Multimodal

Flux 3

von Black Forest Labs

Das Weltmodell von Black Forest Labs für Bild, Video und Audio – mit Ton, der zur Handlung passt.

Flux 3

Hauptfunktionen

Ein Glasbläser formt glühendes Glas, Funken stiebenJetzt ausprobieren

Technische Spezifikationen

5–20s

Ganze Sekunden in einem Durchgang oder automatisch passend zum Prompt

720p / 1080p

HD als Standard, Full HD per Upscaling

T2V·I2V·V2V

Text, Bild und Keyframes oder Fortsetzung eines bestehenden Clips

Nativ

Synchroner Ton wird bei jedem Clip mitgeneriert, standardmäßig aktiv

Anwendungsfälle

Video mit Ton in einem Durchgang

Ein Prompt liefert Clip und Ton gemeinsam. Ein Effekt oder eine Zeile sitzt sofort im Bild, statt später nachbearbeitet zu werden.

Sequenzen mit mehreren Einstellungen

Planen Sie mehrere Kamerawinkel in einer Generierung, oder verlängern Sie einen Clip per Fortsetzung. Ein Charakter bleibt über jeden Schnitt hinweg gleich.

Produkt- und Markenfilm

Materialien, Gewicht und Reflexionen bleiben stimmig, während die Kamera sich bewegt. So wirkt ein Produkt wie gefilmt statt simuliert – ideal für Agenturen und Markenteams, die belastbare Produktfilme brauchen.

Lokalisiertes Video

Mehrsprachiger Dialog und präziser Bildschirmtext lassen eine Szene auf Deutsch und in weiteren Sprachen ausliefern, ohne separaten Titel- oder Sprachdurchgang.

Choreografierte Übergänge

Legen Sie die Posen und Bildkompositionen fest, die eine Einstellung durchlaufen muss. Das Modell baut die Bewegung dazwischen als eine durchgehende Aufnahme.

Erklärvideos mit echter Physik

Schwerkraft, Kollisionen und Bewegung folgen echten Regeln. Wissenschafts- und Erklärinhalte bleiben dadurch akkurat und trotzdem übersichtlich.

Prompt-Beispiele

Physikalisch korrekter Clip

Physikalisch korrekter Clip

Eine Keramiktasse rutscht von einer Marmortheke, zerspringt am Boden, Scherben fliegen auseinander – scharfer Aufprallton exakt im Takt

Edit prompt
Mehrteilige Sequenz

Mehrteilige Sequenz

Derselbe Kurier in roter Jacke: eine Einstellung schlängelt sich durch einen Markt, die nächste erreicht in der Dämmerung eine erleuchtete Tür

Edit prompt
Lokalisierte Titelkarte

Lokalisierte Titelkarte

Hero-Shot einer Kaffeemarke, Dampf steigt vom frischen Aufguss auf, Bildschirmtitel „Freshly Roasted“ in klarer, fetter Schrift

Edit prompt
Camcorder zu Kino

Camcorder zu Kino

Wackelige Camcorder-Aufnahmen einer Geburtstagsfeier, dann dieselbe Szene als warme, kinoreife Totale mit Raumton

Edit prompt
Clip-Fortsetzung

Clip-Fortsetzung

Sie dreht sich vom Fenster weg und tritt hinaus auf die regennasse Straße in Tokio, die Kamera folgt ohne Schnitt

Edit prompt
Studioprodukt

Studioprodukt

Avantgardistischer Sneaker rotiert auf einem Titansockel, hartes Führungslicht, präzise Metallreflexionen, leises mechanisches Summen

Edit prompt

Überblick

Flux 3 ist das multimodale Foundation-Modell von Black Forest Labs, vorgestellt am 23. Juli 2026; die Videogenerierung ist seit dem 4. August 2026 allgemein verfügbar. Das Modell lernt gemeinsam aus Bildern, Video und Audio in einer einzigen Architektur. So kann ein Modell eine bewegte Einstellung und den passenden Ton dazu erzeugen und dabei ein einheitliches Gespür dafür behalten, wie die Welt aussieht, sich bewegt und klingt.

Was Flux 3 anders macht

Die meisten Generatoren behandeln jede Modalität getrennt. Flux 3 versteht Bild, Video und Audio als Belege für dieselbe zugrunde liegende Realität. Trainiert wurde das mit dem Self-Flow-Ansatz von Black Forest Labs, wobei über 95 % der gesamten Trainingsleistung in die Videovorhersage floss. Der Effekt zeigt sich in physischer Konsistenz: Der Ton trifft den Aufprall, die Bewegung folgt der Masse, und ein Motiv behält seine Identität von einer Einstellung zur nächsten. Dasselbe Weltverständnis erweitert das Rückgrat auf Handlungsvorhersage für die Robotik – getestet an realen Produktionsaufgaben bei Audi über die FLUX-mimic-Partnerschaft.

Was bereits verfügbar ist – und was noch nicht

Flux 3 Video ist der Teil, der allgemein verfügbar ist: Text-to-Video, Image-to-Video mit Keyframes und die Fortsetzung bestehender Clips, jeweils bis zu 20 Sekunden mit synchronem Ton. Black Forest Labs hat außerdem Flux 3 Image für Bildgenerierung und -bearbeitung, Flux 3 Action für die Robotik sowie ein offenes Flux 3 Dev angekündigt, dazu Videobearbeitung und kombinierte Bild-, Video- und Audioreferenzen. Das steht auf der Roadmap, ist aber noch nicht nutzbar.

Flux 3 auf Morphic

Flux 3 läuft auf Morphic, neben Videomodellen wie Veo, Kling, Seedance und Vidu sowie der übrigen Flux-Familie für Bilder. Ein Prompt lässt sich auf derselben Canvas an zwei Modelle schicken – für Agenturen und Studios in Deutschland der schnellste Weg herauszufinden, ob Flux 3 für eine bestimmte Einstellung die richtige Wahl ist, statt sich auf einen Launch-Vergleich zu verlassen.

Einfache Preise

Starten Sie noch heute kostenlos, mit der Option, jederzeit zu upgraden oder zu kündigen.

Basic

$19/ Monat
abgerechnet als $0 pro Jahr

2400 monatliche Credits

1 Nutzer

Alle Modelle

Workflows

Standard

$24/ Monat
abgerechnet als $0 pro Jahr

3625 monatliche Credits

1 Nutzer

Alle Modelle

Workflows

Pro

$45/ Monat
abgerechnet als $0 pro Jahr

6350 gemeinsame monatliche Credits

1 Nutzer

+ bis zu 4 weitere gegen Aufpreis

Alle Modelle

Workflows

Max

$170/ Monat
abgerechnet als $0 pro Jahr

24650 gemeinsame monatliche Credits

1 Nutzer

+ bis zu 9 weitere gegen Aufpreis

Alle Modelle

Workflows

Enterprise

Für höhere Limits

Individuell

Preis- und Abrechnungsbedingungen

High-Volume-Credits
Individuelle Platzlimits
Alle Modelle
Workflows
Pricing Gradient

Free

Zum Ausprobieren

$0

dauerhaft kostenlos

Bis zu 20 Credits
Nur 1 Nutzer
Eingeschränkte Modelle
Workflows
Tarifdetails vergleichen

Häufig gestellte Fragen

Was ist Flux 3?
Flux 3 ist das multimodale Foundation-Modell von Black Forest Labs, vorgestellt am 23. Juli 2026. Es lernt gemeinsam aus Bildern, Video und Audio in einer einzigen Architektur. Dadurch erzeugt ein einziges Modell Video mit synchronem Ton und entwickelt ein einheitliches Verständnis davon, wie die reale Welt aussieht, sich bewegt und klingt. Die Videogenerierung ist seit dem 4. August 2026 allgemein verfügbar.
Werden meine Prompts und Ergebnisse bei Flux 3 auf Morphic vertraulich behandelt?
Morphic verarbeitet Eingaben und generierte Inhalte gemäß den auf morphic.com veröffentlichten Datenschutzbedingungen. Wenn Sie mit sensiblen Marken- oder Kundendaten arbeiten, lohnt sich vor dem Start ein Blick in die aktuelle Datenschutzerklärung.
Ist Flux 3 ein Bild- oder ein Videomodell?
Es ist ein einziges multimodales Modell, wovon bislang der Videoteil ausgeliefert ist. Black Forest Labs hat über 95 % der gesamten Trainingsleistung in die Videovorhersage investiert, und Flux 3 Video ist jetzt allgemein verfügbar. Flux 3 Image, Flux 3 Action für die Robotik und ein offenes Flux 3 Dev sind angekündigt und folgen schrittweise.
Wie lang sind Flux-3-Videos?
Flux 3 erzeugt in einem Durchgang 5 bis 20 Sekunden, in ganzen Sekunden oder mit einer zum Prompt passenden automatischen Länge. Für längere Stücke verlängert die Fortsetzungsfunktion einen Clip ab seinen letzten Frames. Eine einzelne Generierung kann außerdem mehrere Einstellungen und Kamerawinkel mit harten Schnitten aneinanderreihen.
Erzeugt Flux 3 auch Audio?
Ja, standardmäßig sogar. Jeder Clip entsteht im selben Durchgang mit synchronem Ton, sodass Effekte, Atmosphäre und Dialog bereits zum Bildgeschehen passen. Der Ton folgt physikalischen Ereignissen, ein Aufprall trifft also exakt den Treffermoment. Für einen stummen Clip lässt sich Audio auch abschalten.
Welche Videomodi unterstützt Flux 3?
Drei. Text-to-Video arbeitet allein mit einem Prompt. Image-to-Video nutzt Standbilder, entweder als Startframe oder als bis zu zehn Keyframes auf festen Zeitpunkten. Die Videofortsetzung verlängert einen bestehenden Clip ab seinen letzten Frames. Videobearbeitung sowie kombinierte Bild-, Video- und Audioreferenzen sind für die Zukunft angekündigt.
Welche Auflösung und welche Seitenverhältnisse unterstützt Flux 3?
Flux 3 rendert standardmäßig in HD 720p, Full HD 1080p ist per Upscaling verfügbar. Unterstützt werden sieben Seitenverhältnisse: 21:9, 2:1, 16:9, 4:3, 1:1, 3:4 und 9:16 – damit deckt ein Modell sowohl das Kinoformat als auch den vertikalen Handyschnitt ab.
Was unterscheidet Flux 3 von Flux 2?
Flux 2 Pro ist ein Bildmodell. Flux 3 ist ein multimodales Foundation-Modell, das Video mit synchronem Ton, physikalisch korrekte Bewegung und eine gemeinsame Repräsentation über Bild, Video und Audio hinzufügt. Es ist das erste Videomodell von Black Forest Labs, während sich die Flux-2-Reihe auf Standbilder konzentrierte.
Wie gut ist Flux 3 im Vergleich zu anderen Videomodellen?
In der eigenen Bewertung von Black Forest Labs durch menschliche Tester lag Flux 3 zum Start bei Text-to-Video vor jedem getesteten Modell und erreichte bei Image-to-Video mit Seedance 2.0 Gleichstand, während es den Rest übertraf. Das sind interne Ergebnisse des Entwicklers – ein starkes Signal, aber kein unabhängiger Benchmark.
Ist Flux 3 Open Source?
Noch nicht. Black Forest Labs hat angekündigt, Flux 3 Dev zu veröffentlichen, ein multimodales Rückgrat mit offenen Gewichten für Bild, Video, Audio und Handlungsvorhersage. Die Veröffentlichung ist für die Zeit nach dem API- und Private-Weight-Rollout geplant – offene Gewichte sind also angekündigt, aber heute noch nicht verfügbar.
Wie nutze ich Flux 3 auf Morphic?
Flux 3 läuft schon heute auf Morphic. Öffnen Sie die Canvas, beschreiben Sie die Einstellung mit einer Zeile zum gewünschten Klang, und generieren Sie. Da Morphic Flux 3 neben Modellen wie Veo, Kling und Seedance einsetzt, schicken Sie denselben Prompt an zwei Modelle und behalten das Ergebnis, das am besten passt.

Mehr über Flux 3

Flux 3: die vollständige Anleitung für Funktionen, Prompts und Video mit nativem Audio

Die vollständige Flux-3-Anleitung: die vier Prompt-Formate, das CASTLE-Schema, Audio-Regie, Keyframes und Clip-Fortsetzung.

Weitere Modelle

ChatGPT Images 2.5

OpenAI

OpenAIs Bildmodell, erschienen im September 2026. Schärfere Details, präzise Edits, kürzere Wartezeit.

Lyria 3.5

Google DeepMind

Googles bestklingendes Musikmodell. Ganze Songs mit Aufbau und Gesang.

MiniMax H3 Max Turbo

fal.ai

Das Tempo-Modell von fal, aus H3 Max. Doppelt so schnell, fast gleiche Optik.

Inworld TTS 2

Inworld

Eine Stimme, über 100 Sprachen. 95 Stimmen, erster Ton in Echtzeit.