به گزارش آی سی تی نیوز؛ پلتفرم هوش مصنوعی fal.ai با همکاری شرکت آلمانی Black Forest Labs مدل تولید ویدیوی FLUX 3 Max را معرفی کرد. این مدل می‌تواند ویدیویی ۱۰ ثانیه‌ای را در ۱۲.۴۵ ثانیه تولید کند، در حالی که همین ویدیو با مدل Seedance 2.5 حدود ۲۷۷.۸ ثانیه زمان می‌برد. شرکت سازنده بر این اساس ادعا می‌کند مدل جدیدش حدود ۲۲ برابر سریع‌تر است .
هویت سازنده و ماهیت مدل
FLUX 3 Max محصول مستقیم Black Forest Labs نیست، بلکه یک مدل پس‌آموزش‌دیده (Post-trained) توسط fal Research است که با همکاری Black Forest Labs و بر پایه مدل FLUX 3 Video ساخته شده است . فرآیند پس‌آموزش با هدف پیروی دقیق‌تر از دستورهای کاربر، بهبود کیفیت بصری و کاهش زمان تولید انجام شده و این مدل انحصاراً از طریق API فال عرضه می‌شود .
سرعت و مقایسه
طبق داده‌های منتشرشده توسط فال، تولید ویدیوی ۱۰ ثانیه‌ای با FLUX 3 Max به‌طور متوسط ۱۲.۴۵ ثانیه زمان می‌برد، در حالی که Seedance 2.5 برای خروجی مشابه به ۲۷۷.۸ ثانیه نیاز دارد. این مقایسه بر اساس ویدیوهای ۱۰ ثانیه‌ای با نسبت تصویر ۱۶:۹ و وضوح ۷۲۰ یا ۷۶۸ پیکسل انجام شده است . نکته قابل توجه اینکه در برخی داده‌های مقایسه‌ای فال، عدد ۱۰.۹۵ ثانیه نیز برای زمان تولید FLUX 3 Max ذکر شده که نشان‌دهنده وابستگی زمان پردازش به تنظیمات و شرایط اجراست . همچنین تنها مدل سریع‌تر در همان مقایسه، H3 Max (محصول دیگر خود فال) با ۷.۵۵ ثانیه است .
کیفیت و بنچمارک
در رتبه‌بندی مقدماتی Artificial Analysis در حوزه تبدیل تصویر به ویدیو، FLUX 3 Max امتیاز ۱۱۳۸ تا ۱۱۳۹ را کسب کرده که با Seedance 2.5 برابر است. با این حال، بازه اطمینان این امتیاز (۱۱۲۳ تا ۱۱۵۳) با رقبای اصلی همپوشانی دارد و «برتری قطعی کیفیت» قابل اثبات نیست . در حوزه تبدیل متن به ویدیو، FLUX 3 Max با امتیاز ۱۱۵۹ در رتبه چهارم قرار می‌گیرد و پایین‌تر از Wan 3.0 و Utopai X است .
مشخصات فنی و قابلیت‌ها
این مدل از ویدیوهایی با طول ۵ تا ۲۰ ثانیه پشتیبانی می‌کند و خروجی را با وضوح ۷۲۰ پیکسل تولید می‌کند. امکان ارتقای وضوح به ۱۰۸۰ پیکسل نیز وجود دارد. تولید صدا قابل فعال یا غیرفعال‌سازی است و کاربران می‌توانند قالب افقی، عمودی یا مربعی را انتخاب کنند . دو مسیر تولید شامل تبدیل متن به ویدیو و تبدیل تصویر به ویدیو فراهم است و در حالت دوم امکان تعیین تصویر پایانی نیز وجود دارد . مدل تنظیمات استدلال در دو سطح پایین و بالا ارائه می‌دهد که انتخاب سطح بالاتر، زمان تولید را افزایش می‌دهد .
قیمت‌گذاری
فال قیمت‌های معرفی مدل را با تخفیف ۷۵ درصدی تا ۷ نوامبر ارائه کرده است. در وضوح ۷۲۰p، هزینه هر ثانیه ویدیو در دوره تخفیف ۰.۰۴۲۵ دلار است که برای ویدیوی ۱۰ ثانیه‌ای به حدود ۰.۴۲۵ دلار می‌رسد؛ پس از پایان تخفیف این هزینه به ۱.۷۰ دلار افزایش می‌یابد. برای خروجی ۱۰۸۰p، هزینه هر ثانیه در دوره تخفیف ۰.۰۷۲۵ دلار و پس از آن ۰.۲۹ دلار خواهد بود .
تحلیل ICTNews
ادعای «سریع‌ترین هوش مصنوعی ویدیوساز جهان» باید به‌عنوان ادعای سازنده در نظر گرفته شود، نه یک واقعیت تأییدشده مستقل. مقایسه سرعت میان FLUX 3 Max و Seedance 2.5 بر پایه بنچمارک خود فال انجام شده و Seedance 2.5 از نظر ماهیت محصول متفاوت است: مدل بایت‌دنس از تا ۵۰ دارایی مرجع در یک درخواست پشتیبانی می‌کند و قابلیت تولید کلیپ‌های تا ۳۰ ثانیه را دارد، در حالی که سقف FLUX 3 Max برابر ۲۰ ثانیه است . بنابراین نسبت سرعت میان دو مدل با محدودیت‌های متفاوت، مقایسه‌ای بین دو «کار» متفاوت است.
با این حال، کاهش زمان تولید به حدود ۱۲ ثانیه برای ویدیوی ۱۰ ثانیه‌ای—نزدیک به نسبت ۱:۱—از نظر عملیاتی اهمیت دارد. این سرعت می‌تواند امکان آزمایش سریع نسخه‌های متعدد یک صحنه را برای تیم‌های تولید محتوا فراهم کند و تولید ویدیو را از مرحله «طرح ایده» به مرحله «خط تولید» نزدیک‌تر سازد. اما کیفیت خروجی در بنچمارک مقدماتی و با بازه اطمینان همپوشان با رقبا ارزیابی شده و قضاوت نهایی نیازمند ارزیابی مستقل در شرایط واقعی است.