Análise do FLUX 3 Image 2026: Testes, Preços, Limitações e Veredicto

Três resultados desta análise: uma cena de produto montada a partir de três imagens de referência, um mascote inserido em uma nova cena e um cartão postal criado com a função de busca ativada.

O FLUX 3 Image da Black Forest Labs vem com uma lista de recursos que parece útil no papel: até dez imagens de referência por solicitação, cinco níveis de resolução, quinze proporções e uma etapa opcional de pesquisa na web antes da geração. Listas de recursos não mostram como um modelo se comporta com um briefing real, então criamos um e medimos o resultado.

Esta análise abrange nove testes e 16 imagens pagas. Verificamos cada elemento solicitado em relação a cada resultado, lemos cada palavra gerada em tamanho real, cronometramos cada solicitação e registramos o preço efetivamente cobrado.

O custo total da análise foi de US$ 0.97 em taxas de geração. Uma única renderização em 4K representa 45% desse valor, o que nos leva à primeira lição desta análise.

Nosso método de teste: regras de pontuação, tempo e acusações reais.

Nosso briefing vem de uma marca fictícia que inventamos para este teste, a Oddly Fern Plant Care Co. Ela vende um único produto, um fertilizante líquido para plantas chamado Leaf Tonic, em um frasco conta-gotas de vidro âmbar, e tem um mascote: Pip, um caracol de jardim de desenho animado com uma concha verde-menta e uma única folha brotando do topo.

Uma marca como essa precisa de um conjunto de imagens, não apenas de uma foto: uma foto do produto, um pôster, um close do rótulo, o mascote em vários estilos e uma foto de campanha que combine produto e mascote.

Cada imagem deve mostrar a mesma garrafa com o mesmo rótulo e o mesmo caracol com a mesma folha. É exatamente aí que as imagens de referência podem economizar horas de trabalho ou criar um desastre.

A avaliação foi rigorosa. Para cada instrução, listamos os elementos concretos solicitados e classificamos cada resposta como atendida, não atendida ou ambígua. Cada palavra gerada foi recortada e lida com ampliação de duas a três vezes. Os tempos representam o tempo de processamento de cada tarefa e os custos são os valores cobrados por cada tarefa concluída.

Explicação da API de Imagens FLUX 3: Tarefas Assíncronas, Parâmetros e Sondagem

O FLUX 3 Image (modelo id flux-3-image) é assíncrono: você envia uma solicitação POST, recebe um ID de tarefa e verifica repetidamente até que a imagem esteja pronta. Cada solicitação retorna exatamente uma imagem.

As opções são resolução (768sq, 1k, 1.5k, 2k ou 4k, padrão 1k), proporção (automática ou uma das 15 proporções de 21:9 a 9:21), URLs de imagem (até dez referências como URLs ou base64), aterramento (busca na web antes da geração, ativada por padrão) e tolerância de segurança (0 a 4, padrão 2). Não há semente, largura e altura, aviso negativo ou tamanho de lote.

Este é o auxiliar que usamos em todos os testes. O host e a chave vêm de variáveis ​​de ambiente, e os IDs das tarefas são registrados antes da verificação, para que uma execução interrompida possa ser retomada sem custos adicionais.

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"))

Definimos o parâmetro `grounding` como falso em todos os testes, exceto no Teste 8, porque a recuperação de dados na web altera os resultados de maneiras que comprometeriam as outras comparações.

A foto principal do Leaf Tonic foi concebida para conter onze requisitos verificáveis, incluindo um deliberadamente meticuloso: exatamente três folhas de eucalipto.

{"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}

O resultado de 1k chegou em 18 segundos com 912×1152 pixels por US$ 0.0346. Copo âmbar, conta-gotas, rótulo creme, grafia correta de “LEAF TONIC”, letras maiúsculas serifadas pretas, mesa de carvalho, samambaia em terracota, toalha de linho, três folhas de eucalipto e uma parede branca: tudo presente. A luz da esquerda era ambígua, já que a cena está uniformemente iluminada.

Dez acertos em onze tentativas, com a décima primeira não comprovada em vez de errada, é um resultado excelente. A instrução de contagem foi mantida em todas as quatro versões deste enunciado, e a garrafa parece fisicamente plausível, com a pipeta de vidro visível através do âmbar.

Uma consequência para o trabalho de produção: sem uma imagem-semente, cada solicitação gera uma nova composição. Não é possível manter uma cena fixa e variar apenas uma configuração. A ferramenta para manter as coisas fixas é uma imagem de referência, que os Testes 5 a 7 medem.

Enviamos a mesma solicitação em resoluções de 768p, 1k, 2k e 4k. Cada renderização tem sua própria composição, portanto, esta comparação leva em conta nitidez, tempo de renderização e preço, e não pixels.

A mensagem de 11 pontos em quatro níveis de resolução. Todas as renderizações exibiram a legenda corretamente e mostraram exatamente três folhas de eucalipto.

Resolução	Entregue (4:5)	Tempo	Custo	Custo por megapixel
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

Todas as quatro imagens atenderam aos mesmos itens da lista de verificação, e as renderizações em 2K e 4K adicionaram uma janela à esquerda, o que resolve o requisito de iluminação a seu favor. Em 768 m², o texto da etiqueta fica suave ao dar zoom; em 2K e 4K, é possível ver a textura do papel e os veios da madeira de carvalho.

O preço merece uma segunda análise. A resolução de 768sq representa uma economia de apenas 15% em comparação com a de 1k, oferecendo cerca de metade da resolução. A resolução de 2k oferece o melhor custo-benefício por megapixel: quatro vezes mais pixels que a de 1k por aproximadamente o dobro do preço.

Então, o preço do 4K sobe para US$ 0.437, 12.6 vezes o preço do 1K e seis vezes o preço do 2K, portanto, por megapixel, custa mais de US$ 2.

Faça um rascunho em 1K, escolha as melhores imagens e reserve o 4K para as poucas que realmente precisam dessa resolução. Aumentar a escala de uma renderização em 2K geralmente custa muito menos, e uma nova solicitação em 4K não reproduzirá o rascunho que você gostou.

Testamos dois níveis de dificuldade: um cartaz com três linhas de texto em três tamanhos diferentes e um rótulo traseiro com 31 palavras, incluindo uma lista de ingredientes em letras pequenas.

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".

O cartaz apresentou todas as 16 palavras corretamente. O rótulo apresentou 30 das 31 palavras corretamente; “sulfato” apareceu como “solfato”.

O pôster levou 25 segundos para ser feito e cada palavra estava correta, incluindo o hífen, a vírgula e o “Co.” no rodapé. O layout seguiu as instruções à risca e a modelo deixou a garrafa ilustrada.'s A etiqueta está em branco, o que está correto, pois solicitamos que não houvesse texto ali.

O rótulo levou 27 segundos para ser criado e, à primeira vista, parece excelente: hierarquia e quebras de linha lógicas, unidades corretas. Em tamanho real, porém, uma palavra está errada: “sulfato de magnésio” tornou-se “sulfato de magnésio”. Uma única letra em um nome químico é exatamente o tipo de erro que uma revisão rápida deixa passar e que um cliente ou órgão regulador identificaria.

Nossa contagem indica que 46 das 47 palavras estão corretas, com um único erro no texto mais curto e técnico. Títulos e frases curtas estão corretos; listas de ingredientes, dosagens e advertências devem ser digitadas separadamente e unidas posteriormente.

Em seguida, descrevemos Pip apenas com palavras, em três estilos: uma foto macro fotorrealista, um mascote vetorial plano e uma página de livro infantil em aquarela. Cada solicitação usou a mesma descrição: “um pequeno mascote de caracol de jardim redondo com uma concha espiral verde-menta, um corpo macio cor de pêssego, grandes olhos pretos amigáveis ​​e um pequeno broto de folha verde crescendo no topo da concha”.

Uma descrição, três estilos. As versões fotorrealista e em aquarela apresentavam um broto com duas folhas em vez de uma.

Todas as três levaram de 20 a 26 segundos para serem geradas e todas são utilizáveis. A versão fotorrealista é a mais impressionante, com a pedra molhada, gotas na concha e uma profundidade de campo convincente; parece a fotografia de uma estatueta feita à mão.

A versão vetorial plana é limpa e pronta para produção, com contornos consistentes e os olhos em hastes. A aquarela tem uma textura de papel realista e bordas soltas.

No entanto, lado a lado, são três caracóis diferentes. Dois dos três têm um broto com duas folhas em vez de uma, a versão da foto moveu os olhos para o rosto e a cor do corpo varia de pêssego a castanho.

Uma descrição textual não é uma ficha de personagem. Esta é a base que as imagens de referência devem estabelecer.

A tarefa mais comum no mundo real é inserir um produto aprovado em uma nova cena. Enviamos o herói de 1k do Teste 1 como única referência, com a proporção de aspecto definida como automática e o nível mais barato, 768sq.

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")

A referência e a edição. O formato do frasco, o conta-gotas, as proporções do rótulo e a tipografia foram mantidos; todo o resto foi substituído conforme solicitado.

A edição levou 33 segundos e custou US$ 0.0295, o mesmo que uma imagem apenas com texto nessa categoria. O frasco é uma cópia fiel: mesmos ombros, conta-gotas, pipeta e letras serifadas.

Toalha e jiboia são os locais que solicitamos. Com o modo automático, a saída seguiu a referência.'s O formato era 4:5, mas retornou com 672×848, ligeiramente diferente dos 688×864 de uma solicitação somente de texto em 4:5, então as dimensões reais foram lidas do arquivo.

Para um catálogo pequeno, esta é a funcionalidade mais prática do modelo: uma foto de produto aprovada torna-se a fonte para inúmeras cenas de uso, e as referências não aumentam o preço.

Se você quiser experimentar esse fluxo de trabalho baseado em referência, a API de Imagens do FLUX 3 aceita os mesmos parâmetros que usamos aqui, e a função auxiliar acima funciona com ela sem alterações.

Utilizamos o vetor plano Pip do Teste 4 como única referência para uma nova cena, reiterando as características a serem mantidas.

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)

A referência e a nova cena. Todas as cinco características dos personagens que rastreamos foram mantidas.

O resultado levou 29 segundos. Todas as cinco características rastreadas foram mantidas: a casca com a mesma curvatura única, o corpo do pêssego, os olhos nos pedúnculos, uma folha e os contornos espessos.

Onde três sugestões de texto resultaram em três caracóis, uma referência bloqueou o personagem. Duas observações sobre a direção de arte: o fundo ficou suave e realista, então peça também um fundo plano, se necessário; e como um caracol não tem mãos, o regador simplesmente flutua ao lado de Pip.'s cabeça.

Para a matéria principal, criamos dez referências: a foto do produto, o mascote vetorial, um cartão com o logotipo e uma paleta de cores desenhada localmente, o pôster e o rótulo traseiro do Teste 3, recortes do vaso de samambaia e do tecido de linho, o cartão postal do Teste 8 e a aquarela do Teste 4. O enunciado identificava cada uma delas por número.

Os dez elementos de entrada. Oito eram resultados de testes anteriores; o cartão com o logotipo e a paleta de cores foram desenhados localmente.

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 esquerda: três referências, todas as três utilizadas. À direita: dez referências, nove utilizadas; o cartão do livro de histórias está faltando e o cartão postal aparece duas vezes.

Com três referências (45 segundos), todas as três foram usadas conforme as instruções: a garrafa centralizada com o rótulo correto, uma versão de pelúcia de feltro do Pip à direita e uma etiqueta de papel kraft com a inscrição “Oddly Fern”.

Transformar um personagem vetorial plano em um bichinho de pelúcia convincente, mantendo a curvatura da carapaça, os olhos em forma de haste e a única folha, é um truque útil para maquetes de produtos.

Um efeito colateral: o vaso de samambaia e as folhas de eucalipto do fundo da referência 1 também apareceram, sem serem solicitados. As referências trazem consigo o seu contexto.

Com dez referências (56 segundos, mesmo custo de US$ 0.0295), contabilizamos nove das dez presentes na cena: garrafa, pelúcia, etiqueta, paleta, pôster, vaso de samambaia, linho, uma segunda garrafa deitada de lado e o cartão-postal contra a janela. O cartão com o livro infantil estava faltando; uma segunda cópia do cartão-postal o substituiu, e o pôster aparece duas vezes.

Com dez referências, todos os trechos de texto copiados de uma referência apresentaram degradação, incluindo o nome da marca na etiqueta.

Os detalhes mostram o custo real. A etiqueta que dizia “Oddly Fern” com três referências agora diz “Oddly Farn” com dez. O texto do pôster está ilegível, o segundo rótulo está ilegível e a legenda do cartão-postal não faz sentido; apenas a inscrição grande “LEAF TONIC” na garrafa principal permaneceu correta.

Parte disso se deve à camada de 768sq, que atribui poucos pixels a objetos pequenos, e como não executamos o teste novamente em uma resolução mais alta, considere o resultado do texto como aberto. A fusão e a duplicação de entradas não seriam alteradas com a resolução.

Nossa regra: Use tantas referências quantos forem os objetos na cena que precisam ser exatos, e nada mais. O tempo de processamento aumentou de um a dois segundos por referência adicional (45 segundos com três, 56 com dez).

O recurso de ancoragem permite que o modelo recupere o contexto da web ou da imagem antes de desenhar, e está ativado por padrão. Nós o testamos em um ponto turístico real com um formato característico: a Estufa das Palmeiras nos Jardins Botânicos Reais 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)

Aterramento ligado (à esquerda) acertou no edifício, mas errou no estilo. Aterramento desligado (à direita) acertou no estilo, mas errou no edifício.

Os resultados se dividiram claramente. Com o aterramento ativado (46 segundos), o prédio tem a silhueta correta, longo e baixo, com uma seção central elevada e alas curvas, mas a imagem é essencialmente uma fotografia colorida em vez de uma ilustração, e parece pleno verão, não primavera.

Com o aterramento desligado (39 segundos), recebemos um charmoso cartão postal ilustrado com flores e cisnes, exatamente no estilo solicitado, mas com uma estufa genérica de dois andares que não se parece em nada com a real. Ambas as legendas estavam escritas corretamente.

Como o aterramento está ativado por padrão, isso afeta você mesmo que nunca o tenha configurado. Isso melhorou a precisão factual e reduziu a aderência ao estilo, além de adicionar sete segundos em nossa comparação.

Desative-o para produtos e personagens fictícios, onde não há nada para pesquisar; mantenha-o ativado para lugares e produtos reais e exagere no estilo no prompt.

O último teste combinou duas fragilidades clássicas: contagens exatas e números sequenciais. Pedimos exatamente sete garrafas idênticas em fila, numeradas de 1 a 7 da esquerda para a direita.

Sete garrafas, numeradas em ordem. Correto, mas o pedido demorou 167 segundos.

A imagem está correta: sete garrafas espaçadas uniformemente, numeradas de 1 a 7 em ordem. Juntamente com as folhas de eucalipto, a FLUX 3 Image acertou em todos os detalhes nesta análise.

A surpresa foi o tempo: 167 segundos, contra 18 a 46 segundos (mediana de 26) para nossas outras 1 solicitações somente de texto, sem nenhuma explicação na mensagem. Um produto voltado para o usuário precisa de um indicador de progresso, um tempo limite generoso e uma maneira de entregar os resultados posteriormente.

Quem estiver migrando de endpoints FLUX mais antigos também deve observar o que esta API não aceita: strings de largura, altura e tamanho em pixels, seed, steps, guidance, negative_prompt, output_format ou múltiplas imagens por requisição. Mapeie os tamanhos para um nível de resolução mais uma proporção.

Qual o preço da imagem FLUX 3?

Custo e tempo de processamento medidos para cada configuração nesta análise.

Testar	Imagens	Configurações	Custo
1–2. Escada de adesão e resolução	4	768 pés quadrados, 1 pés quadrados, 2 pés quadrados, 4 pés quadrados	$0.5731
3. Tipografia	2	1k	$0.0691
4. Três estilos	3	1k	$0.1037
5. Edição de referência única	1	768 m², 1 referência	$0.0295
6. Consistência de caráter	1	768 m², 1 referência	$0.0295
7. Três e dez referências	2	768 pés quadrados, 3 e 10 referências	$0.0590
8. Aterramento ligado e desligado	2	1k	$0.0691
9. Contando	1	1k	$0.0346
Segurança	16		$0.9677

Sem a imagem única em 4K, as outras 15 imagens custam US$ 0.53, cerca de 3.5 centavos cada, e como as referências são gratuitas, uma composição com dez referências custa o mesmo que uma simples solicitação.

Uma pequena marca que produz 40 imagens por mês em 1K gastaria cerca de US$ 1.40; adicione duas imagens finais em 4K e a conta mais que dobra. Faça o orçamento com base na resolução, não na quantidade de imagens.

Onde a imagem do FLUX 3 deixa a desejar

Lista de verificação para usar a imagem FLUX 3 em um conjunto de identidade visual da marca.

Veredito final: Vale a pena usar a imagem FLUX 3 para a identidade visual da marca?

A FLUX 3 Image acertou mais do que errou. Seguiu rigorosamente um briefing de 11 pontos, acertou em todos os detalhes, apresentou textos curtos e médios de forma confiável, transitou entre fotografia e ilustração de maneira convincente e manteve a consistência entre o produto e o personagem a partir de uma única referência.

O recurso de múltiplas referências funciona e não tem custo adicional por referência, o que torna o modelo muito interessante para quem produz conjuntos de imagens relacionadas.

As limitações são igualmente claras: textos técnicos pequenos ainda não são confiáveis, dez referências são mais do que o modelo consegue processar com fluidez, a configuração padrão pode alterar seu estilo e a resolução 4K está em um patamar de preço completamente diferente.

Para nossa marca fictícia de cuidados com plantas, o fluxo de trabalho que usaríamos seria o seguinte: 1 rascunhos, de três a cinco referências por cena, desbaste, composição de texto posterior e 2 imagens finais, com uma pessoa aprovando cada imagem.

Se você quiser experimentar esse fluxo de trabalho ou comparar o FLUX 3 Image com outros modelos de imagem, vídeo e linguagem por meio de uma única chave, você pode encontrá-los no APIMart.