FLUX 3 will ein Modell für Bilder, Video, Audio und sogar Roboteraktionen sein
Das deutsche Unternehmen Black Forest Labs hat FLUX 3 vorgestellt: ein einziges Modell, das Bilder und kurze Videos mit Ton erzeugt und auf Robotersicht erweitert werden soll. Der Zugang ist zunächst begrenzt.
Black Forest Labs, das Freiburger Labor hinter den beliebten FLUX-Bildmodellen, hat am 23. Juli FLUX 3 angekündigt. Das Ziel ist ehrgeizig: ein einziges, über mehrere Medienarten hinweg trainiertes Modell, das Bilder, bis zu 20 Sekunden lange Videoclips mit eigenem Ton, Bildbearbeitung und lesbaren Text beherrscht und sogar Roboteraktionen vorhersagen soll. Das Schlüsselwort lautet „multimodal“: Das Modell verarbeitet mehrere Datenarten, Bilder, Video und Audio, statt nur Text.
Die wichtigste technische Aussage betrifft den Aufbau. Viele „Alles-in-einem“-Werkzeuge verbinden hinter einer Oberfläche mehrere getrennte Modelle. Black Forest Labs zufolge wurde FLUX 3 dagegen gemeinsam mit Bild-, Video- und Audiodaten trainiert und nutzt einen einzigen Satz Gewichte. Gewichte sind die internen Zahlen, die ein Modell beim Training lernt. Ein gemeinsamer Satz bedeutet, dass dasselbe System alle Aufgaben erledigt, statt sie zwischen Spezialisten weiterzureichen. Theoretisch sorgt das für einheitlichere Ergebnisse über verschiedene Formate hinweg.
Dahinter steht ein Wettlauf um kreative KI. Bild- und Videogenerierung waren einige Jahre lang getrennte Werkzeuge verschiedener Unternehmen. Die neue Grenze ist ein einzelnes Modell für alles, und dass ein europäisches Labor dort seinen Anspruch anmeldet, ist für alle relevant, die nicht nur von US-Anbietern abhängig sein möchten. Langfristig weist die Erweiterung auf Robotersicht und -aktionen auf „physische KI“ hin: Die Software, die ein Bild erfindet, und diejenige, die eine Maschine steuert, beginnen zusammenzuwachsen.
Einige nüchterne Einschränkungen: FLUX 3 erscheint schrittweise. FLUX 3 Video ist jetzt im Early Access; FLUX 3 Image und FLUX 3 Action folgen in den kommenden Wochen. Eine Open-Weight-Version namens FLUX 3 Dev, die sich auf eigener Hardware ausführen und anpassen ließe, ist für später im Jahr 2026 geplant, aber noch nicht verfügbar. Die angekündigten Fähigkeiten sind also real, doch der Zugang ist beschränkt, und die von Hobbyisten besonders erwartete Version bleibt vorerst ein Versprechen.
Was das für dich bedeutet: Wenn du Bilder, kurze Videos oder Social-Media-Clips produzierst, lohnt es sich, FLUX 3 zu beobachten: Ein Werkzeug für Bild, Video und Ton könnte mehrere einzelne Apps ersetzen. Für Neugierige ist die Richtung interessanter: KI-Medienwerkzeuge verschmelzen zu einzelnen Modellen, und eines der führenden Labore kommt aus Europa. Praktisch relevant wird es für die meisten, wenn FLUX 3 Dev mit offenen Gewichten erscheint und ohne Warteschlange ausprobiert werden kann. Bis dahin sollten Erwartungen realistisch bleiben und Demos als Demos gelten.
Quellen
ChatGPT kann jetzt deine Gesundheitsdaten lesen, praktisch, aber bedenkenswert
OpenAI hat Health in ChatGPT am 23. Juli für Erwachsene in den USA gestartet. Nutzer können Krankenakten und Apple Health verbinden. Das ist wirklich hilfreich, bringt laut Datenschutzexperten aber einen echten Zielkonflikt mit sich.
