Cette analyse a permis d'obtenir trois résultats : une scène de produit assemblée à partir de trois images de référence, une mascotte intégrée à une nouvelle scène et une carte postale réalisée avec la fonction de recherche intégrée activée.
FLUX 3 Image de Black Forest Labs propose une liste de fonctionnalités alléchante sur le papier : jusqu’à dix images de référence par requête, cinq niveaux de résolution, quinze formats d’image et une recherche web optionnelle avant génération. Cependant, cette liste ne préjuge pas du comportement du modèle face à un brief réel. Nous l’avons donc testé et avons mesuré les résultats.
Cette analyse porte sur neuf tests et seize images payantes. Nous avons vérifié chaque élément demandé par rapport à chaque résultat, lu chaque mot généré en pleine résolution, chronométré chaque requête et enregistré le prix effectivement facturé.
Le coût total de cette analyse s'est élevé à 0.97 $ en frais de génération. Un seul rendu 4K représente 45 % de ce montant, ce qui constitue le premier enseignement de cette analyse.
Notre méthode de test : règles de notation, durée et coûts réels
Notre briefing provient d'une marque fictive que nous avons inventée pour ce test, Oddly Fern Plant Care Co. Elle vend un seul produit, un engrais liquide pour plantes appelé Leaf Tonic, dans un flacon compte-gouttes en verre ambré, et elle a une mascotte : Pip, un escargot de jardin de dessin animé avec une coquille vert menthe et une seule feuille qui pousse sur le dessus.
Une marque comme celle-ci a besoin d'un ensemble d'images, et non d'une seule photo : une photo du produit, une affiche, un gros plan de l'étiquette, la mascotte sous différents styles et une photo de campagne qui associe le produit et la mascotte.
Chaque image doit montrer la même bouteille avec la même étiquette et le même escargot avec la même feuille. C'est précisément dans ce genre de tâche que les images de référence permettent soit de gagner un temps précieux, soit de semer la pagaille.
La notation était rigoureuse. Pour chaque consigne, nous avons listé les éléments concrets requis et indiqué si chaque réponse était conforme, non conforme ou ambiguë. Chaque mot généré a été recadré et lu avec un grossissement de deux à trois fois. Les temps correspondent au temps de traitement de chaque tâche et les coûts correspondent au coût facturé pour chaque tâche terminée.
Présentation de l'API d'images FLUX 3 : tâches asynchrones, paramètres et interrogation
FLUX 3 Image (identifiant du modèle : flux-3-image) est asynchrone : vous envoyez une requête POST, obtenez un identifiant de tâche et interrogez le service jusqu’à ce que l’image soit prête. Chaque requête renvoie une seule image.
Les options sont la résolution (768sq, 1k, 1.5k, 2k ou 4k, 1k par défaut), le format d'image (automatique ou l'un des 15 formats disponibles de 21:9 à 9:21), les URL des images (jusqu'à dix références sous forme d'URL ou de base64), la mise à la terre (récupération web avant génération, activée par défaut) et la tolérance de sécurité (de 0 à 4, 2 par défaut). Il n'y a pas de valeur initiale, ni de largeur ni de hauteur, ni d'invite négative, ni de taille de lot.
Voici l'utilitaire que nous avons utilisé pour chaque test. L'hôte et la clé proviennent de variables d'environnement, et les identifiants de tâche sont enregistrés avant chaque interrogation, ce qui permet de reprendre une exécution interrompue sans avoir à payer deux fois.
import os, time, base64, requests
BASE = os.environ["IMAGE_API_BASE"] # your provider's /v1 endpoint
HEADERS = {"Authorization": f"Bearer {os.environ['IMAGE_API_KEY']}"}
def as_data_uri(path):
ext = "jpeg" if path.endswith((".jpg", ".jpeg")) else "png"
return f"data:image/{ext};base64," + base64.b64encode(open(path, "rb").read()).decode()
def generate(prompt, refs=(), resolution="1k", aspect="auto", grounding=False):
payload = {"model": "flux-3-image", "prompt": prompt,
"resolution": resolution, "aspect_ratio": aspect,
"grounding": grounding}
if refs:
payload["image_urls"] = [as_data_uri(p) for p in refs] # max 10
r = requests.post(f"{BASE}/images/generations", headers=HEADERS,
json=payload, timeout=120)
r.raise_for_status()
task_id = r.json()["data"][0]["task_id"]
open("task_ids.log", "a").write(task_id + "\n") # log before polling
while True:
time.sleep(4)
try:
d = requests.get(f"{BASE}/tasks/{task_id}", headers=HEADERS,
timeout=30).json()["data"]
except requests.RequestException:
continue # network blip: poll again
if d["status"] == "completed":
return d["result"]["images"][0]["url"], d.get("cost"), d.get("actual_time")
if d["status"] in ("failed", "cancelled"):
raise RuntimeError(d.get("error"))Nous avons désactivé la mise à la terre partout sauf dans le test 8, car la récupération sur le Web modifie les résultats de manière à brouiller les autres comparaisons.
Test : Adhésion rapide à un questionnaire en 11 points
La photo principale de Leaf Tonic devait respecter onze critères vérifiables, dont un volontairement pointilleux : exactement trois feuilles d’eucalyptus.
{"model": "flux-3-image",
"prompt": "Product photo of an amber glass dropper bottle with a cream paper label that reads \"LEAF TONIC\" in black serif capitals, standing on a pale oak table. Next to it: a small fern in a terracotta pot, a folded linen cloth, and exactly three dried eucalyptus leaves. Soft morning window light from the left, shallow depth of field, plain white wall in the background.",
"resolution": "1k", "aspect_ratio": "4:5", "grounding": false}Le résultat 1k est arrivé en 18 secondes à 912×1152 pixels pour 0.0346 $. Verre ambré, compte-gouttes, étiquette crème, « LEAF TONIC » correctement orthographié, lettres capitales noires à empattement, table en chêne, fougère en terre cuite, nappe en lin, trois feuilles d'eucalyptus et mur blanc : tous les éléments sont présents. La lumière venant de la gauche était ambiguë, la scène étant éclairée uniformément.
Dix réussites nettes sur onze, la onzième étant incertaine plutôt qu'erronée, constituent un excellent résultat. La consigne de comptage est respectée dans les quatre versions de cette consigne, et la bouteille semble physiquement plausible, la pipette en verre étant visible à travers l'ambre.
Une conséquence pour le travail de production : sans image de référence, chaque requête génère une nouvelle composition. Il est impossible de conserver une scène fixe et de modifier un seul paramètre. L’outil permettant de maintenir la stabilité est une image de référence, dont les mesures sont utilisées dans les tests 5 à 7.
Test : Quatre résolutions et un seuil de prix
Nous avons envoyé la même requête aux résolutions 768sq, 1k, 2k et 4k. Chaque rendu ayant sa propre composition, la comparaison porte sur la netteté, le timing et le prix plutôt que sur le nombre de pixels.
L'invite de 11 points était affichée à quatre niveaux de résolution. Chaque rendu orthographiait correctement l'étiquette et montrait exactement trois feuilles d'eucalyptus.
| Résolution | Livré (4:5) | Heure | Prix | Coût par mégapixel |
|---|---|---|---|---|
| 768sq | 688×864 (0.59 MP) | 24 s | $0.0295 | $0.050 |
| 1k | 912×1152 (1.05 MP) | 18 s | $0.0346 | $0.033 |
| 2k | 1824×2288 (4.17 MP) | 41 s | $0.0720 | $0.017 |
| 4k | 3664×4576 (16.8 MP) | 68 s | $0.4370 | $0.026 |
Les quatre rendus répondaient aux mêmes critères, et les rendus 2K et 4K intégraient une fenêtre à gauche, ce qui leur permettait de répondre aux exigences d'éclairage. À 768 m², le texte de l'étiquette s'estompe lorsqu'on zoome ; en 2K et 4K, on distingue la texture du papier et le grain du chêne.
Il convient d'examiner attentivement les tarifs. Le modèle 768sq n'offre qu'une économie de 15 % par rapport au 1K, tout en proposant environ deux fois moins de pixels. Le 2K représente le meilleur rapport qualité-prix : quatre fois plus de pixels que le 1K pour un prix environ deux fois supérieur.
Le prix de la 4K grimpe ensuite à 0.437 $, soit 12.6 fois le prix de la 1K et six fois celui de la 2K ; par mégapixel, elle coûte donc plus cher que la 2K.
Créez un brouillon en 1K, sélectionnez les meilleurs et réservez la 4K aux rares images qui le nécessitent vraiment. L'upscaling d'un rendu 2K coûte généralement beaucoup moins cher, et une nouvelle requête 4K ne reproduira de toute façon pas le brouillon que vous aviez choisi.
Test : Typographie, du titre aux petits caractères
Nous avons testé deux niveaux de difficulté : une affiche avec trois lignes de texte en trois tailles différentes, et une étiquette au dos comportant 31 mots, dont une liste d’ingrédients en petits caractères.
Poster (1k, 2:3): Minimal print poster for a houseplant care brand. Sage green background. Centered at the top, the headline "FEED YOUR FERNS" in large bold cream sans-serif capitals. Below it, an illustration of an amber dropper bottle beside a fern frond. Under the illustration, one line in smaller cream type: "Leaf Tonic - 2 drops a week, every week". At the very bottom, small footer text: "Oddly Fern Plant Care Co."
Back label (1k, 1:1): Close-up studio photo of the back label of an amber glass dropper bottle ... The label text, top to bottom: "LEAF TONIC" as a bold heading; "Liquid plant food for ferns and calatheas"; "Ingredients: seaweed extract, molasses, magnesium sulfate, humic acid, iron chelate, water"; "Use 2 drops per 250 ml of water"; "Net 30 ml".
L'affiche a correctement affiché les 16 mots. L'étiquette a correctement affiché 30 des 31 mots ; « sulfate » est apparu comme « solfate ».
L'affiche a été réalisée en 25 secondes et chaque mot était correct, y compris le trait d'union, la virgule et « Co. » en bas de page. La mise en page respectait scrupuleusement les instructions et le modèle a laissé la bouteille illustrée.'s étiquette vierge, ce qui est normal puisque nous avons demandé qu'aucun texte n'y figure.
L'étiquette a été réalisée en 27 secondes et paraît impeccable au premier abord : hiérarchie et sauts de ligne logiques, unités correctes. Pourtant, une fois affichée en grand format, un mot est erroné : « magnesium sulfate » est devenu « magnesium solfate ». Une simple lettre dans un nom chimique est précisément l'erreur qui échappe à une relecture rapide et qu'un client ou un organisme de réglementation remarquerait.
Notre décompte indique 46 mots corrects sur 47, la seule erreur se trouvant dans le texte le plus court et le plus technique. Les titres et les phrases courtes sont fiables ; les listes d’ingrédients, les dosages et les avertissements doivent être composés séparément puis assemblés.
Test : Photoréalisme contre illustration
Nous avons ensuite décrit Pip uniquement par écrit, selon trois styles : une macrophotographie photoréaliste, une mascotte vectorielle plate et une page de livre d’histoires à l’aquarelle. Chaque illustration reprenait la même description : « une petite mascotte ronde en forme d’escargot de jardin, avec une coquille en spirale vert menthe, un corps doux couleur pêche, de grands yeux noirs amicaux et une minuscule pousse verte qui sort du haut de sa coquille ».
Une description, trois styles. Les versions photoréaliste et aquarelle présentent chacune une pousse à deux feuilles au lieu d'une seule.
Les trois prises de vue ont duré entre 20 et 26 secondes et sont toutes exploitables. La version photoréaliste est la plus saisissante : pierre mouillée, gouttelettes sur la coquille et profondeur de champ convaincante… on croirait voir la photo d’une figurine artisanale.
La version vectorielle à plat est nette et prête pour l'impression, avec des contours réguliers et des yeux sur des tiges. L'aquarelle présente une texture de papier réaliste et des bords flous.
Pourtant, côte à côte, ce sont trois escargots différents. Deux d'entre eux ont un bourgeon à deux feuilles au lieu d'une, sur la photo, les yeux sont placés sur le visage, et la couleur de leur corps varie du pêche au beige.
Une description textuelle n'est pas une fiche de personnage. C'est le point de départ que les images de référence devraient corriger.
Test : Édition avec une seule référence
La tâche la plus courante en situation réelle consiste à intégrer un produit approuvé dans un nouvel environnement. Nous avons utilisé l'image principale 1k du test 1 comme seule référence, avec le ratio d'aspect réglé sur automatique et la résolution la plus basse, 768 ms².
generate('Place this exact bottle on a white tiled bathroom shelf next to a rolled white towel and a small trailing pothos plant. Keep the bottle shape, the cream label and the words "LEAF TONIC" exactly as they are. Bright, even daylight.',
refs=["hero.jpg"], resolution="768sq", aspect="auto")
Le modèle de référence et les modifications. La forme du flacon, le compte-gouttes, les proportions de l'étiquette et le lettrage ont été conservés ; tout le reste a été remplacé comme demandé.
La modification a pris 33 secondes et a coûté 0.0295 $, soit le même prix qu'une image contenant uniquement du texte au même niveau. La bouteille est une copie conforme : mêmes épaules, compte-gouttes, pipette et lettrage à empattements.
Nous avons demandé que la serviette et le pothos soient placés là. En mode automatique, le résultat a suivi la référence.'s Format 4:5 mais la résolution renvoyée est de 672×848, légèrement différente des 688×864 d'une requête de texte uniquement au format 4:5 ; il faut donc lire les dimensions réelles dans le fichier.
Pour un petit catalogue, c'est la fonctionnalité la plus pratique de ce modèle : une seule photo de produit approuvée devient la source d'une multitude de scènes de vie, et les références n'ajoutent rien au prix.
Si vous souhaitez tester vous-même ce flux de travail basé sur des références, l' API d'images FLUX 3 accepte les mêmes paramètres que ceux utilisés ici, et l'utilitaire ci-dessus s'exécute sans modification.
Test : Maintenir la cohérence d'un personnage
Nous avons utilisé le vecteur plat Pip du test 4 comme seule référence pour une nouvelle scène, en réaffirmant les caractéristiques à conserver.
The snail character from the reference image is watering a small fern with a tiny copper watering can on a sunny windowsill. Keep the character exactly the same: same flat vector style, thick outlines, mint-green spiral shell, peach body, eyes on stalks and the single leaf on the shell.
(resolution 768sq, aspect_ratio 1:1, 1 reference)
La scène de référence et la nouvelle scène. Les cinq caractéristiques des personnages que nous avons suivies ont été conservées.
Le résultat a été obtenu en 29 secondes. Les cinq caractéristiques suivies ont été conservées : la coquille avec la même boucle unique, le corps de la pêche, les yeux pédonculés, une feuille et des contours épais.
Là où trois suggestions de texte ont permis d'identifier trois escargots, une seule référence a bloqué le personnage. Deux remarques concernant la direction artistique : l'arrière-plan est doux et réaliste, alors n'hésitez pas à demander un arrière-plan uni si besoin ; et comme un escargot n'a pas de mains, l'arrosoir flotte simplement à côté de Pip.'s directeur.
Test : Trois références contre dix
Pour l'article principal, nous avons créé dix références : la photo du produit, la mascotte vectorielle, une carte de logo et une bande de palette dessinées localement, l'affiche et l'étiquette arrière du test 3, des extraits du pot de fougère et du tissu de lin, la carte postale du test 8 et l'aquarelle du test 4. La consigne s'adressait à chacune par numéro.
Les dix entrées. Huit étaient des sorties de tests précédents ; la carte du logo et la bande de palette ont été dessinées localement.
Lifestyle product photo on a sunny wooden windowsill. Image 1: put this exact Leaf Tonic bottle in the centre, label facing the camera. Image 2: a small soft plush toy of this snail character sits to the right of the bottle. Image 3: this logo is printed on a small kraft paper tag tied to the bottle neck with twine. [3-reference version ends here.]
Image 4: use this colour palette for the props and background. Image 5: this poster hangs framed on the wall behind. Image 6: this fern in its terracotta pot stands on the left. Image 7: this linen cloth lies folded under the bottle. Image 8: a second bottle lies on its side in front, showing this back label. Image 9: this postcard leans against the window frame. Image 10: this storybook illustration is printed on a small card propped next to the plush snail. Natural morning light.
(resolution 768sq, aspect_ratio 4:5)
À gauche : trois références, toutes utilisées. À droite : dix références, neuf utilisées ; la carte du livre d’histoires est manquante et la carte postale apparaît deux fois.
Avec trois références (45 secondes), les trois ont été utilisées comme indiqué : la bouteille centrée avec une étiquette correcte, une version en peluche feutrée de Pip à droite et une étiquette kraft portant l'inscription « Oddly Fern ».
Transformer un personnage vectoriel plat en une peluche réaliste tout en conservant la courbure de la carapace, les yeux en forme de tige et la feuille unique est une astuce utile pour les maquettes de produits dérivés.
Effet secondaire inattendu : le pot de fougère et les feuilles d’eucalyptus présents en arrière-plan de la référence 1 sont également apparus, sans que cela soit demandé. Les références véhiculent leur contexte.
Avec dix références (56 secondes, même durée : 0.0295 $), nous avons dénombré neuf des dix éléments suivants dans la scène : bouteille, peluche, étiquette, palette, affiche, pot de fougère, linge de maison, une seconde bouteille couchée et la carte postale contre la fenêtre. La carte du livre d’histoires était manquante ; une seconde carte postale la remplaçait, et l’affiche apparaît deux fois.
À partir de dix références, chaque élément de texte copié d'une référence s'est dégradé, y compris le nom de la marque sur l'étiquette.
Les gros plans révèlent le coût réel. L'étiquette qui indiquait « Oddly Fern » avec trois références affiche désormais « Oddly Farn » avec dix. Le texte de l'affiche est illisible, la seconde étiquette est incompréhensible et la légende de la carte postale est absurde ; seul le grand « LEAF TONIC » sur la bouteille principale est resté correct.
Cela s'explique en partie par la couche 768sq, qui réduit la taille des petits objets. N'ayant pas effectué de nouveau calcul à une résolution supérieure, le résultat textuel est considéré comme ouvert. La fusion et la duplication des entrées restent inchangées quelle que soit la résolution.
Notre règle : utiliser autant de références que la scène comporte d’objets devant être reproduits avec exactitude, et pas davantage. Le temps de traitement a augmenté d’une à deux secondes par référence supplémentaire (45 secondes avec trois références, 56 avec dix).
Test : Mise à la terre de la recherche activée et désactivée
L'ancrage permet au modèle de récupérer le contexte web ou image avant le rendu, et il est activé par défaut. Nous l'avons testé sur un monument réel à la forme caractéristique : la Palm House des jardins botaniques royaux de Kew.
Vintage travel postcard illustration of the Palm House at Kew Gardens in London, seen from across the pond in spring. Caption at the bottom in bold serif type: "PALM HOUSE, KEW".
(resolution 1k, aspect_ratio 3:2, grounding true / false)
La mise à la terre activée (à gauche) correspond au bâtiment mais pas au style. La mise à la terre désactivée (à droite) correspond au style mais pas au bâtiment.
Les résultats sont sans équivoque. Avec l'effet de sol (46 secondes), le bâtiment présente la silhouette correcte, longue et basse avec une partie centrale surélevée et des ailes incurvées, mais l'image ressemble davantage à une photographie teintée qu'à une illustration, et elle évoque le plein été plutôt que le printemps.
Après avoir désactivé la mise à la terre (39 secondes), nous avons reçu une charmante carte postale illustrée de fleurs et de cygnes, exactement dans le style demandé, mais une serre à deux niveaux générique qui ne ressemble pas à la vraie. Les deux légendes étaient correctement orthographiées.
L'activation de la mise à la terre étant par défaut, cela vous concerne même si vous ne l'avez jamais configurée. Cela a amélioré la précision des faits et réduit le respect du style, et a ajouté sept secondes à notre comparaison.
Désactivez cette fonction pour les produits et personnages inventés, pour lesquels il n'y a rien à rechercher ; laissez-la activée pour les lieux et produits réels, et accentuez le style dans l'invite de commande.
Test : Comptage, numérotation et valeur aberrante lente
Le dernier test combinait deux faiblesses classiques : le décompte exact et les nombres séquentiels. On demandait exactement sept bouteilles identiques alignées, numérotées de 1 à 7 de gauche à droite.
Sept bouteilles, numérotées dans l'ordre. Correct, mais la requête a pris 167 secondes.
L'image est correcte : sept bouteilles régulièrement espacées, numérotées de 1 à 7. Avec les feuilles d'eucalyptus, FLUX 3 Image a parfaitement respecté tous les points de cette analyse.
La surprise résidait dans le temps d'exécution : 167 secondes, contre 18 à 46 secondes (médiane de 26 secondes) pour nos 1 000 autres requêtes textuelles, sans aucune explication dans le message d'invite. Un produit destiné aux utilisateurs nécessite un indicateur de progression, un délai d'attente raisonnable et la possibilité de fournir les résultats ultérieurement.
Toute personne effectuant une migration depuis d'anciens points de terminaison FLUX doit également noter ce que cette API n'accepte pas : la largeur, la hauteur, les chaînes de taille en pixels, la graine, les étapes, les instructions, l'invite négative, le format de sortie ni plusieurs images par requête. Les tailles de carte sont associées à un niveau de résolution et à un rapport hauteur/largeur.
Combien coûte FLUX 3 Image ?
Coût et temps de traitement mesurés pour chaque configuration présentée dans cette étude.
| Test | Images | Paramètres | Prix |
|---|---|---|---|
| 1–2. Échelle d’adhésion et de résolution | 4 | 768 m², 1 000 m², 2 000 m², 4 000 m² | $0.5731 |
| 3. Typographie | 2 | 1k | $0.0691 |
| 4. Trois styles | 3 | 1k | $0.1037 |
| 5. Modification à référence unique | 1 | 768 m², 1 réf. | $0.0295 |
| 6. Cohérence du personnage | 1 | 768 m², 1 réf. | $0.0295 |
| 7. Trois et dix références | 2 | 768 m², 3 et 10 références | $0.0590 |
| 8. Mise à la terre activée et désactivée | 2 | 1k | $0.0691 |
| 9. Comptage | 1 | 1k | $0.0346 |
| Total | 16 | $0.9677 |
Sans l'unique image 4k, les 15 autres images coûtent 0.53 $, soit environ 3.5 cents chacune, et comme les références sont gratuites, un composite de dix références coûte le même prix qu'une simple invite.
Une petite marque produisant 40 images par mois en 1K dépenserait environ 1.40 $ ; avec deux images finales en 4K, la facture double, voire plus. Établissez votre budget en fonction de la résolution, et non du nombre d'images.
Points faibles de l'image FLUX 3
Liste de contrôle pour l'utilisation de l'image FLUX 3 dans un ensemble d'images de marque
Verdict final : L’image FLUX 3 est-elle pertinente pour l’identité visuelle d’une marque ?
FLUX 3 Image a globalement bien fait son travail. L'agence a scrupuleusement respecté le cahier des charges en 11 points, a respecté tous les décomptes, a rendu les textes courts et moyens avec fiabilité, a alterné avec fluidité entre photographie et illustration, et a assuré la cohérence du produit et du personnage à partir d'une seule référence.
La fonction multi-références est opérationnelle et ne coûte rien de plus par référence, ce qui rend le modèle particulièrement intéressant pour toute personne produisant des ensembles d'images connexes.
Les limites sont tout aussi claires : les textes techniques courts ne sont pas encore fiables, dix références représentent plus que ce que le modèle peut gérer correctement, la mise à la terre par défaut peut modifier votre style et la 4K est proposée à un prix bien différent.
Pour notre marque fictive de produits d'entretien des plantes, le flux de travail que nous suivrions réellement serait le suivant : 1 000 brouillons, trois à cinq références par scène, mise au propre, texte composé ensuite et 2 000 versions finales, chaque image étant approuvée par une personne.
Si vous souhaitez essayer ce flux de travail ou comparer FLUX 3 Image avec d'autres modèles d'image, de vidéo et de langage via une seule clé, vous pouvez les trouver sur APIMart.
AiMojo recommande :
BONUS: Obtenez notre 200 $ «AI « Boîte à outils de maîtrise » GRATUITE lors de votre inscription !
![Top 10 des fillesai AI Chatbots pour expérimenter le désir virtuel [2026]](https://aimojo.io/wp-content/uploads/2024/03/Top-Hentai-AI-Chatbot--100x100.webp)
