Black Forest Labs
Flux 3Ein Modell für Bild, Video und Audio
Flux 3 ist das neue multimodale Basismodell von Black Forest Labs. Es erzeugt Bilder, Videos und Audio aus einer einzigen Architektur heraus, mit Ergebnissen, die in jedem Stil noch lebensechter wirken.
FLUX 3 ist bei faktry verfügbar: Text-zu-Video, Bild-zu-Video, First/Last-Frame-zu-Video und Video-Erweiterung mit nativem Ton, sowie Text-zu-Bild und Bildbearbeitung bis zu 4K.
Flux 3 in Aktion
Sieh, was Flux 3 erzeugen kann, generiert bei faktry.
Was ist FLUX 3?
FLUX 3 ist ein multimodales KI-Basismodell von Black Forest Labs, das am 23. Juli 2026 veröffentlicht wurde. Es erzeugt Bild, Video und synchronen nativen Ton aus einer einzigen einheitlichen Architektur auf Basis von Self-Flow, der Methode von Black Forest Labs zur Abstimmung von multimodaler Generierung und Verständnis in einem Modell. FLUX 3 Video erzeugt Clips von bis zu 20 Sekunden Länge in einem einzigen Durchlauf, mit mehrsprachigen Dialogen und synchronem Ton-Bild-Verhältnis.
FLUX 3 auf einen Blick
Zuletzt aktualisiert: · Modelldetails veröffentlicht von Black Forest Labs
- Entwickler
- Black Forest Labs
- Veröffentlicht
- 23. Juli 2026
- Architektur
- Multimodales Self-Flow-Basismodell
- Modalitäten
- Bild, Video und nativer Ton aus einem Modell
- Max. Videolänge
- 20 Sekunden pro Generierung
- Audio
- Nativ, synchron, mehrsprachige Dialoge
- Varianten
- FLUX 3 Video, FLUX 3 Image, FLUX 3 Dev, FLUX 3 Action, FLUX-mimic
- Offene Gewichte
- Angekündigt, aber noch nicht veröffentlicht. FLUX 3 Dev ist als Open-Weight-Variante bestätigt, bislang ohne Releasedatum, Lizenz oder Hugging-Face-Repository
- Lizenz
- Für FLUX 3 noch nicht veröffentlicht. Die älteren FLUX.1-[dev]-Gewichte stehen unter der BFL Non-Commercial License
- Bei faktry
- Jetzt live: FLUX 3 Video (Text-zu-Video, Bild-zu-Video, First/Last-Frame-zu-Video, Video-Erweiterung) und FLUX 3 Image (Text-zu-Bild, Bearbeitung bis zu 4K)
FLUX 3 im Vergleich zu Flux 2
Was sich zwischen dem reinen Bildmodell Flux 2 und dem multimodalen FLUX 3 von Black Forest Labs ändert.
| Fähigkeit | Flux 2 | FLUX 3 |
|---|---|---|
| Modalitäten | Nur Bild | Bild, Video und nativer Ton |
| Videogenerierung | Nicht unterstützt | Bis zu 20 Sekunden pro Generierung |
| Audio | Nicht unterstützt | Nativ, synchron, mehrsprachige Dialoge |
| Architektur | Bildgenerierungsmodell | Multimodales Self-Flow-Basismodell |
| Varianten | Pro, Max, Flex | Video, Image, Dev, Action, FLUX-mimic |
| Bei faktry | Jetzt verfügbar | Jetzt verfügbar (Video und Bild) |
FLUX 3, live bei faktry
Video mit Abrechnung pro Sekunde, Bild mit Abrechnung pro Generierung - beides jetzt live bei faktry.
Videogenerierung
Text zu Video
Erzeugt ein Video mit synchronisiertem, nativem Ton direkt aus einem Text-Prompt.
Bis zu 20 s · 720p oder 1080p · automatisches oder festes Seitenverhältnis
10 Credits / Sekunde
Bild zu Video
Animiert ein einzelnes Startbild anhand deines Prompts zu einem vollständigen Videoclip.
Bis zu 20 s · 720p oder 1080p · nativer Ton
10 Credits / Sekunde
First/Last-Frame zu Video
Legt Start- und Endbild fest, FLUX 3 erzeugt die Bewegung dazwischen.
Bis zu 20 s · 720p oder 1080p · nativer Ton
10 Credits / Sekunde
Video verlängern
Setzt ein bestehendes Video an dessen letzten Frames fort und behält Bewegung und Stil bei.
Bis zu 20 s neues Material · 720p oder 1080p · nativer Ton
20 Credits / Sekunde
Dauer, Auflösung, Seitenverhältnis, nativer Ton und Sicherheitsstufe sind pro Generierung individuell einstellbar.
Bildgenerierung
Text zu Bild
Erzeugt ein Bild direkt aus einem Text-Prompt, mit Kompositionskontrolle per Bounding-Box für jedes Element.
512sq-4K · 15+ Seitenverhältnisse · Auto-Layout aus einem einzigen Prompt
10 Credits (bis 1k) · 150 bei 4K
Bild bearbeiten
Bearbeitet einen Teil eines Bildes, während der Rest erhalten bleibt, mit bis zu 10 Referenzbildern in einem Durchlauf.
Bis zu 10 Referenzbilder · Box-für-Box-Bearbeitung · Auflösung bis zu 4K
10 Credits (bis 1k) · 150 bei 4K
Der Preis skaliert mit der Auflösung: 512sq bis 1k kosten gleich viel, 2K kostet das Doppelte, 4K das 15-Fache - Black Forest Labs' eigene Kostenkurve, die auch erklärt, warum 4K-Renderings länger dauern.
Was Flux 3 anders macht
Dank der Self-Flow-Architektur versteht ein einziges Modell, wie die Welt aussieht, sich bewegt und klingt.
- Wirklich multimodal
- Ein einziges Modell erzeugt Bild, Video und Audio, statt mehrerer separater Systeme, die aneinander gekoppelt sind.
- Self-Flow-Architektur
- Flow Matching bringt Generierung und Verständnis über verschiedene Datentypen hinweg in Einklang, das Modell lernt, wie Objekte zusammenhängen, sich bewegen und klingen.
- Video mit nativem Ton
- Erzeugt Videos mit synchronisiertem, direkt integriertem Ton bis zu 20 Sekunden Länge, inklusive Text-zu-Video, Bild-zu-Video und Video-zu-Video.
- Präzisere Bildgenerierung
- Versteht komplexe Prompts und stellt Text besser dar als frühere FLUX-Modelle, über verschiedene Stile, Seitenverhältnisse und Auflösungen hinweg.
- Von Haus aus mehrsprachig
- Sehr genaue mehrsprachige Textdarstellung in Bildern und mehrsprachige Dialoge in generierten Videos.
- Lebensechte Bewegung & Ton
- Überzeugende Mimik und stimmige Bild-Ton-Synchronisation, mit Steuerung über Keyframes.
Funktionen im Detail
Ein genauerer Blick darauf, was Flux 3 bei Video und Bild leistet.
Videogenerierung
- Text-zu-Video, Bild-zu-Video und Video-zu-Video
- Nativer Ton, Videos bis zu 20 Sekunden
- Keyframe-zu-Video für präzise Bewegungssteuerung
- Mehrsprachige Dialoge mit passender Lippensynchronisation
- Vielfältige visuelle Stile, von fotorealistisch bis stilisiert
- Überzeugende Mimik und stimmige Bild-Ton-Synchronisation
Bildgenerierung
- Kompositionskontrolle per Bounding-Box - jedes Element präzise auf einem 0-1000-Koordinatenraster platzieren und skalieren
- Pixelgenaue Box-Bearbeitung - ein Element gezielt ändern, während der Rest unangetastet bleibt
- Multi-Referenz-Komposition aus bis zu 10 Bildern in einer einzigen Generierung
- Besseres Verständnis komplexer, mehrteiliger Prompts
- Sehr genaue mehrsprachige Textdarstellung, inklusive handgeschriebener Beschriftungen
- Native 2K- und 4K-Auflösung, mit erhaltener Textur-, Gesichts- und Farbdetailtreue
- Konsistentere Ergebnisse als bei früheren FLUX-Modellen
Erste Benchmarks
In vorläufigen Text-zu-Video-Tests von Black Forest Labs wurde FLUX 3 Video im direkten Vergleich gegenüber anderen führenden Videomodellen bevorzugt.
77%
vs. Runway Gen-4.5
93%
vs. Luma Ray 3.2
bis zu 69%
vs. Grok Imagine Video
60%
vs. Kling v3 Pro
Vorläufige Ergebnisse, veröffentlicht von Black Forest Labs zur Ankündigung. Nicht unabhängig von faktry überprüft.
Wofür sich Flux 3 eignet
Ein Modell deckt Workflows ab, für die bisher mehrere einzelne Tools nötig waren.
- Content-Erstellung
- Von einem einzelnen Prompt direkt zu markenkonformen Bildern und Videos in einem durchgängigen Stil.
- Marketing-Videos
- Kurze Videos mit nativem Ton und mehrsprachigen Dialogen für Kampagnen und Social Media.
- Produktvisualisierung
- Produktideen ohne separate Rendering-Pipeline direkt in fotorealistische Bilder und Bewegtbild verwandeln.
- Internationale Inhalte
- Korrekter mehrsprachiger Text in Bildern und mehrsprachige Dialoge in Videos für ein globales Publikum.
Häufig gestellte Fragen
Noch Fragen?Flux 3 ist das neue multimodale Basismodell von Black Forest Labs. Es erzeugt Bild, Video mit nativem Ton und Text aus einem einzigen, auf Self-Flow basierenden Modell.
Kann ich Flux 3 kostenlos testen?
Ja. Jedes neue Konto erhält 50 Credits, ohne Kreditkarte, und sowohl FLUX 3 Video als auch FLUX 3 Image sind von Anfang an freigeschaltet.
- 50 Credits enthalten, keine Kreditkarte nötig
- Alle FLUX 3 Video- und Bild-Operationen
- Nativer Ton, bis zu 20 Sekunden
- Kommerzielle Nutzungsrechte