Black Forest Labs hat FLUX 3 Image Klein als Open-Weights-Modell für Text-to-Image, Bildbearbeitung und Multi-Referenz-Generierung vorgestellt. Mit 5,6 Milliarden Parametern und einer INT8-Variante, die laut Hersteller auf Grafikkarten mit 8 GB VRAM läuft, zielt es auf lokale Arbeitsplätze statt ausschließlich auf Rechenzentren. Die Leistungsangaben und Vergleiche stammen aus der Veröffentlichung des Anbieters; für den eigenen Einsatz bleibt deshalb ein Test mit typischen Motiven und Bearbeitungen entscheidend.
Die Entwickler hinter der FLUX-Reihe haben FLUX 3 Image Klein vorgestellt: ein Open-Weights-Modell mit 5,6 Milliarden Parametern, das Text-to-Image-Generierung, Bildbearbeitung und Multi-Referenz-Generierung mit bis zu zehn Referenzbildern abdeckt. Es ist nach FLUX 3 Action die zweite Veröffentlichung aus der FLUX-3-Familie, deren Gewichte offen zugänglich sind. Der Wettbewerb läuft nicht mehr nur über Größe, sondern über Fähigkeit pro Rechenbedarf.
Ein Bild aus dem Architekturbüro hilft beim Einordnen. Ein guter Zeichner kann nicht nur neue Pläne aufs Papier bringen. Er kann in einen bestehenden Plan eingreifen, ohne den Rest zu zerstören; er legt eine Schablone an, wenn ein Element an eine bestimmte Stelle soll; und er kann mehrere Vorlagen von Kollegen auf dem Tisch ausbreiten und daraus etwas Eigenes bauen. In dieser Reihenfolge lassen sich die Fähigkeiten von FLUX 3 Image Klein beschreiben. Daran entscheidet sich, ob ein Modell im Alltag taugt oder nur in Vorführvideos gut aussieht.
5,6 Milliarden Parameter und die internen Vergleichswerte
Die Zahlen zuerst: 5,6 Milliarden Parameter, verteilt auf ein Modell, dessen Gewichte in BF16 rund 11,2 Gigabyte belegen und in FP8 noch 5,6 Gigabyte. In den internen Vergleichen der Entwickler liegt FLUX 3 Image Klein bei Text-to-Image, Multi-Referenz-Generierung und Bildbearbeitung vorn, vor größeren Open-Weights-Modellen und auch vor den geschlossenen Modellen Ideogram V4.5 und FLUX.2 [pro]. Gegenüber FLUX.2 [klein] mit 9 Milliarden Parametern gewinnt es 91 Elo-Punkte bei Text-to-Image und 70 Punkte bei der Bildbearbeitung, und das mit 38 Prozent weniger Parametern.
Elo-Werte sind ein relativer Vergleich. Interne Evaluierungen sind immer eine Momentaufnahme aus Herstellersicht. Wer die Zahlen einordnen will, sollte zwei Dinge im Kopf behalten. Erstens messen solche Rankings Vorlieben, und Vorlieben hängen davon ab, welche Prompts man zeigt. Zweitens sagt ein Spitzenplatz nichts darüber, ob ein Modell ausgerechnet deine Nische gut trifft: Schrift in Logos, Hände, Architektur, technische Bauteile. Aussagekräftiger als der erste Platz ist die Verteilung in der Vergleichsgruppe.
Dort ist FLUX 3 Image Klein mit 5,6 Milliarden Parametern das kleinste offene Modell, gegen 7 Milliarden bei Qwen-Image 2.1 und 12,9 Milliarden bei Krea 2. Dass ein kleineres Modell vorne landet, ist kein Zufall, sondern eine Frage des Trainings. Die Entwickler beschreiben einen gemeinsamen Lernprozess über Bilder, Video und Audio hinweg. Bilder liefern den räumlichen Detailgrad, Video bringt Bewegung und physikalische Dynamik ein, Audio liefert Informationen über Ereignisse und Interaktionen. Zusammengenommen bekommt das Modell Signale für Raum, Bewegung und Abläufe. Szenen wirken dadurch weniger wie reine Studioaufnahmen.
Text-to-Image in 4K, Bounding-Boxen und Bildbearbeitung
FLUX 3 Image Klein teilt die Kernfähigkeiten des großen FLUX 3 Image. Dazu gehört native Generierung in 4K, also nicht das Hochskalieren eines kleineren Bildes, sondern ein Modell, das von Anfang an in dieser Auflösung rechnet. Dazu gehört eine Bildbearbeitung, die pixelgenau arbeitet: Wer eine Jacke umfärbt, will das Muster des Stoffes behalten und nicht eine neu erfundene Textur daneben. Über die API kommt eine Funktion namens Pixel Restoration hinzu, die nicht bearbeitete Bereiche eines Bildes exakt erhält, damit der Rest der Aufnahme unangetastet bleibt.
Für gesteuerte Arbeit sind die Bounding-Boxen wichtiger. Damit lässt sich steuern, wo im Bild ein Element landet, und ebenso lässt sich eine Bearbeitung auf einen definierten Bereich begrenzen. In der Analogie des Zeichners ist das die Schablone: Du sagst nicht nur, was gezeichnet werden soll, sondern auch, in welchem Feld es zu stehen hat. Für praktische Arbeit ist das der Unterschied zwischen einem Generator, der Vorschläge macht, und einem Werkzeug, mit dem man ein Layout durchsetzt. Wer Produktbilder in festen Formaten braucht oder ein Element in einer bestehenden Komposition verschieben will, ohne alles andere neu zu würfeln, merkt das sofort.
Wichtig ist beides zusammen: Generieren und Editieren. Ein Modell, das nur gut generiert, bleibt ein Ideengenerator. Ein Modell, das gut editiert, wird zum Teil der täglichen Produktion. FLUX 3 Image Klein ist auf beides ausgelegt. In den internen Vergleichen fällt der Vorsprung gegenüber dem Vorgänger bei der Bildbearbeitung am größten aus.
Multi-Referenz-Generierung mit bis zu zehn Referenzbildern
Der zweite Block ist die Multi-Referenz-Generierung mit bis zu 10 Referenzbildern. Praktisch heißt das: Du legst dem Modell mehrere Bilder vor und beschreibst, was davon übernommen werden soll. Eine Figur aus dem einen Bild, die Farbwelt aus dem zweiten, die Perspektive aus dem dritten, dazu ein Logo, das unverändert bleiben muss. Wer regelmäßig Illustrationen für eine Marke produziert, kennt das Problem: Jede neue Szene sieht ein bisschen anders aus, und die Nacharbeit frisst den Zeitgewinn wieder auf.
Zehn Referenzen sind eine Menge Holz, und man sollte die Grenze ernst nehmen. Jedes zusätzliche Bild kostet Aufmerksamkeit im Modell, und zehn schwache Vorlagen ergeben kein starkes Ergebnis, sondern nur mehr Möglichkeiten, sich zu widersprechen. Wie gut mehrere Referenzen zusammenspielen, muss ein eigenes Testset zeigen; die Ankündigung liefert dazu keine unabhängigen Vergleichsdaten. Trotzdem ist die Obergrenze relevant, weil sie ganze Arbeitsabläufe möglich macht, die vorher nicht gingen: eine Produktserie mit gleichbleibendem Etikett in wechselnden Umgebungen, ein Charakter über mehrere Panels hinweg, eine Kampagne, in der das Motiv konstant bleibt und nur die Szenerie wandert.
Bildbearbeitung mit FLUX 3 Image Klein auf Consumer-GPUs
Der Speicherbedarf entscheidet, ob das Modell lokal läuft. Es braucht 11,2 Gigabyte in BF16 und 5,6 Gigabyte in FP8. Mit dem INT8-Build läuft FLUX 3 Image Klein auf NVIDIA-GeForce-RTX-Karten mit nur 8 GB VRAM, über ComfyUI oder Diffusers. Damit reicht laut Hersteller für viele Aufgaben eine 8-GB-Karte, sofern die quantisierte Variante und ein unterstützter Workflow verwendet werden.
Die Entwickler nennen konkrete Zeiten. Mit dem destillierten Modell und dem INT8-Build entsteht ein Bild mit einem Megapixel in etwa 4 Sekunden auf einer RTX 5090 und in unter 9 Sekunden auf einer RTX 4070, jeweils in ComfyUI. Das Basismodell mit 50 Schritten braucht mehr: 1,7 Sekunden auf einer GB300 oder einer DGX Station, aber 43,8 Sekunden auf einer DGX Spark. Auf einer GB300 erzeugt das destillierte Modell im NVFP4-Format ein Megapixel in unter 0,6 Sekunden. Wer eine LoRA obendrauf legt, zahlt rund 5 Prozent zusätzliche Rechenzeit. Das ist im Alltag kaum spürbar.
Über die API nennt der Hersteller für ein Megapixel eine mediane Latenz von 4,54 Sekunden bei Text-to-Image und 7,18 Sekunden bei der Bearbeitung, gemessen vom Absenden der Anfrage bis zum fertigen Bild inklusive Warteschlange. Bei den Vergleichsmodellen wurde clientseitig gemessen, also mit Netzwerk und Abfrageintervall, was den Vergleich leicht verzerrt. Der Preis beginnt bei 0,009 US-Dollar pro Bild mit 1K-Auflösung. Im Redaktionsalltag sind das kleine Beträge.
LoRA-Training, Lizenz und Datenhoheit
Die Veröffentlichung umfasst mehr als ein fertiges Modell. Es gibt ein Basismodell für das Fine-Tuning und ein schritt-destilliertes Modell für niedrige Latenz, dazu FP8-, INT8- und NVFP4-Builds, die mit Unterstützung von NVIDIA entstanden sind. Wer eigene Daten nutzen will, kann LoRA-Training von Anfang an über Diffusers und Ostris‘ AI Toolkit fahren. NVIDIA liefert mit NeMo AutoModel Rezepte, die direkt auf den veröffentlichten Checkpoints aufsetzen. Day-One-Unterstützung gibt es außerdem in ComfyUI, TensorRT-LLM, SGLang Diffusion und vLLM-Omni.
Für Teams mit Auflagen zur Datenhoheit zählt etwas anderes. Ein Modell, das lokal läuft und sich lokal nachtrainieren lässt, erlaubt Arbeit mit Material, das nie auf einen fremden Server wandern darf. Gleichzeitig bleibt die Lizenz eine Bedingung: Die Gewichte stehen unter der FLUX Kommunity License und sind für Privatpersonen sowie Unternehmen unter 5 Millionen Dollar Jahresumsatz kommerziell frei nutzbar, dazu für Forschung und nicht-kommerzielle Zwecke. Größere Organisationen brauchen eine selbst gehostete Lizenz oder die API. Wer diese Grenze ignoriert, handelt auf eigenes Risiko.
Zur Sicherheit nennen die Entwickler Filter in den Trainingsdaten, gezieltes Fine-Tuning in der Nachbearbeitung, interne Red-Team-Tests und eine externe Prüfung durch den Partner Cinder. Dort sollen deutlich weniger Schwachstellen gefunden worden sein als bei anderen verbreiteten Open-Weights-Modellen. Solche Selbstauskünfte sind ein Ausgangspunkt, keine Garantie. Wer das Modell produktiv einsetzt, bleibt in der Verantwortung für das, was er damit erzeugt.
FLUX 3 Image Klein erfindet die Bildgenerierung nicht neu. Es bringt drei Dinge zusammen, die bisher selten gemeinsam auftraten: brauchbare Qualität bei Text-to-Image und Bildbearbeitung, Multi-Referenz-Generierung mit bis zu zehn Referenzbildern und einen Speicherbedarf, der auf eine Consumer-GPU mit 8 GB VRAM passt. Für dich bedeutet das weniger eine Entscheidung über das beste Modell als eine über den passenden Arbeitsweg. Wer Bilder nur ab und zu braucht, fährt mit der API billiger und schneller. Wer regelmäßig mit eigenen Daten arbeitet, eigene Stile trainieren will oder Bilder auf dem Laptop bearbeiten muss, ohne sie irgendwohin zu schicken, hat jetzt eine Option, die laut Hersteller auf einer Consumer-GPU betrieben werden kann.
Was im Alltag zählt
Nicht jede Modellveröffentlichung ist eine Zeitenwende. Sinnvoller ist ein Blick auf die drei Größen, die den Alltag bestimmen: Platz auf der Festplatte, Zeit pro Bild und die Frage, ob du die Kontrolle über deine Daten behältst. Bei allen dreien hat sich die Lage verbessert. Wer neugierig ist, sollte mit einem eigenen Testset anfangen, statt sich auf fremde Diagramme zu verlassen. Zehn eigene Bilder und drei typische Aufgaben reichen für eine erste Einschätzung.
Quelle: bfl.ai
