Black Forest Labs erweitert den Radius: FLUX 3 verbindet multimediale Generierung und Robotik

Black Forest Labs, das deutsche Labor aus dem Kreis der Stable-Diffusion-Entwickler und bisher vor allem für die Bildmodelle FLUX.1 und FLUX.2 bekannt, verlässt das Feld der reinen statischen Generierung und setzt auf eine weiter gefasste Idee: die Simulation der Welt. Mit FLUX 3, angekündigt aus Freiburg, führt das Labor eine multimodale Architektur auf Basis von Self-Flow ein, die gleichzeitig aus Bildern, Video, Audio und Aktionsvorhersage lernen soll, ohne auf getrennte Modelle zurückzugreifen. Das System erzeugt Videos von bis zu zwanzig Sekunden mit nativ synchronisiertem Ton und unterstützt komplexe Arbeitsabläufe von Text-to-Video bis Keyframe-to-Video. Damit verschiebt sich die technische Messlatte in Richtung eines einheitlichen Verständnisses von Bild, Klang und Verhalten.

Das Angebot besteht aus vier Varianten, der Zugang wird aber vorsichtig gehandhabt. FLUX 3 Video befindet sich im geschlossenen Early Access, über API und mit privaten Gewichten für ausgewählte Partner; FLUX 3 Action für die Robotik ist im Early Access mit Forschungspartnern; FLUX 3 Image wird in den kommenden Wochen erwartet, während die Open-Weight-Version FLUX 3 Dev nicht vor der zweiten Hälfte des Jahres 2026 vorgesehen ist. Die vom Unternehmen genannten Werte – das Modell wird in 77% der Vergleiche gegenüber Runway Gen-4.5 und in 93% gegenüber Luma Ray 3.2 bevorzugt – bleiben vorläufige Einschätzungen auf Basis menschlicher Präferenzen: Öffentliche Protokolle und unabhängige quantitative Benchmarks, die den Vorsprung belegen würden, fehlen weiterhin.

Am markantesten ist die praktische Anwendung in der physischen Welt über FLUX-mimic. Auf Grundlage des vom Videomodell geerbten Verständnisses für physikalisches Verhalten lässt sich das System für eine Roboteraufgabe mit rund dreißig Minuten Roboterdaten anpassen – zuvor waren dafür über dreißig Stunden nötig. Zwar nennt die offizielle Mitteilung Audi für die Montage von Dichtungen und spricht von einer Phase aus «Test und Deployment», doch die fehlende eindeutige Dokumentation gebietet es, kommerzielle Ankündigungen und den tatsächlichen Einsatz in der Produktionslinie auseinanderzuhalten.

Getragen wird das Ganze von einer Bewertung von 3,25 Milliarden Dollar und über 450 Millionen, die bei Investoren wie a16z, NVIDIA, Salesforce Ventures und Adobe Ventures eingesammelt wurden. Mit FLUX 3 zählt Black Forest Labs zu den wenigen europäischen Laboren, die an der multimodalen Front mithalten können, und fordert die Branchenriesen direkt auf einem Terrain heraus, das visuelle Synthese und die Vorhersage physischer Handlungen zusammenführt.

— Olya Vom Erzeugen statischer Szenen zum Verstehen ihrer dynamischen Physik zu kommen, ist der logisch nächste Schritt – und zugleich der tückischste. Es hat etwas Ironisches, dass man einem Roboter das Hantieren mit einer Dichtung mit weniger Daten beibringt, als für die Pressemitteilung nötig sind, die seine Intelligenz feiert.