FLUX 3 Max: 10 s di video AI in 12 s? Il mio test e i prezzi

FLUX 3 Max è la nuova variante di FLUX 3 Video firmata Black Forest Labs e sottoposta a post-training da fal.ai per migliorare la fedeltà al prompt e abbattere i tempi di rendering. Black Forest Labs lo ha annunciato la sera del 19 ottobre 2026 definendolo il modello video più veloce sul mercato. Il 20 ottobre ho generato 11 clip: 5 scene della mia Arena video, una sequenza notturna a Cracovia con tram, una foto di interni animata e una transizione tra due fotogrammi chiave. Il punteggio medio nella mia Arena è stato di 8,8/10, mentre un filmato da 5 secondi a 720p ha richiesto in genere 17 secondi totali con un costo promozionale di 0,21 USD.

In sintesi (20.10.2026)

• Che cos’è: una variante di FLUX 3 Video ottimizzata tramite post-training da fal (secondo la documentazione tecnica di fal), accessibile esclusivamente su fal.ai.
• Modalità disponibili: text to video, image to video (con eventuale fotogramma finale opzionale) e keyframes to video (fino a 10 immagini ancorate a frame precisi).
• Parametri tecnici: durata tra 5 e 20 secondi, risoluzione a 720p o 1080p, audio generato simultaneamente alle immagini, formati video da 21:9 a 9:16.
• Prezzo su fal: 0,0425 USD al secondo a 720p e 0,0725 USD al secondo a 1080p grazie allo sconto di lancio del 75% valido fino al 7 novembre 2026. Successivamente le tariffe saliranno a 0,17 USD e 0,29 USD al secondo.
• Classifica di riferimento: 2° posto nella classifica image-to-video di Artificial Analysis (Elo 1138 ±15), staccato di soli 2 punti da MiniMax H3 (1140 ±16), un divario all’interno del margine di errore statistico.
• La mia misurazione di velocità: clip da 10 secondi a 720p generata in 9,3-9,6 secondi effettivi di calcolo (20-25 secondi dalla richiesta al download del file completo). Con la medesima immagine, Seedance 2.5 ha impiegato 197 secondi per 5 secondi di video.
• Risultato del mio test: media di 8,8/10 sulle 5 scene dell’Arena, testo con caratteri speciali polacchi riprodotto senza sbavature, traccia vocale chiara con una sola parola fusa.

L’annuncio di Black Forest Labs e il ruolo di fal.ai

Nel post ufficiale pubblicato su X il 19 ottobre 2026, Black Forest Labs ha introdotto il modello definendolo il più rapido del settore video. Tra le affermazioni del produttore spiccano:

• 10 secondi di video generati in circa 12 secondi (12,45 secondi dichiarati in risposta al post);
• un sostanziale pareggio per il 1° posto nella classifica comparativa di generazione video;
• una velocità dichiarata fino a 22 volte superiore rispetto a Seedance 2.5 a parità di qualità (medesimo punteggio Elo);
• disponibilità immediata su fal.ai nelle modalità text to video, image to video e keyframes con uno sconto promozionale del 75% per due settimane.

È importante evidenziare una distinzione tecnica: non si tratta di un’architettura creata da zero. Come spiegato da BFL, la famiglia FLUX 3 è stata concepita per consentire personalizzazioni avanzate, e fal ne ha curato l’adattamento e l’ottimizzazione. fal presenta FLUX 3 Max come un modello sviluppato dal proprio team di ricerca in collaborazione con BFL. Di conseguenza, questa versione non è presente nel catalogo base di Black Forest Labs né presso altri intermediari cloud, ma solo su fal.ai.

Che cos’è FLUX 3 Max

Black Forest Labs ha debuttato con la gamma FLUX 3 nell’estate del 2026, e ho analizzato la versione di partenza nel report dedicato a FLUX 3 Video. Questa release Max rappresenta un ramo parallelo: fal.ai ha preso i pesi base e ha applicato una fase di post-training proprietaria. In base alla scheda tecnica dell’endpoint, gli obiettivi dichiarati sono tre:

• maggiore aderenza alle istruzioni del prompt;
• resa visiva e fotorealismo più elevati;
• latenza ridotta, con la promessa di produrre 10 secondi di filmato in circa 11-12 secondi.

Per impostazione predefinita il sistema applica una riscrittura automatica del comando testuale (parametro reasoning_level impostato su high). Nei miei test ho scelto di non disattivarlo, così da valutare l’esperienza standard a disposizione degli utenti. I prezzi ufficiali comunicati da BFL per le API dirette riguardano il modello base FLUX 3 Video, non questa release ottimizzata.

La classifica image to video di Artificial Analysis

Il pareggio al vertice citato da BFL fa riferimento alla graduatoria image to video stilata da Artificial Analysis, basata su confronti ciechi e preferenze espresse da valutatori umani. Al 20 ottobre 2026 la situazione del settore era la seguente:

Considerando le finestre di incertezza statistica (±15-16 punti), il divario di due punti tra MiniMax H3 e FLUX 3 Max configura a tutti gli effetti un pari merito. Rispetto alla versione base di FLUX 3, il balzo in avanti è evidente: un guadagno di 52 punti Elo che porta il modello dall’ottavo al secondo posto, a conferma dell’efficacia dell’affinamento svolto da fal.

La mia misurazione: quanto impiega a generare 10 secondi

Il 20 ottobre ho inoltrato tramite API due richieste per filmati da 10 secondi a 720p completi di sonoro: un testo-video (Cracovia di notte con tram in corsa) e un’animazione da immagine fissa (l’esterno di una panetteria). Entrambi i compiti sono stati eseguiti con le impostazioni standard e il reasoning attivo. fal restituisce nel payload di risposta la metrica esatta della fase di denoising, permettendo di scomporre l’attesa su tre livelli:

• Il denoising puro: si attesta a 9,3 e 9,6 secondi, rispettando ampiamente il traguardo dei 12 secondi promesso dal fornitore.
• Il ciclo interno di fal: l’espansione testuale preliminare, la generazione vera e propria, la codifica video e il salvataggio richiedono complessivamente circa il doppio del tempo puro di campionamento.
• Latenza percepita: dall’invio della chiamata HTTP alla ricezione del file MP4 sul mio computer sono trascorsi tra i 20 e i 25 secondi. Si tratta di un valore eccellente per la categoria del video generativo.

Nelle 9 generazioni da 5 secondi la latenza complessiva si è mantenuta tra 12 e 25 secondi (valore mediano: 17 secondi), con una fase di denoising compresa tra 4 e 5,5 secondi.

Confronto con Seedance 2.5 sul medesimo fotogramma

Per verificare l’affermazione sulla velocità ho sottoposto la medesima immagine sorgente di una panetteria sia a FLUX 3 Max sia a Seedance 2.5, assegnando il medesimo prompt descrittivo: un fornaio esce tenendo un vassoio di ciambelle, un ciclista sfreccia sulla strada e l’insegna del locale resta inalterata. La durata richiesta è stata di 5 secondi. Per Seedance 2.5 ho selezionato la risoluzione 480p, la più economica sulla piattaforma, dove 5 secondi costano 1,25 USD, a fronte dei 0,21 USD di FLUX 3 Max a 720p.

Nella mia prova diretta FLUX 3 Max si è dimostrato 9,6 volte più veloce nel tempo end-to-end e 11,7 volte più rapido nell’elaborazione lato server, offrendo al contempo una definizione superiore (720p contro 480p). Il fattore di 22 volte indicato da BFL deriva probabilmente da misurazioni circoscritte al solo tempo di calcolo su configurazioni hardware dedicate, ma il divario pratico misurato nel mio test resta comunque enorme.

Prezzi del modello su fal.ai

I costi di fatturazione su fal.ai per FLUX 3 Max sono calcolati in base ai secondi di output generati. Fino al 7 novembre 2026 è attiva la promozione con uno sconto del 75%.

Il mio pacchetto di test composto da 11 filmati a 720p (nove clip da 5 secondi e due da 10 secondi) ha comportato una spesa complessiva di 2,76 USD. Per dare un termine di confronto, nella mia sessione dell’11 ottobre la versione base di FLUX 3 Video tramite API costava 0,85 USD per un singolo rendering analogo da 5 secondi: quattro volte la tariffa promozionale di Max.

Accessibilità e interfaccia di utilizzo

Ho effettuato tutte le chiamate utilizzando il mio account fal.ai con addebito a consumo su credito prepagato. Non ho riscontrato limitazioni geografiche o verifiche bloccanti. Il modello è raggiungibile tramite API (con gestione a code asincrone) e mediante il playground via browser di fal. Non esiste una dashboard con strumenti di montaggio o interfaccia consumer: si tratta di una risorsa concepita per sviluppatori, automazioni scriptate e utenti abituati alla formulazione precisa dei prompt.

Il mio banco di prova: 8 scene analizzate

I test sono stati condotti il 20 ottobre 2026, con un solo tentativo per ciascun prompt, a risoluzione 720p in formato 16:9 con traccia audio abilitata. Il criterio di assegnazione dei voti (scala 0-10) ricalca la metodologia della mia Arena video: fedeltà alla descrizione, consistenza geometrica dei soggetti, naturalezza fisica e intelligibilità della recitazione vocale (valutata con trascrizione automatica tramite Wizper). La durata comprende l’intera coda di elaborazione.

Testo tipografico e parlato

Nel test dell’11 ottobre la variante originale di FLUX 3 Video aveva riprodotto la medesima frase complessa in lingua polacca senza commettere sbavature. In questa sessione FLUX 3 Max ha fuso l’apertura in una parola sola, completando però il resto dell’articolazione fonetica in modo impeccabile. Trattandosi di un singolo tentativo senza selezioni preventive, potrebbe essere una variazione casuale di seed, ma dimostra l’utilità di lanciare almeno due iterazioni in presenza di dialoghi articolati in lingue meno diffuse.

Movimenti di camera, fisica e coerenza visiva

Modalità image to video e gestione dei keyframe

Per esaminare le potenzialità nel campo dell’image to video ho sottoposto al sistema lo scatto di una cucina d’epoca prodotto con FLUX 3 Image. Per la modalità a fotogrammi chiave ho assegnato la piazza del Mercato di Cracovia in orario notturno come frame zero e la medesima inquadratura trasformata in uno scenario innevato (modificata con Seedream 5.0 Flash) come frame 120, corrispondente alla conclusione dei 5 secondi a 24 fps.

Inoltre ho testato una clip da 10 secondi partendo da una fotografia fissa per osservare l’evoluzione di una narrazione più estesa:

Valutazione della traccia audio

La qualità dell’audio sintetizzato in parallelo è stata analizzata con una procedura cieca tramite Gemini 3.8 Flash, a cui sono stati passati unicamente i file sonori e la descrizione testuale dell’azione, oscurando il nome dell’architettura usata. Su quattro tracce verificate, i risultati di FLUX 3 Max hanno raggiunto votazioni comprese tra 9 e 10 su 10:

• sequenza dei liquidi: riversamento con tono sonoro progressivamente più acuto, seguito dallo scroscio sul tavolo;
• piazza storica: scroscio d’acqua che lascia il posto al calpestio sulla coltre di neve e al rumore di zoccoli della carrozza;
• transito del tram: rumore di fondo della pioggia con schizzi stradali e vibrazione metallica del convoglio sui binari.

Si tratta di un rendimento nettamente più armonioso rispetto a quello ottenuto delegando l’audio a un modello esterno post-generazione: durante un test comparativo con Mirelo SFX 2.0 sulle identiche clip, una traccia su quattro è risultata del tutto fuori sincrono rispetto all’azione.

Pregi e criticità

Punti di forza:

• elevata rapidità di calcolo: mediana di 17 secondi per un filmato da 5 secondi comprensivo di coda remota;
• costo competitivo durante la finestra promozionale: 0,21 USD per 5 secondi a 720p;
• eccellente resa dei testi e delle lettere con segni diacritici all’interno del frame;
• modalità a fotogrammi chiave capace di rispettare le geometrie strutturali tra frame distanti;
• paesaggio sonoro coerente generato nativamente senza passaggi intermedi.

Limiti da considerare:

• articolazione parlata leggermente meno precisa rispetto alla release nativa di FLUX 3 Video (registrata una parola unita nel test in lingua polacca);
• prezzo di listino quadruplicato a partire dall’8 novembre 2026;
• infrastruttura riservata a fal.ai, priva di software desktop o piani con canone fisso flat;
• la riscrittura del prompt di default prolunga i tempi globali: 10 secondi di video richiedono circa 9,5 secondi di campionamento ma l’intero flusso arriva a 20-25 secondi.

A chi serve

• Ai creator che devono assemblare rapidamente molteplici varianti video tramite script API tenendo sotto controllo la spesa per secondo.
• Agli studi creativi che necessitano di transizioni scenografiche stabili partendo da artwork o render predefiniti (mediante l’ancoraggio a keyframe).
• A chi realizza contenuti grafici che incorporano scritte e cartelli complessi che non devono subire deformazioni durante l’azione.

Tutti i test di questa sessione su fal.ai

Questa prova fa parte di una serie di benchmark intensivi condotti sulle ultime novità per il video e l’imaging sintetico. Le ulteriori analisi comprendono:

• Nuovi modelli su fal.ai a ottobre 2026: panoramica comparativa su 18 endpoint appena introdotti, con matrice prestazionale e costi orari.
• FLUX 3 Max nell’Arena video: confronto diretto scena per scena contro Kling, Seedance, Veo e Wan.
• Benchmark di fotoritocco con IA: test sul campo di Krea 3 Edit, FLUX 3 Klein Edit, Nano Banana 2.1 Edit e Seedream 5.0 Flash Edit.
• Test comparativo di sincronizzazione labiale: analisi di OmniHuman 2 a confronto con H3 Max Lip Sync, VEED Fabric, OmniHuman 1.5 e Kling Avatar v2.
• Sperimentazione di world model interattivi: collaudo in tempo reale di LingBot World 2 e Abot World 0 tramite protocollo WebRTC.

Se preferisci affidarti a piattaforme pronte per l’uso fornite di interfaccia grafica anziché lavorare con le API, puoi consultare la mia guida generale ai generatori video IA. Il catalogo completo delle analisi indipendenti è disponibile nella sezione del Laboratorio di Nitidezza.

Domande frequenti

Quali sono le differenze tra FLUX 3 Max e FLUX 3 Video?

La base computazionale è la medesima, ma Max integra una fase di post-training rifinita dagli ingegneri di fal.ai per aumentarne l’efficienza temporale e la rispondenza alle istruzioni. Nella mia Arena comparativa Max ha ottenuto un punteggio di 8,8/10 contro gli 8,9/10 segnati dalla versione originaria di FLUX 3 Video, scarto marginale a fronte di un costo promozionale quattro volte più basso.

FLUX 3 Max è in grado di recitare dialoghi in altre lingue?

Sì, il modello supporta la sintesi vocale sincronizzata. Nel mio test su una frase ricca di consonanti in polacco l’audio è risultato chiaro, con soli 2 vocaboli fusi su 12 trascritti dal sistema di riconoscimento vocale, pur non essendo le lingue minori menzionate specificamente nelle specifiche ufficiali.

Quanto dura la generazione di una clip?

Nelle mie prove la ricezione del file ha richiesto tra 12 e 25 secondi per clip da 5 secondi a 720p, e tra 20 e 25 secondi per un filmato da 10 secondi. Il tempo puro di calcolo e denoising per 10 secondi di contenuto si colloca attorno ai 9,5 secondi.

I pesi del modello FLUX 3 Max sono aperti al pubblico?

No, per la variante Max non è stato rilasciato alcun checkpoint aperto. Se cerchi pesi scaricabili per l’esecuzione in locale della stessa famiglia, il modello di riferimento per le immagini statiche è Klein, esaminato nella guida su FLUX 3 Image Klein in locale.

Qual è il periodo di validità dei prezzi promozionali?

Le condizioni speciali comunicate da fal restano attive fino al 7 novembre 2026 compreso. Dall’8 novembre il costo per secondo ammonterà a 0,17 USD per l’output a 720p e a 0,29 USD per la risoluzione a 1080p.

Fonti

• Test autonomo del 20.10.2026: 11 video generati tramite API su fal.ai con una spesa di 2,76 USD; trascrizione fonetica effettuata con Wizper (fal.ai), revisione qualitativa del sonoro tramite Gemini 3.8 Flash.
• fal.ai: Scheda tecnica e listino di FLUX 3 Max Text to Video (consultato il 20.10.2026).
• fal.ai: Documentazione API per l’endpoint FLUX 3 Max Keyframes.
• Black Forest Labs: Presentazione ufficiale dell’ecosistema FLUX 3.
• Black Forest Labs su X: Post di lancio per FLUX 3 Max (19.10.2026).
• Artificial Analysis: Classifica prestazionale dei modelli Image to Video (consultata il 20.10.2026).
• Test di riferimento precedenti: Arena video (08.10.2026) e sessione sperimentale su FLUX 3 Video (11.10.2026).