Przetestowałem 6 najnowszych modeli na fal.ai. FLUX.3, MiniMax H3 i dwa modele, które piszą po polsku
Sześć modeli z fal.ai w jednym teście: FLUX.3 (debiut BFL w wideo), MiniMax H3 w 2K, Kling 3.0 Pro z dźwiękiem oraz Seedream 5.0 Pro i Qwen-Image-3, które piszą po polsku z ogonkami.
👁 159 przeczytań
- Na fal.ai przetestowano 6 modeli za łącznie około 2 dolarów, z czego sam Kling 3.0 Pro z audio pochłonął 84 centy za 5 sekund.
- Dwa chińskie modele - Seedream 5.0 Pro i Qwen-Image-3 - poprawnie renderują polskie znaki diakrytyczne, czego zachodnia konkurencja nie potrafi.
- MiniMax H3 generuje wideo w rozdzielczości 2K z dostarczonego zdjęcia, co umożliwia łączenie obrazu z jednego modelu z animacją z drugiego.
W rankingu platform dałem fal.ai pierwsze miejsce za katalog i płacenie za sztukę, więc czas na dowód. Wziąłem sześć modeli z ich półki, w tym trzy zupełne świeżynki, o których w Polsce prawie nikt jeszcze nie pisze: FLUX.3, czyli debiut Black Forest Labs w wideo, MiniMax H3 z generowaniem w 2K oraz Qwen-Image-3 od Alibaby. Do tego Seedream 5.0 Pro, FLUX.2 [pro] i Kling 3.0 Pro z natywnym dźwiękiem. Każdy dostał jedno zadanie i jedną próbę: żadnego wybierania najlepszej z dziesięciu generacji. Wszystko poniżej powstało przez API fal.ai z konta doładowanego kredytami, a cały test zamknął się w okolicach dwóch dolarów. Wszystko o modelach wideo MiniMaxa, w tym o H3 Max, zebrałem w przewodniku MiniMax.
FLUX.3: Black Forest Labs wchodzi w wideo
Twórcy FLUX-ów, do niedawna synonim generowania obrazów, wypuścili właśnie model wideo. Poprosiłem o kinowy najazd przez zamglony las o świcie:
Światło między sosnami, konsekwentna mgła i spokojny ruch kamery bez „pływania” geometrii. Jak na pierwsze podejście firmy do ruchomego obrazu: bardzo mocne wejście, szczególnie w nastrojowych, statycznych scenach.
MiniMax H3: nasze zdjęcie z Groka ożywa w 2K
H3 animuje dostarczony obraz. Podałem mu skaczącego lisa z naszego testu Grok Imagine i poprosiłem o dokończenie nurkowania w śniegu:
Śnieżny pył rozpryskuje się zgodnie z fizyką, futro zachowuje strukturę pierwowzoru, a rozdzielczość 2K robi z tego materiał gotowy do montażu. To także ładny dowód nowego przepływu pracy: obraz z jednego modelu, ruch z drugiego.
Kling 3.0 Pro: wideo, które samo się udźwiękawia
Klingowi 3.0 Pro dałem naszego neonowego kota z pojedynku generatorów i włączyłem natywne audio:
Kot dostał naturalny koci chód, uliczka głębię, a dźwięk (deszcz, neon, dalekie miasto) powstał w tym samym przebiegu co obraz. Pięć sekund z audio kosztuje tu dokładnie 84 centy, najwięcej w całym teście, i słychać za co.
Seedream 5.0 Pro: wreszcie model, który umie pisać po polsku
ByteDance chwali się typografią w 14 językach, więc zrobiłem test, na którym wykładają się wszystkie zachodnie modele: polskie znaki diakrytyczne na plakacie.
„ŁÓDŹ” z perfekcyjną kreską i kropką, „miasto włókniarzy” bez jednego błędu, do tego spójna stylizacja art deco z kominami łódzkich fabryk. Dla każdego, kto projektuje po polsku plakaty, okładki czy grafiki na social media, to jest w tej chwili model pierwszego wyboru.
Qwen-Image-3: ciemny koń z bonusem, o który nie prosiłem
Nie przepłacaj za te subskrypcje
Prowadzę sklep z rocznymi dostępami do narzędzi AI - te same konta, o których piszę wyżej, tylko taniej niż w cenniku producenta.
Najmniej znany zawodnik testu dostał zadanie bez żadnego tekstu w promptcie: bar mleczny w południe, parujące pierogi.
Qwen nie tylko trafił w klimat (lastryko, chromowany serwetnik, firanka światła), ale z własnej inicjatywy dopisał na tablicy poprawne polskie menu: „zupy, pierogi, dania mięsne, napoje”, z cenami w złotówkach i octem 10% na stole. Dwa chińskie modele z rzędu piszą po polsku lepiej, niż zachodnia konkurencja kiedykolwiek potrafiła; to najciekawszy wniosek całego testu.
FLUX.2 [pro]: rzemieślnik do detalu
Makro mrozu pod wschodzące słońce: krystaliczny detal i czyste bokeh, choć widać też granicę: mróz ułożył się w zbyt idealną, „zaprojektowaną” śnieżynkę zamiast chaotycznych wzorów natury. Przy cenie od 3 centów za obraz trudno jednak marudzić; to koń roboczy do codziennych ilustracji.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Rachunek i wnioski
Sześć modeli, sześć mediów, jedna próba na każde, łącznie około dwóch dolarów z kredytów, z czego prawie połowę zjadł Kling z audio (84 centy za 5 sekund; stawki, które fal pokazuje przy każdym modelu, zebrałem też w obserwatorium wideo AI). Trzy rzeczy zostają w głowie. Po pierwsze, na fal premiery naprawdę są w dniu zero, a różnorodność katalogu pozwala złożyć cały pipeline: obraz z jednego modelu, animacja w drugim, dźwięk w trzecim, co zrobiłem tu z lisem i kotem. Po drugie, chińskie modele (Seedream, Qwen) zdeklasowały konkurencję w polskiej typografii i to one powinny trafić do zakładek każdego polskiego twórcy. Po trzecie, płacenie za sztukę uczy pokory szybciej niż jakikolwiek abonament: każda generacja ma metkę, więc prompt piszesz uważniej. Jak fal wypada na tle platform abonamentowych, sprawdzisz w rankingu ośmiu platform.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Najczęstsze pytania
Ile kosztuje wygenerowanie wideo z dźwiękiem w Kling 3.0 Pro na fal.ai?
Pięć sekund wideo z natywnym audio kosztuje w Kling 3.0 Pro dokładnie 84 centy. To najwyższa cena spośród wszystkich sześciu testowanych modeli.
Który model na fal.ai najlepiej radzi sobie z polskimi znakami diakrytycznymi?
Seedream 5.0 Pro od ByteDance za pierwszym razem poprawnie wyrenderował napis 'ŁÓDŹ, miasto włókniarzy' z kreską w Ł, kropką nad Ż i akcentem w ó. Qwen-Image-3 od Alibaby z własnej inicjatywy dopisał polskie menu z cenami w złotówkach, choć nikt o to nie prosił w prompcie.
Co to jest FLUX.3 i czym różni się od FLUX.2?
FLUX.3 to pierwszy model wideo Black Forest Labs, firmy dotąd kojarzonej wyłącznie z generowaniem obrazów. FLUX.2 [pro] to nadal model obrazowy wyceniony od 3 centów za obraz, przeznaczony do codziennych ilustracji.
Czy na fal.ai można łączyć różne modele w jeden pipeline produkcyjny?
Tak, fal.ai pozwala złożyć cały przepływ pracy z osobnych modeli - w teście obraz wygenerowany w Grok Imagine trafił do MiniMax H3 jako wejście do animacji w 2K. Analogicznie obraz neonowego kota z innego modelu został ożywiony i udźwiękowiony przez Kling 3.0 Pro.
Podobne tematy na Promptowym
