Der größte Unterschied zwischen FLUX 3 und FLUX 2 ist kein herkömmliches Qualitätsupdate. FLUX 2 ist eine Modellfamilie für Bildgenerierung und -bearbeitung. FLUX 3 ist ein multimodales Foundation Model, das um Video, natives Audio und Aktionsvorhersage erweitert wurde und gleichzeitig Bildgenerierung und -bearbeitung beibehält.
FLUX 2 bietet produktive Bild-APIs; PoYo stellt jetzt zusätzlich fünf produktive FLUX-3-Video-Workflows mit nativem Audio, visuellen Eingaben, Verlängerung und Keyframes bereit.
FLUX 3 vs FLUX 2 auf einen Blick
| Feature | FLUX 2 | FLUX 3 |
|---|---|---|
| Hauptfokus | Bildgenerierung und -bearbeitung | Einheitliche multimodale Generierung und Verarbeitung |
| Eingaben | Text- und Bildreferenzen | Text-, Bild- und Videoreferenzen |
| Bildgenerierung | Ja | Ja |
| Bildbearbeitung | Ja | Ja |
| Videogenerierung | Nein | Ja |
| Natives Audio | Nein | Ja |
| Video-zu-Video | Nein | Angekündigt |
| Keyframe-zu-Video | Nein | Angekündigt |
| Mehrsprachiger Dialog | Nein | Angekündigt |
| Aktionsvorhersage | Nein | Über spezialisierte Varianten angekündigt |
| Offene Gewichte | FLUX.2 Klein-Varianten verfügbar | FLUX 3 Dev angekündigt, noch nicht veröffentlicht |
| PoYo-Status | Bild-API verfügbar | Fünf Video-Workflows verfügbar |
Unterschiedliche Produktziele
FLUX 2 ist auf hochwertige Bildsynthese und -bearbeitung ausgelegt. Die Modellfamilie umfasst qualitätsorientierte, flexible und schnelle Varianten für unterschiedliche Bild-Workflows.
FLUX 3 verwendet eine gemeinsame Architektur für Bilder, Video und Audio. Black Forest Labs argumentiert, dass das gemeinsame Lernen der Modalitäten zu einer besseren Repräsentation der Welt führt: räumliche Strukturen aus Bildern, Bewegung und physische Veränderungen aus Videos sowie kausale Hinweise aus Ton.
Das Ergebnis ist eine umfassendere Plattform und kein direkter Ersatz für jeden Bild-Endpunkt von FLUX 2.
Architektur: Bildmodell vs. multimodales Modell
FLUX 2 ist eine Familie von Flow-Matching-Bildmodellen. Es akzeptiert Text und bei Bearbeitungs-Workflows Bildreferenzen, um statische Bilder zu generieren oder zu verändern.
FLUX 3 baut auf der Self-Flow-Forschung von BFL und einem multimodalen Transformer auf. Separate Encoder und Decoder verbinden Bilder, Video, Audio und potenziell Aktionssignale mit einem gemeinsamen Modell.
Diese Architektur soll sowohl Generierung als auch Verarbeitung ermöglichen. Außerdem kann Wissen, das in einer Modalität gelernt wurde, eine andere verbessern. So kann Video dem Modell beispielsweise beibringen, wie sich ein Objekt bewegt, während Audio Hinweise auf Kontakt, Aufprall und Materialverhalten liefern kann.
Bildgenerierung und -bearbeitung
Beide Generationen decken Bildsynthese und -bearbeitung ab, unterscheiden sich jedoch hinsichtlich ihrer Verfügbarkeit.
FLUX 2
FLUX 2 ist die praktische Wahl, wenn ein Produktions-Workflow Folgendes benötigt:
- Text-zu-Bild-Generierung jetzt
- Steuerung über mehrere Referenzbilder
- Prompt-gesteuerte Bildbearbeitung
- Definierte Modellvarianten und Auflösungen
- Bekannte API-Anfrageformate und Preise
PoYo unterstützt derzeit die Varianten FLUX 2 Pro, Pro Edit, Flex und Flex Edit auf der FLUX 2 API-Seite.
FLUX 3
Black Forest Labs zufolge verbessert FLUX 3 Image:
- Die Verarbeitung komplexer Prompts
- Die mehrsprachige Textgenerierung
- Die Stilvielfalt
- Die Unterstützung verschiedener Seitenverhältnisse und Auflösungen
- Die Bildbearbeitung
BFL hat jedoch noch keinen standardisierten öffentlichen Vergleich zwischen den finalen FLUX 3 Image-Endpunkten und der vollständigen FLUX 2-Familie veröffentlicht. Es wäre verfrüht zu behaupten, dass FLUX 3 bei jeder Bildaufgabe überlegen ist.
Video ist das entscheidende Upgrade von FLUX 3
FLUX 2 generiert keine Videos. FLUX 3 Video bietet:
- Text-zu-Video
- Bild-zu-Video
- Video-zu-Video
- Fortsetzung von Video und Audio
- Keyframe-zu-Video
- Referenzgesteuerte Steuerung von Figuren und Stil
- Clips mit einer Länge von bis zu 20 Sekunden
- Agentisches Verketten zu Sequenzen mit mehreren Einstellungen
Damit ist FLUX 3 für eine andere Reihe von Produktions-Workflows relevant, darunter Werbung, kurze narrative Videos, animiertes Design und audiovisuelle Previsualisierung.
Natives Audio verändert den Workflow
Eine herkömmliche KI-Videopipeline kann zunächst stummes Filmmaterial generieren und anschließend separate Tools für Sprache, Soundeffekte, Atmosphäre und Musik verwenden.
FLUX 3 generiert Video und Audio gemeinsam. BFL hebt Folgendes hervor:
- Physikalische Geräusche, die mit sichtbaren Ereignissen übereinstimmen
- Mehrsprachige Dialoge
- Gesichtsausdrücke und Sprache
- Fortsetzung von Video und Audio
- Audiokonsistenz über die generierte Bewegung hinweg
Natives Audio macht Überprüfung oder Sounddesign nicht überflüssig. Es verändert den Ausgangspunkt, indem eine audiovisuelle Szene statt eines stummen Clips erzeugt wird.
Referenzsteuerung
FLUX 2 verwendet Text- und Bildreferenzen für Generierung und Bearbeitung. Es eignet sich für Produktbilder, Figurenkonzepte, Compositing und kontrollierte visuelle Veränderungen.
FLUX 3 erweitert die Referenzsteuerung auf Video:
- Ein Bild als Startbild verwenden
- Bilder als Identitäts- oder Stilreferenzen verwenden
- Zentrale Elemente aus einem Video in ein anderes übertragen
- Einen audiovisuellen Clip fortsetzen
- Start- und Endmomente mit Keyframes definieren
PoYo unterstützt ein Quellbild, zwei geordnete Start-/Endbilder, bis zu zehn positionierte Keyframes und ein MP4-Quellvideo für die Verlängerung. Details stehen in der API-Dokumentation.
Modellzugang und offene Gewichte
FLUX 2 umfasst bereits veröffentlichte API- und Open-Weight-Optionen. FLUX.2 Klein beispielsweise zielt auf schnelle lokale oder gehostete Generierung unter veröffentlichten Lizenzen und Anforderungen ab.
Für FLUX 3 hat BFL Folgendes angekündigt:
- FLUX 3 Image über APIs und private Gewichte
- FLUX 3 Video über APIs und private Gewichte
- FLUX 3 Dev als multimodales Backbone mit offenen Gewichten
- FLUX 3 Action über ausgewählte Partner
Die Gewichte, Lizenz, Download-Quelle und Systemanforderungen von FLUX 3 Dev sind weiterhin unbekannt.
Verfügbarkeit und Preise
Beide Familien sind auf PoYo verfügbar, jedoch für unterschiedliche Aufgaben: FLUX 2 für Bildgenerierung und Bearbeitung, FLUX 3 für fünf Video-Workflows.
Standard-Workflows kosten 34 Credits pro Sekunde in 720p oder 58 in 1080p. Videoverlängerung kostet 82 beziehungsweise 106 Credits. Weitere Betriebsdetails stehen in der API-Dokumentation.
Die aktuelle PoYo-Veröffentlichung ist die FLUX-3-Videofamilie; separate Image-, Action- oder Dev-Roadmap-Elemente sind nicht Bestandteil dieser Endpunkte.
Für welches Modell sollten Sie sich entscheiden?
Wählen Sie FLUX 2, wenn:
- Sie jetzt eine produktionsreife Bild-API benötigen.
- Ihre Ausgabe ein statisches Bild ist.
- Sie eine referenzbasierte Bildbearbeitung benötigen.
- Sie bekannte Preise und Anfrageparameter voraussetzen.
- Sie mehrere bildorientierte Varianten testen möchten.
Beobachten Sie FLUX 3, wenn:
- Sie Video mit nativem Audio benötigen.
- Ihr Workflow Text-, Bild- und Videoreferenzen kombiniert.
- Sie eine Videofortsetzung oder Keyframe-Übergänge wünschen.
- Mehrsprachige Dialoge wichtig sind.
- Sie multimodale Weltmodelle oder Aktionsvorhersage erforschen.
Verwenden Sie beide, wenn:
FLUX 2 kann als stabile Ebene für die Bildproduktion bestehen bleiben, während ein Team FLUX 3 für neue audiovisuelle Workflows evaluiert. FLUX 3 muss eine funktionierende Bildpipeline nicht vom ersten Tag an ersetzen.
Häufig gestellte Fragen
Ist FLUX 3 besser als FLUX 2?
FLUX 3 verfügt über ein deutlich breiteres Fähigkeitsspektrum, aber es gibt noch nicht genügend öffentliche, unabhängige Tests, um zu sagen, dass es bei jeder Aufgabe zur Bildgenerierung oder -bearbeitung besser ist.
Unterstützt FLUX 2 Video?
Nein. FLUX 2 ist eine Modellfamilie für Bildgenerierung und -bearbeitung.
Generiert FLUX 3 weiterhin Bilder?
Ja. FLUX 3 Image unterstützt Bildsynthese und -bearbeitung zusätzlich zu den neuen Bereichen Video, Audio und Aktionen.
Wird FLUX 3 FLUX 2 ersetzen?
Auf PoYo ergänzen sich beide: FLUX 2 bedient produktive Bild-Workflows, FLUX 3 fünf produktive Video-Workflows.
Ist FLUX 3 Open Source?
Ein FLUX 3 Dev-Backbone mit offenen Gewichten wurde angekündigt, aber noch nicht veröffentlicht.
Welches Modell ist auf PoYo verfügbar?
Beide sind auf PoYo verfügbar. Wählen Sie FLUX 2 für Bilder und FLUX 3 für Video mit nativem Audio.
Fazit
FLUX 2 und FLUX 3 sollten nicht nur als altes und neues Bildmodell verstanden werden. Sie stehen für zwei unterschiedliche Produktbereiche:
- FLUX 2: Produktionsorientierte Bildgenerierung und -bearbeitung
- FLUX 3: Ein multimodales Foundation Model für Bild, Video, natives Audio und Aktionen
Für Bild-Workloads bleibt FLUX 2 relevant; für audiovisuelle Generierung sind die fünf FLUX-3-Video-Workflows jetzt verfügbar.
Lesen Sie den FLUX 3 Überblick, den Video-Leitfaden oder nutzen Sie FLUX 3 auf PoYo.
Quellen: Ankündigung von Black Forest Labs zu FLUX 3, Ankündigung von Black Forest Labs zu FLUX.2