FLUX 3: Black Forest Labs' Multimodal AI Model (Video, Audio, Image) 2026

FLUX 3 ist das erste wirklich integrierte Foundation-Modell von Black Forest Labs, das am 23.

Juli 2026 im Early Access vorgestellt wurde.

Anstatt nur eine Sache zu tun, arbeitet es in einer einzigen Architektur über Bilder, Videos, Audio und die Vorhersage physikalischer Aktionen hinweg, basierend auf dem Self-Flow-Ansatz des Unternehmens zur Abstimmung multimodaler Generierung und Verständnisses.

Die Hauptfunktion ist Text-zu-Video, das Clips bis zu 20 Sekunden Länge mit nativem Audio erzeugt, das mit den visuellen Elementen, Dialogen, Soundeffekten und Umgebungsgeräuschen synchronisiert ist und alles auf dem Bildschirm abgestimmt ist.

Hier ist, wie die Familie aufgeteilt ist.

Der Sprung von FLUX 3 besteht darin, dass Generierung und Verständnis ein einziges Modell über Modalitäten hinweg teilen.

In der Praxis bedeutet dies, dass ein einziger Prompt ein Video mit passendem Audio, ein Bild oder eine Aktionssequenz steuern kann, ohne separate Tools zusammenzufügen.

Die Videoseite ist das herausragende Merkmal: Clips bis zu 20 Sekunden mit nativem Audio, bei denen Dialoge, Soundeffekte und Umgebungsgeräusche mit dem Bild synchron bleiben, etwas, das die meisten Text-zu-Video-Modelle immer noch als separaten Schritt behandeln.

Die Action-Variante, FLUX-mimic, erweitert dieselbe Architektur auf die Vorhersage physikalischer Bewegungen für die Robotik.

Black Forest Labs hat die Einführung gestaffelt, anstatt alles auf einmal zu liefern. FLUX 3 Video wurde zuerst im Early Access über eine API und private Gewichte an erste Partner ausgeliefert.

FLUX 3 Action / FLUX-mimic erreichte ausgewählte Forschungs- und kommerzielle Robotikpartner. FLUX 3 Image, der Teil, den die meisten Kreativen nutzen werden, wird in den kommenden Wochen eingeführt.

Eine Open-Weight-Version von FLUX 3 Dev ist für später im Jahr 2026 für Entwickler geplant, die ihre eigenen Systeme hosten möchten. Wenn Sie also noch keinen Zugriff haben, ist das zu erwarten, die breite Verfügbarkeit wird noch ausgebaut.

FLUX.2, veröffentlicht im November 2025, ist ein Bildmodell: starke Multi-Referenz-Bearbeitung, 4-Megapixel-Ausgabe und scharfer Text.

FLUX 3 ist eine andere Produktklasse, ein multimodales Modell, das zusätzlich zu Bildern Video mit synchronisiertem Audio und Vorhersage physikalischer Aktionen hinzufügt.

Wenn Sie heute produktionsreife Bilderzeugung benötigen, ist FLUX.2 die weit verbreitete Wahl.

Wenn Sie verfolgen, wohin sich KI-Video entwickelt, sind die 20-Sekunden-Clips mit synchronisiertem Audio von FLUX 3 das Hauptmerkmal.

Für die meisten Kreativen ist der praktische Weg, heute FLUX.2-Bilder zu verwenden und FLUX 3 Video zu übernehmen, sobald seine Bild- und Open-Weight-Stufen verfügbar werden.

Während des Early Access sind FLUX 3 Video und Action auf die Partner von Black Forest Labs über API und private Gewichte beschränkt, wobei FLUX 3 Image in den kommenden Wochen für eine breitere Nutzung verfügbar sein wird und eine Open-Weight-Dev-Version später im Jahr 2026 veröffentlicht wird.

Wenn Ihr Ziel darin besteht, heute fertige Videos zu erstellen, ohne auf Early-Access-Slots warten zu müssen, verwandelt FluxNote bereits eine Eingabeaufforderung in ein kommentiertes Video mit Untertiteln, das die aktuellen Top-Modelle verwendet, und generiert FLUX-ähnliche Bilder in seinem Image Studio, sodass Sie jetzt produzieren und veröffentlichen können und FLUX 3 integrieren, sobald es geöffnet wird.