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.

FähigkeitFlux 2FLUX 3
ModalitätenNur BildBild, Video und nativer Ton
VideogenerierungNicht unterstütztBis zu 20 Sekunden pro Generierung
AudioNicht unterstütztNativ, synchron, mehrsprachige Dialoge
ArchitekturBildgenerierungsmodellMultimodales Self-Flow-Basismodell
VariantenPro, Max, FlexVideo, Image, Dev, Action, FLUX-mimic
Bei faktryJetzt verfügbarJetzt verfügbar (Video und Bild)
Flux 2 heute bei faktry nutzen

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.