fal发布FLUX 3 Max：后训练把视频生成推到新速度

10月19日，生成式媒体公司fal联合Black Forest Labs发布FLUX 3 Max视频模型。该模型在FLUX 3基础模型之上，由fal Research通过后训练、强化学习与推理优化共同打磨，主打前沿画质与行业领先的推理速度。fal称其通过统一API提供文本到视频、图像到视频与关键帧到视频三种生成方式。

速度数据：10秒视频10.95秒生成

在fal自己的延迟基准中，FLUX 3 Max生成一段10秒视频耗时10.95秒，较Seedance 2.5的277.80秒快约22倍，较原FLUX 3的126.44秒快约11.5倍。质量侧，其在Artificial Analysis Video Arena的初步人工偏好评估中拿到1139 Elo（4868票），与原FLUX 3的1089相比提升50点，跻身图像到视频质量第一梯队。

行业拐点：增益来自调优而非从零训练

FLUX 3 Max释放出一个清晰信号：视频模型的能力增益，正越来越多地来自对已有基础模型的后训练与推理优化，而非每一次都从零训练新底座。开放基础模型（如FLUX 3）正被服务平台转化为有竞争力的产品，调优与系统工程的权重持续上升。

同台竞技：长叙事、可控、高规格成主赛道

就在这前后，视频模型密集上新：10月15日可灵AI发布Kling 4.0，原生单次生成最长30秒、支持4K与10-bit HDR；昆仑万维同日推出可单张消费级显卡实时运行的Matrix-Game 4.0游戏世界模型，480p下60FPS、端到端延迟低于150毫秒。各家共同把视频生成推向长叙事、可控制、高规格，并把价格与效率第一次摆到与技术参数同等重要的位置。

性价比成为新竞争维度

当画面质量逐步逼近天花板，速度、成本与可控性就成了差异化抓手。FLUX 3 Max把10秒视频的生成时间压到与素材时长近乎等同，意味着视频模型离实时生产又近一步。对短剧与广告这类高频、批量化内容需求而言，推理效率的提升，可能比单纯画质跃迁更具商业意义。