FLUX 3는 이미지·영상·오디오를 한 모델로 뽑는다, 대신 가중치도 가격도 안 준다: 20초 영상에 소리까지 게이트 뒤로
Black Forest Labs가 첫 멀티모달 프론티어 모델 FLUX 3를 냈다. 이미지·영상·오디오를 한 아키텍처로 만들고 20초 영상에 소리까지 붙는다. 그런데 가중치도 가격도 공개하지 않고 신청 승인제 얼리 액세스로만 연다. 오픈 가중치로 유명하던 회사의 방향 전환이다.
Black Forest Labs가 FLUX 3를 공개했다. 회사의 첫 멀티모달 프론티어 모델이다. 이미지, 영상, 오디오, 그리고 행동(action)까지 하나의 아키텍처에서 함께 학습했다고 밝혔다. 지금까지 이미지 생성으로 이름을 알린 팀이 영상과 소리로 판을 넓혔다.
숫자로 보면 눈에 띄는 건 영상 쪽이다. FLUX 3 Video는 최대 20초 길이 영상을 소리와 동기화해 만든다. text-to-video, image-to-video, 기존 영상을 고치는 video-to-video 편집, 키프레임으로 전환을 지정하는 방식, 다국어 대사 렌더링, 타이포그래피 생성, 짧은 클립을 이어 붙여 여러 컷짜리 시퀀스로 엮는 체이닝까지 지원한다고 한다.
한 줄 정리
| 항목 | 내용 |
|---|---|
| 무엇 | Black Forest Labs 첫 멀티모달 모델 |
| 범위 | 이미지·영상·오디오·행동 공동 학습 |
| 영상 | 최대 20초, 소리 동기화 |
| 접근 | 신청 승인제 얼리 액세스 (공개 API 아님) |
| 미공개 | 가중치, 가격, 벤치 방법론, 20초 해상도 |
한 모델이 다 하는 게 왜 중요한가
지금까지 크리에이터의 작업대는 조각나 있었다. 이미지는 이 모델, 영상은 저 서비스, 소리는 또 다른 툴. 각 단계 사이를 손으로 이었다. 한 모델이 이미지에서 영상, 소리까지 한 번에 처리하면 그 이음매가 줄어든다. 특히 20초 영상에 소리가 처음부터 맞춰 나온다는 것은 따로 만든 영상에 나중에 음향을 얹는 후반작업 한 겹이 통째로 빠질 수 있다는 뜻이다.
콘텐츠 크리에이터 입장에서 여러 컷을 이어 붙이는 체이닝은 특히 반갑다. 5초, 10초짜리 짧은 생성물을 억지로 늘리는 대신 여러 컷을 설계해 한 편으로 엮는 쪽이 실제 영상 문법에 가깝다. 훅, 전개, 마무리를 컷 단위로 짜는 사람에게는 이게 진짜 필요한 기능이다.
그런데 문이 닫혀 있다
문제는 접근이다. FLUX 3는 아직 아무나 못 쓴다. 승인된 얼리 액세스 사용자에게만 열리고 공개 API가 아니라 신청서를 넣고 통과해야 쓸 수 있다. 프라이빗 가중치와 API는 선별된 파트너에게만 간다.
더 큰 공백은 정보 자체다. 가격, 내려받을 수 있는 가중치, 벤치마크 방법론, 20초 영상의 해상도가 전부 미공개다. 지금 FLUX 3 가격을 말하는 사람은 그냥 추측하는 것이다.
anyAX 관점
Black Forest Labs는 오픈 가중치로 컸다. FLUX 앞 세대는 인디 크리에이터가 자기 컴퓨터에서 돌리고 파인튜닝하고 파이프라인에 박아 넣었다. 그게 이 회사의 브랜드였다. FLUX 3는 그 습관을 정면으로 끊는다. 가중치 없음, 가격 없음, 승인받은 사람만.
이건 한 회사의 변덕이 아니라 지금 세대 프론티어 모델의 공통 문법이다. 최신 성능은 게이트 뒤 API로 빌려 쓴다. 내 손으로 소유할 수 있는 오픈 가중치는 늘 한 세대 전이다. 크리에이터는 매번 이 갈림길에 선다. 20초 오디오 동기 영상이 오늘 당장 필요하면 신청서를 넣고 승인을 기다리며 나올 청구서 금액도 모른 채 남의 인프라에 워크플로를 얹어야 한다. 반대로 소유와 통제가 먼저면 한 세대 전 오픈 모델로 내 파이프라인을 직접 쥐는 쪽이다.
정답은 없다. 다만 계산은 해야 한다. 최신 20초 영상 한 편의 값을 지금은 아무도 모른다. 그 불확실성을 안고 게이트 안으로 들어갈지, 손에 쥔 구세대 오픈 모델로 확실한 원가에 돌릴지. 이 판단이 크리에이터의 원가 구조를 가른다. 도구가 화려할수록 이 질문을 먼저 던지는 사람이 끝까지 남는다.