Flux 3 是什么？Black Forest Labs 图像、视频与音频模型评测
Flux 3 是 Black Forest Labs 的第三代模型，也是这一系列第一次在图像之外同时输出视频和音频。本文说明 Self-Flow 改了什么、公开材料说到哪一步、它和 Runway、Sora 各自适合什么场景，以及接入成本怎么算。
本篇为功能与流程资料整理，未配置的第三方引擎不代表本站已实测。真实运行结果请查看 Tripo 实测案例；厂商功能与价格以其官方资料为准。
Sulphur 2 是一个建立在 Lightricks LTX 2.3 之上的社区微调模型：架构不是新的，权重可以下载到本地，跑在自己的显卡上，文生视频和图生视频都支持。发布时它自带提示词增强器、蒸馏 LoRA 和现成的 ComfyUI 工作流，拿到手就能出片，不必先搭一套管线。
大部分人搜到它是因为一个词：无审查。这个词在开源权重的发布里，含义比字面上窄得多。下面按四个问题展开：包里有什么、需要什么显卡、ComfyUI 流程怎么搭，以及它和 Runway、Kling AI 各自适合什么场景。
Sulphur 2 的下载包里到底有什么
Sulphur 2 不是新架构，而是在 Lightricks LTX 2.3 上做的社区微调。LTX 2.3 是一个 220 亿参数的扩散 Transformer，生成画面的同时生成同步音频。这次微调用了约 12.5 万段经过筛选的素材，训练侧重人物和日常动作，而这恰好是基础模型最容易崩的地方。实际表现上，人脸一致性和肢体动作比基础权重更稳，风景和抽象镜头则差别不大。
下载下来的不是一个权重文件，而是一组：bf16 开发版约 16.7 GB，fp8 混合精度版约 8.5 GB，另有蒸馏版和用来压缩采样步数的蒸馏 LoRA。模型卡上写的有效参数量在 90 亿左右，底层 Transformer 仍是 220 亿参数的那一套，所以要看模型卡，不要只看二手总结。权重之外还有两样同样重要的东西：打包成 GGUF 的提示词增强器，以及现成的 ComfyUI 工作流，文生视频和图生视频各有基础版和蒸馏版。
这里的“无审查”是什么意思，又不是什么意思
机制其实只有一条：权重开源。模型跑在你自己的机器上，提示词和画面之间没有服务端过滤器；发布里同时给了两个提示词增强器，其中替代版去掉了过滤环节，你的描述不会被悄悄改写成更温和的版本。就这么多。权重本身并没有让模型变强，只是拿掉了一个中间人。
有两个代价常被略过。第一，许可证是自定义的非商用与研究许可，开源权重不等于可以随便用在付费项目里。第二，过滤器拿掉之后，审核责任就落到你身上：同一个本地环境，既能给打斗镜头做分镜，也能生成在你所在地区违法的内容。这是法律层面的选择，不是一条功能。
硬件：文件大小只是第一个数字
看到 fp8 权重只有 8.5 GB 就以为中端显卡够用，是常见的误判，因为常驻显存的不只是 Transformer。LTX 2.3 还配了 Gemma-3-12B 文本编码器、视频 VAE 和音频 VAE。公开的部署配方里，全精度模型在 96 GB 显存的卡上加载约 36 GB，768x512、30 步推理时峰值接近 62 GB。在 24 GB 显卡上的常规做法是把 Transformer 量化，文本编码器留在内存里，只在编码提示词时换入显存。
| 权重版本 | 文件大小 | 典型显卡 | 实际差别 |
|---|---|---|---|
| bf16 开发版 | 16.7 GB | 24 GB 及以上 | 全精度，但文本编码器和 VAE 会争抢同一块显存 |
| fp8 混合精度版 | 8.5 GB | 16 至 24 GB | 单张消费级显卡上比较现实的起点 |
| GGUF 量化版 | 按量化级别而定 | 12 至 24 GB | 社区转换版本用运动细节换取显存余量 |
| 蒸馏权重加 LoRA 1.1 | 与基础版相同 | 同上 | 每个片段的采样步数更少，试错成本更低 |
| 全精度部署 | 加载约 36 GB | 80 至 96 GB | 参考方案：768x512 下峰值约 62 GB |
单卡显存的现实阶梯
- 12 至 16 GB：量化后的 Transformer 配更低分辨率，适合试提示词，慢到不适合批量出片。
- 24 GB，即 RTX 4090、5090 这一档：fp8 混合精度权重跑 768x512，文本编码器卸载到内存，这是多数 ComfyUI 教程默认的配置。
- 48 GB，即 RTX 6000 Ada、A6000 这一档：bf16 权重加常驻的文本编码器，连续跑多个片段时不必反复重载。
- 80 至 96 GB：带同步音频的参考部署方案，能稳定处理 10 到 20 秒的镜头，更像工作室的批处理机器。
文生视频与图生视频：两套流程，两种典型翻车
LTX 2.3 按 24 fps 出片，分辨率必须能被 32 整除；公开配方里用的是 768x512，小一档是 512x384。时长填的不是秒数而是帧数：帧数 = 秒数 × 24 + 1，所以 3 秒是 81 帧，10 秒是 241 帧，20 秒是 481 帧。长片段不只是更慢，连贯性也更难维持，真正能用的素材大多落在 3 到 10 秒这一段。
- 从自带工作流开始：先跑 T2V 基础版，构图需要贴合已有静帧时用 I2V 基础版。
- 把分辨率设成 768x512，帧数按实际需要的时长来定，不要一上来就跑到模型能出的最长片段。
- 用基础权重跑 25 到 30 步、引导系数 4.0 左右，然后固定随机种子。
- 换蒸馏工作流或挂上蒸馏 LoRA，把步数降下来，第二个、第三个变体才做得起。
- 每次只改一个变量，把满意的片段留作参考帧。
| 对比项 | 文生视频 | 图生视频 |
|---|---|---|
| 输入 | 一段提示词，可选经过增强器扩写 | 一张静帧加一段运动描述 |
| 优势 | 构图、机位和光线完全由你决定 | 人物特征与构图锁定在源图上 |
| 典型翻车 | 主体中途变形，道具前后不一致 | 动得太少像整张图平移，或者编出静帧支撑不了的运动 |
| 适合先做什么 | 还没分镜、需要探索镜头 | 给已经满意的静帧加运动：渲染图、照片、角色设定图 |
为什么发布里要自带提示词增强器
一句话提示词本身就是一份信息不足的需求说明，换一个随机种子，采样器填空的结果就可能完全不同。自带的增强器是一个打包成 GGUF 的小语言模型，也能放进 LM Studio 或其他支持 GGUF 的界面里跑，作用是把一句话扩写成包含主体、服装、机位运动和光线的镜头描述。把它当草稿工具，并把跑通过的提示词记下来反复使用：提示词漂移是同一条想法过一周就出不来同样画面的主要原因。
Sulphur 2 与 Runway、Kling AI 的取舍
| 对比维度 | Sulphur 2（本地） | Runway | Kling AI |
|---|---|---|---|
| 运行位置 | 你自己的显卡，权重存在本地磁盘 | 厂商云端或 API | 厂商云端或 API |
| 成本结构 | 硬件与电费，没有按条计费 | 订阅积分，按次消耗 | 订阅积分，按模型版本和时长分档 |
| 内容政策 | 本地没有过滤，但许可证限制商用 | 受服务条款与过滤规则约束 | 受服务条款与过滤规则约束 |
| 可控项 | 分辨率、帧数、采样器、随机种子、LoRA 全部开放 | 控制项经过整理，另有预设运镜 | 控制项经过整理，另有预设运镜 |
| 适合谁 | 需要大量试错、素材私密、要把生成接进脚本 | 没有显卡、想要托管 API 的团队 | 要快速出成片、依赖运镜预设的场景 |
这不是排名。托管服务赢在第一个下午：不用装驱动、不用下载几十 GB 权重、不用调显存，积分价格也足够稳定，可以直接写进给客户的报价里。它们输在数量和可控性上：一百次迭代要真金白银买积分，而某个好画面背后的采样参数可能根本没有开放。本地微调正好相反，第一百条片段的边际成本和第一条一样，所有旋钮都在自己手里。两边的价格和条款都变得很快，动手前请以厂商页面为准。
视频模型放进 3D 资产管线的位置
Open3DAI 不做视频生成，评测里如果暗示它做，那这篇就没有价值了。它做的是 3D 资产：文生 3D、图生 3D、多视图输入、AI 贴图，以及在导出前把同一个提示词放进可用引擎里做并排对比。导出支持 GLB、glTF、OBJ、STL、PLY 和 3MF，另外还有 48 个格式转换器、12 个浏览器工具和一套 REST API。当前部署运行的是一套本地程序化生成引擎，加上需要你自己填 API Key 才能用的第三方引擎适配器；它不托管、也不训练其他厂商的模型。两者真正能接上的地方是帧：把渲染出的转台画面丢进图生视频，或者从片段里挑一帧满意的画面，当作图生 3D 的参考图。
- 不做绑定、动画、摄影测量、自动重拓扑和 UV 展开，这些步骤仍然交给 Blender 或 ZBrush。
- 不承诺第一次导出就封闭、就能直接打印，切片预览和 Meshmixer 里的修复依然是打印流程的一部分。
- 完全不涉及视频：没有文生视频、图生视频，也没有时间线。
- 它负责的是网格这一层：游戏道具、打印摆件、参考模型，交给后面的管线去消费。
引擎可用性、积分价格、许可证条款和量化格式都会随版本变化，本文中的数字均来自撰写时厂商或模型页的公开说明。投入预算前请以厂商页面为准。
常见问题
Sulphur 2 是新模型还是微调？
是微调。它训练在 Lightricks LTX 2.3 之上，因此继承了那套架构、24 fps 输出和分辨率必须被 32 整除的规则，同时加入了自己的训练数据、提示词增强器和 ComfyUI 工作流。
对 Sulphur 2 来说，无审查具体指什么？
指权重跑在你自己的机器上，没有服务端的提示词过滤，并且自带的两个提示词增强器里有一个跳过了过滤环节。它不会改变模型的生成能力，也不等于免除了许可证和当地法律的约束。
跑起来需要多少显存？
fp8 混合精度权重约 8.5 GB，但文本编码器和 VAE 也要占显存。配合量化和 CPU 卸载，24 GB 显卡是比较现实的门槛；公开的全精度部署配方面向 96 GB 显卡，加载约 36 GB，768x512 下峰值接近 62 GB。
Sulphur 2 能商用吗？
默认不行。发布采用的是自定义的非商用与研究许可，商用需要向权利方单独确认，而不是开源权重自动附带的授权。动手前先读模型页上的条款。
能生成多长的片段？
时长按 24 fps 换算成帧数，公开配方演示了 81、241 和 481 帧，在 768x512 下大约是 3 秒、10 秒和 20 秒。连贯性通常先于时长上限崩掉，所以多数镜头可用的区间是 3 到 10 秒。
该选 Sulphur 2，还是 Runway、Kling AI？
需要当天出结果、要托管 API、要能按条报价时，选托管服务。需要大量迭代、素材私密、要控制到采样器参数、且不想为每条付费时，选本地微调。很多团队两者都留着，按镜头类型分流。
必须用 ComfyUI 吗？
不必，但它是最快的出片路径，因为发布里已经带好了连线完整的工作流。权重是标准的 safetensors 和 GGUF 文件，任何支持 LTX 2.3 管线的界面都能加载，提示词增强器也能放进任何兼容 GGUF 的界面。
Open3DAI 能用来做视频生成吗？
不能。Open3DAI 生成的是 3D 资产：文生 3D、图生 3D、多视图输入和 AI 贴图，导出 GLB、glTF、OBJ、STL、PLY 与 3MF。视频生成不在范围内，需要把它和视频模型并排使用，在两者之间传递帧。
在 Open3DAI 中试一下
把同一份提示词或图片交给多个引擎，并排对比网格，然后导出 GLB、glTF、OBJ、STL、PLY 或 3MF。注册即赠免费积分，无需信用卡。