Ein Unternehmen aus dem Schwarzwald baut gerade eines der ambitioniertesten KI-Modelle der Welt. Der Name ist Programm: Black Forest Labs, gegründet von ehemaligen Stability-AI-Leuten, sitzt tatsächlich in Freiburg — und hat mit FLUX 3 ein Modell vorgestellt, das Bilder, Videos, Ton und sogar Roboter-Bewegungen aus einem einzigen Satz Gewichte erzeugt.
Klingt nach Marketing-Sprech. Ist aber technisch bemerkenswert.
Ein Modell, viele Sinne
Bisherige KI-Modelle sind Spezialisten: eins für Bilder, eins für Video, eins für Sprache. FLUX 3 lernt Bild, Video und Audio gleichzeitig im selben Training — und erweitert das Ganze sogar auf die Vorhersage von Roboter-Bewegungen. Ein KI-Agent, der ein Objekt greifen soll, nutzt damit dieselbe "Vorstellungskraft" wie das Modell, das nebenbei ein Video erzeugt.
Konkret kann FLUX 3 aktuell:
- Bilder generieren und bearbeiten, inklusive lesbarem Text im Bild — das schaffen viele Konkurrenten bis heute nicht zuverlässig
- Videos bis zu 20 Sekunden erzeugen, mit Ton, der zum Bildgeschehen passt statt nachträglich draufgeklatscht zu sein
- über mehrere Videoclips hinweg dieselbe Figur konsistent halten
Und was soll das mit Robotern?
Der Roboter-Teil klingt zunächst wie ein Marketing-Anhängsel, ist aber der eigentlich interessante Teil der Ankündigung. Ein Modell, das gelernt hat, wie sich Objekte in einem Video plausibel bewegen, kann dasselbe Wissen nutzen, um vorherzusagen, wie ein Roboterarm ein Objekt greifen sollte. Statt für Bild-KI und Roboter-KI getrennte Trainingsdaten zu sammeln, nutzt Black Forest Labs eine gemeinsame Basis. Ob das in der Praxis wirklich so gut funktioniert wie in der Ankündigung beschrieben, muss sich erst zeigen — handfeste, unabhängige Tests dazu gibt es zum jetzigen Stand noch nicht.
Wer darf mitspielen?
Hier kommt der Haken: FLUX 3 Video läuft aktuell nur im Gated Early Access. Wer mitmachen will, bewirbt sich auf der Black-Forest-Labs-Seite und wird — vielleicht — freigeschaltet. Einen Preis gibt es zum jetzigen Stand nicht. FLUX 3 Image soll in den kommenden Wochen folgen, ebenfalls erst mit beschränktem Zugang.
Die gute Nachricht für alle ohne Entwickler-Team im Rücken: Black Forest Labs hat mit der FLUX.1-Reihe bereits bewiesen, dass offene Gewichte zur Firmenphilosophie gehören. Eine offene Version von FLUX 3 ist für später in diesem Jahr angekündigt — dann lässt sich das Modell selbst hosten, ganz ohne Warteliste.
Was heißt das für dich?
Kostenlos ausprobieren kannst du FLUX 3 zum jetzigen Stand nicht — die Warteliste entscheidet. Was schon heute kostenlos geht: der Vorgänger FLUX.1. Die offenen Varianten laufen über Plattformen wie Hugging Face oder direkt in Tools wie ComfyUI, wenn du etwas technische Neugier mitbringst.
Für Entwickler oder für alle? Im Moment klar für Entwickler und Firmen mit API-Zugang. Das ändert sich erst mit der offenen Version — dann wird's auch für Bastler mit eigener Grafikkarte interessant.
Wie schlägt sich das gegen die Konkurrenz? OpenAIs Sora und Googles Veo erzeugen ebenfalls Videos mit Ton, laufen aber als reine Cloud-Dienste ohne Aussicht auf offene Gewichte. Genau das ist der Unterschied, den Black Forest Labs für sich beansprucht: Wer FLUX 3 einmal offen bekommt, kann es auf eigener Hardware laufen lassen — ohne Abo, ohne dass die eigenen Prompts irgendwo landen.
Der spannendere Teil ist ohnehin nicht der Zugang, sondern die Konsequenz: Ein Modell, das Bild, Ton und Bewegung gemeinsam denkt, macht überzeugende Fake-Videos leichter zu erzeugen — und schwerer zu erkennen. Kein Grund für Panik, aber ein guter Anlass, Deepfake-Erkennungswerkzeuge wie SynthID und C2PA im Hinterkopf zu behalten, statt sich allein auf den gesunden Menschenverstand zu verlassen.
Bis die offene Version kommt, bleibt FLUX 3 vor allem eins: ein Versprechen. Ein sehr deutsches noch dazu — nüchtern angekündigt, ohne große Show, aber mit echter technischer Substanz dahinter.