX 3, alzano ulteriormente l'asticella. Diventano allora cruciali i sistemi di tracciabilita' dell'origine - filigrane digitali, metadati, standard di provenienza - che permettono di sapere se un contenuto e' stato generato da un'IA. Per redazioni, aziende e istituzioni, adottare questi accorgimenti non e' un vezzo ma una necessita': lo stesso settore che produce strumenti sempre piu' potenti sta lavorando, in parallelo, agli strumenti per riconoscerne l'output. Chi sperimenta FLUX 3, o qualsiasi generatore video, dovrebbe abituarsi fin da subito a documentare cosa e' sintetico e cosa no.
