室谷代表取締役FLUX 3 Max（フラックス・スリー・マックス）は、fal ResearchがBlack Forest Labsの動画生成モデル「FLUX 3」を追加学習（ポストトレーニング）して発表した動画生成モデルで、テキストか開始画像から5〜20秒・720pのネイティブ音声付き動画を作れます。これ、単なるマイナーチェンジじゃないんですよ。
テキトー教師DotAI 認定講師そうなんですよね。Artificial Analysisが2026年10月に公表した評価では、画像→動画のAA-Video-I2V v1.1で首位タイ相当、テキスト→動画のAA-Video-T2V v2.1で4位に入っています。
しかも生成速度がベースモデルの約10倍。品質と速度を両取りしたのが今回のポイントです。
しかも生成速度がベースモデルの約10倍。品質と速度を両取りしたのが今回のポイントです。
室谷代表取締役発表元はArtificial Analysisで、falのリリースをベンチマークの面から評価した形ですね。falの公式ページでは「The fastest model in the west」と謳っていて、10秒動画を約12秒で返すと。
MYUUUでも動画生成の待ち時間は制作フローのボトルネックになっているので、ここは素直に気になります。
MYUUUでも動画生成の待ち時間は制作フローのボトルネックになっているので、ここは素直に気になります。
テキトー教師DotAI 認定講師講座でも受講生さんから「1本出すのに数分待つと試行錯誤が止まる」という声をよく聞きます。その意味で、今回の数字は制作現場の反復速度に直結する話なんですよ。
FLUX 3 Maxとは？falが発表したFLUX 3の追加学習モデル
FLUX 3 MaxとFLUX 3の違い
FLUX 3 Max
- ポストトレーニングと推論最適化・サービングはfal Research
- Black Forest Labsとの協業(built with Black Forest Labs on FLUX 3)
- fal Research主導のポストトレーニング版
- テキスト→動画と画像→動画にフォーカス
- エンドポイントはtext to videoとimage to videoの2つ(ローンチ時点)
- Image-to-Videoは開始画像と任意の終了フレームに対応
- Keyframes-to-Videoはクリップ内の複数位置に画像ガイダンスを追加可能
FLUX 3(ベース)
- Black Forest Labs自身のリリース
- 基盤モデルとして動き・光・構図の一般的な知識を供給
- draft、keyframe、extendといったエンドポイントを持つ
室谷代表取締役まず用語の整理からいきましょう。ポストトレーニングって、ゼロから学習するのではなく、既存の基盤モデルに追加学習して特定の振る舞いを磨く手法ですよね。
テキトー教師DotAI 認定講師はい。falの公式FAQでは、ベースモデルが動き・光・構図の一般的な知識を供給し、その上にポストトレーニングでプロンプト追従性や映像の完成度を鋭くしていくと説明されています。
fal Researchはこれを推論最適化とシステム工学と組み合わせて、品質と速度を同時に改善したと。
fal Researchはこれを推論最適化とシステム工学と組み合わせて、品質と速度を同時に改善したと。
室谷代表取締役作った主体を整理すると、基盤モデルのFLUX 3がBlack Forest Labs、ポストトレーニングと推論最適化、サービングがfal Research。両社の協業なんですよね。
falのページには「built with Black Forest Labs on FLUX 3」と明記されています。
falのページには「built with Black Forest Labs on FLUX 3」と明記されています。
テキトー教師DotAI 認定講師ここは混同しやすいので押さえておきたいです。FLUX 3 MaxはBlack Forest Labsの単独リリースではなく、fal Researchが主導したポストトレーニング版。
同じfal Researchのチームが手がけたH3 Maxという前例もあります。
同じfal Researchのチームが手がけたH3 Maxという前例もあります。
室谷代表取締役ベースのFLUX 3はBlack Forest Labs自身のリリースで、draft、keyframe、extendといったエンドポイントを持っているのに対し、FLUX 3 Maxはテキスト→動画と画像→動画にフォーカスしている、という違いなんですね。
テキトー教師DotAI 認定講師そうです。falのFAQでは、FLUX 3 Maxのエンドポイントはローンチ時点でtext to videoとimage to videoの2つ、情報更新は2026年10月18日時点と書かれています。
加えて公式のモデルページには、Image-to-Videoが開始画像と任意の終了フレームに対応し、Keyframes-to-Videoがクリップ内の複数位置に画像ガイダンスを追加できると記載があります。
加えて公式のモデルページには、Image-to-Videoが開始画像と任意の終了フレームに対応し、Keyframes-to-Videoがクリップ内の複数位置に画像ガイダンスを追加できると記載があります。
室谷代表取締役なるほど。FLUX 3シリーズ全体の中での位置づけは、今回のソースだとFLUX 3 VideoとFLUX 3 Maxの関係が中心で、ImageやAction、Kleinといった各モデルの詳細な役割までは明らかにされていません。
ここは現時点で確定情報として書かないほうがよさそうですね。
ここは現時点で確定情報として書かないほうがよさそうですね。
テキトー教師DotAI 認定講師そうですね。ソースで裏が取れているのは、FLUX 3 MaxがFLUX 3 Videoをベースにしたポストトレーニング版であるという点までです。
FLUX 3 Maxでできること——5〜20秒・720p・ネイティブ音声の動画生成
FLUX 3 Maxの主な仕様と選択肢
| 項目 | デフォルト | 選択肢・範囲 |
|---|---|---|
| 尺 | 5秒 | 5〜20秒（1秒刻み） |
| 解像度 | 720p | 720p / 1080p（アップスケーリング） |
| アスペクト比 | Auto | Auto / 21:9 / 2:1 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16 |
| 音声 | 有効 | 有効 / 無効 |
| 推論レベル | high | low / high |
| シード | 任意指定 | 任意指定 |
| 入力 | テキストプロンプト | テキストプロンプト / 開始画像（任意で終了フレーム） |
| 出力 | 動画 | 動画・シード・タイミング情報 |
室谷代表取締役できることを具体的に見ていくと、まず尺が5〜20秒で1秒刻みで指定できる。解像度は720pがデフォルトで、1080pのアップスケーリングもオプションで用意されている。
テキトー教師DotAI 認定講師音声はデフォルトで有効、オフにもできます。テキストプロンプトか開始画像から、ネイティブ音声付きの動画を生成する。
アスペクト比はAuto、21:9、2:1、16:9、4:3、1:1、3:4、9:16に対応しています。
アスペクト比はAuto、21:9、2:1、16:9、4:3、1:1、3:4、9:16に対応しています。
室谷代表取締役推論レベルがlowとhighから選べて、デフォルトはhigh。シードも任意で指定できる。
ここは制作の再現性を考えると地味に効いてきますよね。
ここは制作の再現性を考えると地味に効いてきますよね。
テキトー教師DotAI 認定講師整理するとこうです。
- 入力:テキストプロンプト（画像→動画では開始画像、任意で終了フレーム）
- 尺:5〜20秒、1秒刻み、デフォルト5秒
- 解像度:720p（デフォルト）または1080p
- アスペクト比:Auto / 21:9 / 2:1 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16
- 音声:デフォルト有効、オプションで無効化
- 推論レベル:low / high、デフォルトhigh
- 出力:動画、シード、タイミング情報
室谷代表取締役プロンプトの書き方についても公式ページが例を出していて、被写体・カメラ・環境がショットの中でどう動くかを記述する。セリフや環境音も書けば音声に反映される設計ですね。
テキトー教師DotAI 認定講師公式の例文は、夜明けの海岸町をサイクリングする人物を追う連続トラッキングショットで、カメラが自転車と並走し、彼女が展望台で速度を落として海の方を振り向く。風の音、遠くのカモメ、自転車のフリーホイール音が聞こえる、という内容でした。
映像と音を1本のプロンプトで設計する発想なんですよ。
映像と音を1本のプロンプトで設計する発想なんですよ。
室谷代表取締役テキスト→動画と画像→動画は同じポストトレーニング済みモデルを共有しているので、720pでの忠実度が両方に引き継がれるとfalのページは説明しています。ここは制作フローを組む上で使い分けしやすいポイントですね。
FLUX 3 Maxのベンチマーク性能——I2V首位タイ、T2V4位のEloスコア
FLUX 3 Maxのベンチマーク性能（Eloスコア）
I2V（AA-Video-I2V v1.1）
- FLUX 3 Max（720p）: Elo 1,138
- 首位タイ相当（信頼区間が重なる）
- 首位 MiniMax H3（768p）: 1,140
- Dreamina Seedance 2.5: 1,138
- ベースFLUX 3: 1,086（+50pt）
- fal表記: 1,089→1,139（+50）
T2V（AA-Video-T2V v2.1）
- FLUX 3 Max: Elo 1,159（4位）
- 1位 Wan 3.0: 1,173
- 2位 Utopai X: 1,166
- 3位 Dreamina Seedance 2.5: 1,159（同スコア）
- 5位 MiniMax H3（768p）: 1,158
- ベースFLUX 3: 1,145
室谷代表取締役数字を整理しましょう。Artificial AnalysisのAA-Video-I2V v1.1でFLUX 3 Max（720p）はElo 1,138、首位のMiniMax H3（768p）が1,140で、Dreamina Seedance 2.5も1,138。
信頼区間が重なるため首位タイ相当と評価されています。
信頼区間が重なるため首位タイ相当と評価されています。
テキトー教師DotAI 認定講師ベースのFLUX 3はElo 1,086なので、ポストトレーニングで50ポイント上がった計算です。falのページでは1,089から1,139へ+50と表記されていて、リーダーボードの数値とわずかに差がありますが、これは暫定スナップショットの更新差と見られます。
室谷代表取締役T2V側はAA-Video-T2V v2.1でElo 1,159の4位。首位はWan 3.0の1,173、2位Utopai Xが1,166、3位Dreamina Seedance 2.5が1,159でFLUX 3 Maxと同スコア、5位MiniMax H3（768p）が1,158という並びですね。
テキトー教師DotAI 認定講師ここも信頼区間が重なっていて、統計的には首位集団とタイに近い。ベースのFLUX 3は1,145なので、T2Vでも着実に上がっています。
室谷代表取締役Artificial Analysisの評価軸も見ておきたいです。T2V v2.1は10の能力軸と10のユースケース軸で構成されていて、能力軸はプロンプトが試すモデルのスキル、ユースケース軸は実際の業務用途に紐づく、という設計です。
テキトー教師DotAI 認定講師能力軸ではPhysicsが全モデル中最高、Audio SynchronizationとDialogue & Lip Syncがフロンティアに最も近い。一方でCamera ControlとHuman Anatomyはフロンティアから最も遠い、と。
ベースのFLUX 3と比べると10軸中7軸で上回り、伸び幅が最大なのがLighting & MaterialsとComplex Compositionです。
ベースのFLUX 3と比べると10軸中7軸で上回り、伸び幅が最大なのがLighting & MaterialsとComplex Compositionです。
室谷代表取締役Physicsが具体的に何を測るかというと、力学、熱効果、素材の相互作用、破壊と変形、光学、因果関係、反事実的な物理まで含むんですよね。ここが最高評価というのは、広告や実写調の制作では効いてきそうです。
テキトー教師DotAI 認定講師公式スレッドではプロンプト例も公開されていて、油と青い水の入った瓶を激しく振ると、流体が混ざらずに泡となって分離していく、という物理挙動を試す内容でした。
室谷代表取締役もうひとつの例は、望遠レンズで撮ったような砂塵の舞う実写的なニュース映像で、ナレーターの声が乗り、リポーターがカメラに向かって叫ぶ。リップシンクと音声同期を同時に試す構成になっています。
テキトー教師DotAI 認定講師Dialogue & Lip Syncは単独話者と複数話者のセリフ、ボイスオーバーと画面内発話の対比を測る軸。Audio Synchronizationは画面内の効果音、BGMとスコア、画面のオン・オフ問わずの音を測ります。
FLUX 3 Maxはこの2軸でフロンティアに最も近い位置にいる、という評価です。
FLUX 3 Maxはこの2軸でフロンティアに最も近い位置にいる、という評価です。
室谷代表取締役画像→動画側のプロンプト例は、現代のシカゴのスカイラインが変容して、ザ・ビーンが溶け、高層ビルが1900年代初頭のレンガ建築に縮んで形を変え、街路が舗装から石畳と土に変わり、車が馬車に変わる。街の騒音が蹄の音、遠くの汽笛、ラグタイムピアノに変わる、というものでした。
テキトー教師DotAI 認定講師時間経過に伴うシーン変容と音の変化を同時に扱う例ですね。I2Vの評価は開始画像をどう動かすかを見るので、こうした変化の設計力がスコアに反映されます。
室谷代表取締役ちなみにArtificial Analysisの評価は盲検の人間比較投票からEloを出す方式で、音声ありのボードは検証済みの非公開評価者による投票のみを使う、とリーダーボードに書かれています。
テキトー教師DotAI 認定講師FLUX 3 Maxの料金と使い方——fal APIでの提供、75%オフキャンペーン
室谷代表取締役ここが実務的に一番大事なところです。料金は出力動画の秒単位課金で、最低額なし、サブスクなし。
テキスト→動画と画像→動画は同料金です。
テキスト→動画と画像→動画は同料金です。
テキトー教師DotAI 認定講師公式モデルページの記載だと、720pが$0.0425/秒、1080pが$0.0725/秒。これは75%オフのプロモーション価格で、期間は10月15日から11月7日まで。
以降は720pが$0.17/秒、1080pが$0.29/秒に戻ります。
以降は720pが$0.17/秒、1080pが$0.29/秒に戻ります。
室谷代表取締役分単位に直すと、720pで$10.20/分。ベースのFLUX 3が$17.40/分、Dreamina Seedance 2.5が$24.60/分、MiniMax H3（768p）が$5.40/分なので、定価でもFLUX 3より安く、Seedance 2.5よりかなり安い。
プロモ期間中は$2.55/分ですから、試すなら今なんですよね。
プロモ期間中は$2.55/分ですから、試すなら今なんですよね。
テキトー教師DotAI 認定講師整理するとこうです。
| モデル | 720pの分単価 |
|---|---|
| FLUX 3 Max（プロモ） | $2.55/分 |
| FLUX 3 Max（定価） | $10.20/分 |
| FLUX 3 | $17.40/分 |
| Dreamina Seedance 2.5 | $24.60/分 |
| MiniMax H3（768p） | $5.40/分 |
室谷代表取締役ただし注意点として、Artificial Analysisのリーダーボードの注記では、API料金は各モデル提供元のAPIで1080p動画を1分生成するコストをデフォルト設定で示したもの、とされています。falの表記は720p基準なので、単純比較の際は解像度の前提を揃えて読む必要があります。
テキトー教師DotAI 認定講師そこは大事ですね。リーダーボードの表でもFLUX 3 Maxは$2.55/分と表示されていて、これはプロモ価格を反映した数字です。
室谷代表取締役使い方はfal APIで、JavaScriptとPythonのクライアントが用意されています。モデルIDは
公式ページにはサンプルコードがそのまま載っています。
blackforestlabs/flux-3-max/text-to-videoで、fal.subscribeにプロンプトを渡す形。公式ページにはサンプルコードがそのまま載っています。
テキトー教師DotAI 認定講師同じfalのAPI上で、H3 MaxとFLUX 3 MaxをモデルIDの切り替えだけで行き来できるのも特徴です。どちらもfal Researchのポストトレーニング製なので、 shots ごとに強い方を使い分けられる、と。
室谷代表取締役実際に公式ページのプレイグラウンドでテキスト→動画を走らせた例では、リクエストが9.53秒で返ったという表示もありました。10秒動画で約12秒という公称値と整合する範囲ですね。
テキトー教師DotAI 認定講師なお、日本から使えるかどうかについては、今回のソースに地域制限の記載はありません。現時点では明らかにされていない、と留保しておくのが正確です。
FLUX 3 Maxは競合より速いのか——Seedance 2.5・MiniMax H3との比較
室谷代表取締役速度の比較が今回の主役です。falのページでは、10秒クリップでFLUX 3 Maxが12.45秒、Seedance 2.5が277.80秒。
品質は両者ともElo 1,139で並び、約22倍速いと主張しています。
品質は両者ともElo 1,139で並び、約22倍速いと主張しています。
テキトー教師DotAI 認定講師同じ表にGemini Omni Flash 1.1が47.37秒、MiniMax H3（768p）が83.26秒、FLUX 3が126.44秒、Wan 3.0が180.16秒と並んでいます。FLUX 3 MaxとH3 Maxが品質対レイテンシのプロットで左上に位置する、というのがfalの主張です。
室谷代表取締役ベースのFLUX 3と比べると、Eloが1,089から1,139へ+50、10秒動画の生成時間が126.44秒から12.45秒へ約10倍。ポストトレーニングと推論最適化の両輪が効いていることが数字で見えます。
テキトー教師DotAI 認定講師ただし、この速度比較は「テストされたベンチマーク構成」での比較だと公式ページ自身が注記しています。実際の生成時間はリクエスト設定や動作環境で変わる、と。
ここは公正に押さえておきたいです。
ここは公正に押さえておきたいです。
室谷代表取締役品質面では、Artificial Analysisのスレッドが「Dreamina Seedance 2.5とMiniMax H3（768p）と統計的にタイ」と表現しているのが正確なところですね。首位を明確に抜いた、という書き方は誇張になります。
テキトー教師DotAI 認定講師リーダーボード上でもMiniMax H3（768p）がElo 1,140で1位、FLUX 3 MaxとDreamina Seedance 2.5が1,138で並ぶ形です。信頼区間はFLUX 3 Maxが1,123〜1,153、H3が1,124〜1,156なので、重なっています。
室谷代表取締役つまり「首位集団に食い込み、しかも圧倒的に速く、安い」というのが今回の正確な評価なんですよね。単に一番速い、一番高品質、ではなく、その両立がニュースの核心です。
テキトー教師DotAI 認定講師動画モデルの評価を独立機関がどう見ているかに関心がある方は、Reflectionの新モデルBeam、Artificial Analysisが独立評価開始も合わせて読むと、評価ボードの位置づけが立体的に見えてきます。
FLUX 3 Maxが得意な領域——Physics・広告・実写映画で最高評価
室谷代表取締役ユースケース軸の結果が実務的には面白いんですよ。FLUX 3 MaxはMarketing & AdvertisingとLive-Action Filmで全モデル中最高スコア。
テキトー教師DotAI 認定講師Marketing & Advertisingはアニメーションポスター、ロゴスティング、ブランドフィルム、主力商品のスポット、ローンチ動画。Live-Action Filmはシネマティックなショット、マイクロドラマのエピソード、プリビズです。
室谷代表取締役一方でフロンティアから最も遠いのがUI/UX & Motion DesignとProductivity & Knowledge Work。ベースのFLUX 3と比べると10ユースケース中7つで上回り、伸び幅が最大なのがMarketing & AdvertisingとAnimation & Gaming。
ただ、Social Media & Creator ContentはベースのFLUX 3の方がリードしている、という結果です。
ただ、Social Media & Creator ContentはベースのFLUX 3の方がリードしている、という結果です。
テキトー教師DotAI 認定講師ここは興味深い非対称ですね。汎用的なSNS向けコンテンツよりも、広告や実写映画といった業務用途に振れている。
ポストトレーニングの狙いが表れていると読めます。
ポストトレーニングの狙いが表れていると読めます。
室谷代表取締役MYUUUでも広告用途の動画制作は多いので、Marketing & Advertisingで最高評価というのは刺さります。しかもプロモ期間中は$2.55/分なので、クライアントワークの試作段階で回しやすい。
テキトー教師DotAI 認定講師講座で受講生さんに伝えるなら、まずは広告のヒーロー商品スポットやブランドフィルムの絵コンテ段階で試すのが王道ですね。Physicsが強いので、液体や素材の絡む商品表現とも相性が良さそうです。
室谷代表取締役逆にUI/UXのモーションデザインやナレッジ系の用途は弱いので、そこは他のモデルと使い分ける。同じfal API上でモデルIDを切り替えられるので、その運用が現実的です。
テキトー教師DotAI 認定講師公式ページのサンプルプロンプトも、西部劇の世界観にロボタクシーやロボット犬、ホログラム、エクソスケルトンといった現代技術を混ぜる、という想像力寄りの作例が並んでいます。プロンプト追従性のアピールですね。
室谷代表取締役あとは公式のFLUX 3 Video側のページに、テキスト&タイポグラフィや多言語ダイアログ、マルチシーン、キーフレーム、動画編集、動画継続といったコア機能が並んでいるので、ベースモデルの能力を土台にMaxが磨かれている、という全体像で捉えるとわかりやすいです。
テキトー教師DotAI 認定講師ただし、これらの機能がFLUX 3 Maxのエンドポイントでどこまで使えるかは、ソース上ではテキスト→動画と画像→動画、そしてKeyframes-to-Videoの記載までです。動画編集や動画継続がMaxで使えるかは明記されていないので、そこは現時点では明らかにされていません。
よくある質問
室谷代表取締役最後に、よく聞かれそうな点を整理しておきます。
テキトー教師DotAI 認定講師まず「FLUX 3 Maxとは何か」。fal ResearchがBlack Forest Labsと協業し、FLUX 3をベースにポストトレーニングした動画生成モデルです。
テキストか開始画像から、5〜20秒・720pのネイティブ音声付き動画を生成します。
テキストか開始画像から、5〜20秒・720pのネイティブ音声付き動画を生成します。
室谷代表取締役「品質はどれくらいか」。Artificial Analysisの暫定評価で、画像→動画のAA-Video-I2V v1.1がElo 1,138で首位タイ相当、テキスト→動画のAA-Video-T2V v2.1がElo 1,159で4位です。
テキトー教師DotAI 認定講師「生成速度は」。falの公称で10秒動画を約12秒、公式ページのベンチマーク表では12.45秒。
ベースのFLUX 3は126.44秒なので約10倍です。
ベースのFLUX 3は126.44秒なので約10倍です。
室谷代表取締役「料金は」。720pがプロモで$0.0425/秒、定価$0.17/秒。
1080pがプロモで$0.0725/秒、定価$0.29/秒。秒単位課金で最低額なし、サブスクなしです。
プロモは10月15日から11月7日まで。
1080pがプロモで$0.0725/秒、定価$0.29/秒。秒単位課金で最低額なし、サブスクなしです。
プロモは10月15日から11月7日まで。
テキトー教師DotAI 認定講師「どこで使えるか」。fal APIで提供され、モデルIDは
JavaScriptとPythonのクライアントが用意されています。
blackforestlabs/flux-3-max/text-to-video。JavaScriptとPythonのクライアントが用意されています。
室谷代表取締役「FLUX 3との違いは」。FLUX 3はBlack Forest Labs自身のリリースでdraftやkeyframe、extendのエンドポイントを持ちます。
FLUX 3 Maxはポストトレーニング版で、テキスト→動画と画像→動画にフォーカスし、Eloで+50、生成時間で約10倍速いという関係です。
FLUX 3 Maxはポストトレーニング版で、テキスト→動画と画像→動画にフォーカスし、Eloで+50、生成時間で約10倍速いという関係です。
テキトー教師DotAI 認定講師「Seedance 2.5より速いのか」。falの主張では、品質同等（Elo 1,139で並び）で約22倍速い、12.45秒対277.80秒です。
ただしこれはテストされたベンチマーク構成での比較で、実環境では変動する、と公式が注記しています。
ただしこれはテストされたベンチマーク構成での比較で、実環境では変動する、と公式が注記しています。
室谷代表取締役「日本で使えるか」。今回のソースには地域制限の記載がないため、現時点では明らかにされていません。
提供状況はfalの公式ページで確認するのが確実です。
提供状況はfalの公式ページで確認するのが確実です。
テキトー教師DotAI 認定講師まとめると、FLUX 3 Maxは「首位集団の品質を、約10倍の速度と低価格で出す」というポジション。下書き用の速いモデルと仕上げ用の高品質モデルを使い分ける時代が終わる、というfalの訴えが今回の発表の本質なんですよ。
室谷代表取締役制作の反復速度がそのまま品質に効く現場にとっては、地味だけど大きい変化なんですよね。プロモ期間中に一度触っておく価値はあると思います。
