結論：Black Forest Labs（BFL）が2026年7月23日、画像・動画・音声・ロボット制御(アクション予測)を1つのバックボーンに統合した新モデル「FLUX 3」を発表しました。
- 要点1：これまで画像生成モデルだったFluxシリーズが、最長20秒の音声付き動画生成とロボット学習(FLUX-mimic)まで対応する「マルチモーダル基盤モデル」に転換しました。
- 要点2：公開初日時点でVideoとActionは早期アクセス、Imageは数週間以内、オープンウェイト版のDevは2026年後半を予定しており、料金は未発表です。
- 要点3：公式評価では動画生成において、Runway Gen-4.5に77%、Luma Ray 3.2に93%の比較で優勢という結果が報告されています(いずれもBFL公式発表・早期評価の値)。
- 対象読者：画像・動画生成AIをプロダクトやAIエージェントに組み込みたい開発者・PM
- 今日やること：公式サイトで早期アクセスを申請しつつ、商用利用の可否は必ず公式ライセンスページで確認する
2026年7月23日、画像生成AI「Flux」シリーズを開発するBlack Forest Labsが、公式ブログで新モデル「FLUX 3」を発表しました。タイトルは「Real World Models: Towards Multimodal Flow Models as the Backbone of Visual Intelligence（実世界モデル — 視覚知能のバックボーンとしてのマルチモーダルフローモデルへ）」。この発表はHacker Newsでも大きな反響を呼びました。
これまでFluxは「高品質な画像生成モデル」として、ComfyUIやオープンウェイトのコミュニティで確固たる地位を築いてきました。しかしFLUX 3は単なる画像モデルのアップデートではありません。画像・動画(音声付き)・そしてロボットのアクション予測までを、1つのマルチモーダルなバックボーンで扱う設計に転換しています。
この記事では、公式発表と一次情報をもとに、FLUX 3で何が変わったのか、4つのバリアントをどう使い分けるのか、日本から今すぐ試せることは何か、そして商用利用で注意すべきライセンスの論点を整理します。
何が起きたのか — FLUX 3で変わったこと
BFLの公式ブログによれば、FLUX 3は「One model, multiple capabilities（1つのモデルで複数の能力を実現）」というコンセプトのもと設計されています。従来のFluxシリーズ（FLUX.1、FLUX.2）は画像生成・編集に特化したモデルでしたが、FLUX 3では以下の3つの出力モダリティを単一のバックボーンで扱います。
- 画像：スタイル・アスペクト比・解像度を幅広くカバーする画像合成・編集
- 動画：最長20秒、ネイティブ音声生成オプション付きの動画生成
- アクション予測：ロボット学習向けの動作予測。ロボティクス企業mimic roboticsとの協業により、FLUX 3のバックボーンとmimicの知見を組み合わせた「FLUX-mimic」として提供されます
BFLのCEOであるRobin Rombach氏は発表の中で、「真の知能とは、世界を認識し、予測し、行動し、学習する能力を意味する」という趣旨のコメントを寄せています。画像を”描く”だけでなく、世界の変化を予測し行動に落とし込む方向へ、モデルの設計思想が広がっていることが読み取れます。
技術的な位置づけを理解する上では、FLUX 3が採用する「フローマッチング(Flow Matching)」系のアーキテクチャが、テキストの拡散生成でも使われている拡散モデル系の設計思想と根を同じくしている点も押さえておきたいところです。テキスト生成での拡散モデル活用については、DiffusionGemma徹底解説｜拡散型テキスト生成で最大4倍速を実現したDeepMindの新モデルでも扱っているので、モダリティ横断でのフロー/拡散モデルの広がりを掴みたい方は合わせて読んでみてください。
4つのバリアントと使い分け
FLUX 3は単一の巨大モデルではなく、用途別に4つの名称で提供されます。公式サイトの記載をもとに整理すると次のとおりです。
| バリアント | できること | 提供状況(2026年7月23日時点) |
|---|---|---|
| FLUX 3 Video | 最長20秒・音声付きの動画生成/編集 | API・プライベートウェイトで早期アクセス提供中 |
| FLUX 3 Image | 画像の合成・編集(スタイル/アスペクト比/解像度を幅広くカバー) | 「今後数週間で」ロールアウト予定。announcement当日時点では未提供 |
| FLUX-mimic(Action) | ロボットの動作予測。mimic roboticsとの協業モデル | 研究・ロボティクス系の一部パートナー向けに早期アクセス |
| FLUX 3 Dev | マルチモーダルバックボーンへのオープンウェイトアクセス | 2026年後半に提供予定。現時点で重みは未公開 |
ここで重要なのは、「FLUX 3」という名前が指すのは1つの完成品ではなく、段階的にロールアウトされる4つの提供形態の総称だという点です。特にコンテンツ制作の主戦場である「画像生成」機能(FLUX 3 Image)は発表当日時点でまだ一般提供されておらず、先行しているのは動画とロボティクス領域という点は見落とされがちです。
mimic roboticsのCTOは公式発表の中で、FLUX-mimicによって新しいタスクの習得にかかる時間が「30時間から数分に短縮された」という趣旨のコメントを寄せています。ロボット学習領域でのデータ効率化が、今回のマルチモーダル統合の大きな狙いの一つであることがうかがえます。
性能はどう評価されているか — 早期ベンチマークの数字
BFL公式ブログの「Capabilities & Early Evaluations」セクションでは、動画生成に関する早期の人間評価(プリファレンス比較)の結果が公開されています。テキストから720p・10秒の動画を生成し、他モデルの出力とどちらが好まれるかを比較したものです。
| 比較対象 | FLUX 3 Videoが優勢だった比較の割合 |
|---|---|
| Runway Gen-4.5 | 最大77% |
| Luma Ray 3.2 | 最大93% |
| Grok Imagine Video | 最大69% |
| Kling v3 Pro | 60% |
| Happy Horse v1 | 59% |
（出典: Black Forest Labs公式ブログ「FLUX 3」。参照日2026年7月23日）
数字だけを見ると圧倒的な優位に見えますが、BFL自身が公式ブログで「Evaluations are early and we expect further improvements（評価はまだ初期段階であり、今後の改善を見込んでいる）」と明記している点は重要です。人間による選好比較(プリファレンステスト)は、評価対象のプロンプトセットや評価者の主観に結果が左右されやすい手法でもあります。断定的な「最強」判定ではなく、「発表時点での早期評価」として受け止めるのが妥当でしょう。
なお、画像生成の性能を単独で評価したベンチマーク(Artificial Analysis Image ArenaやHuman Preference Scoreなど)については、FLUX 3 Imageが未提供の現時点では公式に数値が示されていません。動画生成の評価結果を画像生成の性能と混同しないよう注意が必要です。
日本から今日試す方法
結論から言うと、発表当日である2026年7月23日〜24日時点で、日本から即座に画像を生成できる状態にはなっていません。誠実に現状を整理すると以下のようになります。
- FLUX 3 Video / FLUX-mimic：BFL公式サイトの早期アクセス申請フォームから申し込みが可能です。API(docs.bfl.ai)やダッシュボード(dashboard.bfl.ai)経由でのアクセスになりますが、審査・順番待ちがあり、申請してすぐ使える保証はありません。
- FLUX 3 Image：公式発表では「今後数週間でロールアウト」とされており、発表時点ではまだ一般提供されていません。今すぐ画像生成を試したい場合は、現行モデルのFLUX.2(flex/pro/max)がAPI・ComfyUI経由で引き続き利用可能です。
- FLUX 3 Dev(オープンウェイト)：2026年後半の提供予定で、現時点でHugging Faceの黒森林研究所(black-forest-labs)組織ページに重みは公開されていません。ローカル実行・ComfyUI連携を狙っている場合は、この組織ページをウォッチしておくのが確実です。
参考として、現行のFLUX.2 APIの呼び出し方は以下の通りです。FLUX 3 Imageが一般提供された際も、認証方式(x-keyヘッダー)やポーリングによる結果取得の設計思想は踏襲される可能性が高いと考えられますが、エンドポイント名などの詳細は正式リリースを待って公式ドキュメントを確認してください。
# 動作環境: Python 3.11+, requests>=2.31
# 必要パッケージ: pip install requests
# 注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
# 注意: これは現行のFLUX.2 API(2026年7月時点でdocs.bfl.aiに公開されている仕様)の例です。
import os
import requests
import time
BFL_API_KEY = os.environ["BFL_API_KEY"]
# 1. 画像生成リクエストを送信(FLUX.2の例。エンドポイントはBFL公式ドキュメントで要確認)
resp = requests.post(
"https://api.bfl.ai/v1/flux-2-pro-preview",
headers={"x-key": BFL_API_KEY, "Content-Type": "application/json"},
json={"prompt": "a photo of a red bicycle in Kyoto", "width": 1440, "height": 1024},
)
resp.raise_for_status()
polling_url = resp.json()["polling_url"]
# 2. polling_url を x-key 付きでポーリングし、statusがReadyになるまで待つ
while True:
result = requests.get(polling_url, headers={"x-key": BFL_API_KEY}).json()
if result.get("status") == "Ready":
print(result["result"]["sample"]) # 生成画像のURL
break
time.sleep(2)
ポイント：BFLのAPIは「リクエスト送信 → polling_urlをGETで繰り返し確認」という非同期パターンが一貫しています。FLUX 3 Imageのエンドポイントが公開された段階でも、同様の実装パターンで対応できる可能性が高い設計です。
商用利用とライセンスの注意点
FLUX 3のライセンス条件は、2026年7月23日の発表時点ではオープンウェイト版(FLUX 3 Dev)自体がまだ提供されていないため、正式な利用規約は公開されていません。ただし、これまでのFluxシリーズの前例を踏まえると、以下の点は必ず押さえておくべきです。
- FLUX.1 [dev] / FLUX.2 [dev]：重みは無料でダウンロードできますが、商用利用には別途BFLとの有償ライセンス契約が必要な「非商用ライセンス」が既定です。
- FLUX.2 Klein(4Bモデル)：例外的にApache 2.0ライセンスで提供されており、商用利用の制限がありません。
- API経由の利用(FLUX.2シリーズ)：API利用規約に従う形で商用利用が可能ですが、料金体系・利用条件は公式サイトの最新情報を必ず確認してください。
この前例から推測すると、FLUX 3 Devが「後日オープンウェイトで公開」されても、デフォルトで商用利用が自由になるとは限りません。「オープンウェイト＝商用利用フリー」と早合点せず、正式なライセンス文書(bfl.ai/licensing等)が公開された時点で、利用目的(研究/非商用/商用)に応じたライセンス区分を必ず確認することを推奨します。特に自社プロダクトやクライアントワークに組み込む予定がある場合は、法務・知財担当者を交えたライセンス確認を挟むことをおすすめします。
既存勢(GPT-image系/Midjourney/Google Imagen)との位置づけ
FLUX 3の登場は、画像・動画生成AI市場における「配布モデル」の違いを改めて浮き彫りにします。
| モデル/サービス | 提供元 | 主な提供形態 | 特徴 |
|---|---|---|---|
| FLUX 3 | Black Forest Labs | API + 将来的なオープンウェイト(Dev) | 画像・動画(音声付き)・ロボット制御まで統合したマルチモーダル設計 |
| GPT-image系 | OpenAI | API・ChatGPT組み込み | クローズドソース。ChatGPTのエコシステムに統合された使いやすさが強み |
| Midjourney | Midjourney, Inc. | Discord/Webアプリ(サブスクリプション) | クローズドソース。独自の作風・美的品質のチューニングに定評 |
| Google Imagen | Google DeepMind | Gemini API / Vertex AI | クローズドソース。Google Workspace・Gemini系サービスとの統合が強み |
GPT-image系・Midjourney・Google Imagenはいずれもクローズドソースで、API経由またはアプリ経由の利用が中心です。一方でFluxシリーズは、これまでも「APIで手軽に使える有償版」と「ComfyUIやHugging Face経由でローカル実行できるオープンウェイト版」を両立させてきた点が独自のポジションでした。実際、FLUX.1 [dev]はオープンソース画像生成モデルの中でもトップクラスの評価を獲得し、FLUX.1.1 [pro]もArtificial Analysisの画像生成アリーナで上位にランクインした実績があると報じられています(Decrypt報道、2026年7月23日参照)。
FLUX 3で注目すべきは、この「オープン性」を維持したまま、競合の主戦場が画像から動画・マルチモーダルへと移りつつある市場に本格参入した点です。ただし前述の通り、公式に公開されている早期ベンチマークは動画生成領域が中心で、画像生成単体でGPT-image系やMidjourneyと直接比較したスコアは今回の発表では示されていません。「FLUX 3がGPT-imageやMidjourneyより画像生成で優れている」と断定できる公式データは、2026年7月23日時点では存在しない点には注意してください。
動画生成の文脈では、オープンウェイト系の動画モデルとRunwayのようなクローズド系サービスとの比較軸も参考になります。オープンソース動画生成モデルの動向は【2026年最新】LTX 2.3｜4K動画OSS vs Runway徹底比較でも整理しているので、動画生成AIの選定軸を広く比較したい方は参考にしてください。
AIエージェント開発者への実務インパクト
AIgent Labの読者にとって重要なのは、FLUX 3が「画像を作るツール」から「マルチモーダルな知覚・生成をエージェントに組み込むための部品」へと役割を広げつつあるという点です。
- ツール呼び出しの選択肢が増える：AIエージェントが「画像生成」「動画生成」「(将来的には)アクション予測」を、同一ベンダーのAPI体系の中で使い分けられる可能性が出てきます。マルチモーダル対応エージェントを設計する際の外部ツール選定肢が広がる形です。
- 非同期処理の設計が必須：BFL APIは前述のとおりポーリング方式の非同期処理が基本です。エージェントのワークフローに組み込む際は、同期的な即時レスポンスを前提にせず、ジョブキュー・タイムアウト処理を設計に含める必要があります。
- ロボティクス連携は今後の注目領域：FLUX-mimicのようなアクション予測モデルは、現時点ではAIエージェント開発の主戦場である「業務自動化・情報処理」とは距離がありますが、将来的に物理世界と接続するエージェント(ロボティクスエージェント)の基盤技術として動向を追う価値があります。
マルチモーダル出力をAIエージェントに組み込む具体的な設計パターンについては、マルチモーダルAIエージェント実装ガイド 2026で扱っているので、音声・画像・テキストを横断するエージェント設計を検討している方は合わせてご覧ください。
よくある質問
Q1. FLUX 3は今すぐ使えますか？
2026年7月23日の発表時点では、Video・Actionが早期アクセス(申請制)、Imageは数週間以内のロールアウト予定です。一般ユーザーが画像生成をすぐ試せる状態にはまだなっていません。
Q2. FLUX 3は無料で使えますか？
料金プランは2026年7月23日時点で公式サイト(bfl.ai/pricing)に掲載されておらず、未発表です。現行のFLUX.2シリーズには有料プラン(flex/pro/max)が存在します。
Q3. FLUX 3はオープンソースですか？
発表時点でダウンロード可能な重み(オープンウェイト)は提供されていません。オープンウェイト版「FLUX 3 Dev」は2026年後半に提供予定とされていますが、ライセンス条件(商用利用可否)はまだ公開されていません。
Q4. 商用利用はできますか？
現時点では明言できません。過去のFLUX.1 [dev] / FLUX.2 [dev]は非商用ライセンスが既定で、商用利用には別途有償ライセンスが必要でした。FLUX 3についても、公式ライセンス文書が公開された時点で必ず確認することを推奨します。
Q5. ComfyUIで使えますか？
2026年7月23日の発表内容にComfyUI対応の明記はありません。過去のFLUX.2 [dev]はComfyUI・Diffusersに対応しているため、FLUX 3もオープンウェイト版の提供後に同様の対応が広がる可能性がありますが、現時点での確約はありません。
Q6. GPT-imageやMidjourneyと比べてどちらが優れていますか？
公式に公開されている早期ベンチマークは動画生成領域の他モデルとの比較が中心で、画像生成単体でGPT-image系やMidjourneyと直接比較したデータは今回の発表に含まれていません。断定的な優劣判断は避け、各サービスの最新の公式情報を確認してください。
まとめ
FLUX 3は、画像生成モデルとして知られてきたFluxシリーズが、動画・音声・ロボット制御までを扱う「マルチモーダル基盤モデル」へと踏み出した節目のリリースです。ただし発表当日の時点では、主力となる画像生成機能(FLUX 3 Image)はまだ一般提供されておらず、料金・商用ライセンスも未発表という「発表はされたが全貌はこれから」という段階にあります。
AIエージェント開発者としては、①早期アクセスの申請と動向のウォッチ、②非同期API呼び出しを前提にした設計の準備、③正式なライセンス文書が出るまで商用利用を確定させない、という3点を押さえておけば、次の一般提供のタイミングで迅速に検証を始められるはずです。
参考・出典
- FLUX 3 – Real World Models: Towards Multimodal Flow Models as the Backbone of Visual Intelligence — Black Forest Labs公式ブログ（参照日: 2026-07-23）
- FLUX 3モデルページ — Black Forest Labs公式（参照日: 2026-07-23）
- FLUX API Pricing — Black Forest Labs公式（参照日: 2026-07-23）
- Quick Start: Generating Images — BFL Documentation（参照日: 2026-07-23）
- Black Forest Labs Unveils FLUX 3, A New Multimodal Frontier Model For Visual Intelligence — GlobeNewswire プレスリリース（参照日: 2026-07-23）
- Black Forest Labs Unveils FLUX 3 AI: Ditches Stills for Video—And Robot Hands — Decrypt（参照日: 2026-07-23）
あわせて読みたい：
- AIエージェントツール比較完全ガイド — 画像・動画生成もふくめ、AIエージェント構築に使えるツール群を体系的に整理
- Higgsfield AI Relight｜撮影後に照明をAIで変える映像ツール — 動画生成・編集系AIツールの活用例
著者：佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』累計3万部突破。
この記事を読んでAIエージェントへのマルチモーダル活用イメージが固まってきた方へ
UravationではAIエージェント導入の研修・コンサルを行っています。
