FLUX 3 im Early Access angekündigt
25 juillet 2026 · Kris Wilhem
FLUX 3 angekündigt: Bild, Video, Audio und Aktion in einem einzigen Modell
Black Forest Labs hat gerade FLUX 3 angekündigt, eine neue Generation multimodaler Foundation-Modelle.
Das Video tritt bereits in den Early Access ein, das Bild folgt in den nächsten Wochen, und eine Version FLUX 3 Dev in Open Weights ist offiziell geplant.
Ein einziges Modell für mehrere Medien
Mit FLUX 3 präsentiert BFL nicht mehr einfach einen Bildgenerator.
Das Modell wird gemeinsam trainiert auf:
- Bild
- Video
- Audio
- Sprache
- Aktionsvorhersage
Das Ziel ist, eine kohärentere Darstellung der Welt zu bauen: die Objekte verstehen, ihre Bewegungen, die Geräusche, die sie erzeugen, und die Art, wie sich eine Szene in der Zeit entwickelt.
Ein Bild liefert die visuelle Struktur. Das Video fügt Bewegung und Kontinuität hinzu. Das Audio verbindet die sichtbaren Ereignisse mit ihrer Klangumgebung. Die Sprache erlaubt, das Ganze zu führen.
FLUX 3 Video tritt in den Early Access ein
Die erste zugängliche Version ist FLUX 3 Video.
BFL kündigt insbesondere an:
- bis zu 20 Sekunden Video
- Text-to-Video-Generierung
- Image-to-Video
- Video-to-Video-Transformation
- Fortsetzung von Clips
- Nutzung von Keyframes
- Bewahrung der Figuren über mehrere Szenen
- Generierung eines nativen synchronisierten Audios
- mehrsprachige Dialoge
- Motion Design und animierte Typografie
Der Zugang bleibt vorerst einer Auswahl von Testern vorbehalten.
FLUX 3 Image folgt
FLUX 3 Image soll danach kommen, mit Funktionen für Generierung und Bearbeitung.
BFL hebt ein besseres Verständnis komplexer Prompts, eine zuverlässigere Textgenerierung und eine verbesserte Handhabung mehrsprachiger Inhalte hervor.
Für den Moment wurde noch keine präzise Information gegeben zu:
- der Grösse des Modells
- dem VRAM-Verbrauch
- der lokalen Leistung
- der Integration in ComfyUI
- der Kompatibilität mit Diffusers
- dem Fine-Tuning
- den LoRA
FLUX 3 Dev ist bestätigt
Das ist wahrscheinlich die wichtigste Ankündigung für die lokalen Nutzer.
Black Forest Labs bestätigt die Ankunft von FLUX 3 Dev, vorgestellt als multimodales Open-Weights-Backbone.
Es würde sich also nicht nur um einen neuen Text-to-Image-Checkpoint handeln, sondern potenziell um den offenen Sockel, der mehrere Modalitäten handhaben kann: Bild, Video, Audio und Aktion.
Erscheinungsdatum, Lizenz, Hardwareanforderungen und Fine-Tuning-Möglichkeiten bleiben noch unbekannt.
Die Lektüre von Axiris
Für Axiris liegt das eigentliche Interesse von FLUX 3 nicht nur in einer Verbesserung der visuellen Qualität.
Die grosse Veränderung ist die Möglichkeit, in einem einzigen System mehrere heute getrennte Schritte zu verbinden:
ein Bild entwerfen, es ändern, eine visuelle Identität bewahren, eine Szene animieren, ihre Klangumgebung produzieren und eine Kontinuität zwischen mehreren Shots halten.
Dieser Ansatz trifft sich direkt mit der Richtung, die mit NOVA, dem Context Builder und den von Axiris entwickelten ComfyUI-Workflows eingeschlagen wurde.
NOVA könnte die Absicht, die Referenzen, die Komposition und die visuellen Regeln des Projekts strukturieren. Der Context Builder würde als Schicht der Art Direction dienen. FLUX 3 könnte diese Absicht dann über mehrere Medien ausführen.
Die Rolle des Sprachmodells wäre dann nicht mehr nur, einen Prompt zu schreiben, sondern eine echte multimodale Produktionskette zu steuern.
Eine Frage der Hardware
Es ist noch zu früh, um zu wissen, ob das vollständige Backbone komfortabel auf einer Consumer-Grafikkarte laufen kann.
Eine RTX 5090 32 GB könnte eventuell für eine spezialisierte, teilweise geladene oder quantisierte Version passen.
Für das vollständige Modell scheint eine RTX 6000 Pro 96 GB heute realistischer.
Das bleibt eine technische Schätzung von Axiris: BFL hat noch keine offizielle Konfiguration veröffentlicht.
Axiris gegenüber dem Early Access
Die Positionierung von Axiris entspricht besonders gut der Art von Anwendungsfällen, die gesucht werden:
- multimodale Workflows
- lokale Integration
- ComfyUI
- strukturierte Art Direction
- Verwaltung von Referenzen
- visuelle Kontinuität
- Interaktion zwischen LLM und generativen Modellen
Mit NOVA und dem Context Builder präsentiert sich Axiris nicht einfach als Nutzer, der ein neues Modell testen möchte, sondern als Studio, das bereits eine echte Produktionsarchitektur um diese Anwendungen herum entwickelt.
Zum Merken
FLUX 3 Video tritt in den Early Access ein. FLUX 3 Image kommt danach. FLUX 3 Dev ist offiziell in Open Weights bestätigt.
Für Axiris bestätigt FLUX 3 vor allem eine bereits eingeleitete Entwicklung: Die Zukunft wird keine Folge isolierter Modelle mehr sein, sondern eine Umgebung, die Sprache, Bild, Video, Audio, Referenzen und Art Direction in einem einzigen kreativen System verbinden kann.