FLUX 3 vs. MiniMax H3 vs. Seedance 2.5: Der Praxistest mit deutscher Sprache

Oida.

Zwölf Tage, drei neue Videomodelle. Seedance 2.5 und MiniMax H3 kamen beide am 31. Juli 2026. MiniMax hat drei Tage später die Gewichte nachgeworfen. Und FLUX 3 von Black Forest Labs, seit dem 23. Juli im Pre-Release, ist ab heute offiziell draußen.

Also hab ich getestet, was man testen muss. Dieselbe Regieanweisung, dasselbe Referenzbild, drei Modelle, alles heute generiert. Dazu eine Sprachfalle, an der KI-Systeme bei Deutsch sonst zuverlässig zerbrechen.

Der Testaufbau: eine Regieanweisung für drei Videomodelle

Eine fiktive deutsche Late-Night-Hackershow von 1996. OVERRIDE. Moderator im schillernden Sakko mit Schulterpolstern, 88 Röhrenmonitore als Videowand, Nebel bis zur Hüfte, Laser durch den Dunst.

Man arbeitet ja an den wichtigen Dingen. 😆

Die zwei Shots

Dann hab ich keinen Prompt geschrieben, sondern eine Regieanweisung:

• Shot 1, 0 bis 4,5 Sekunden: statische Studiokamera, halbnah, Moderator spricht in die Linse.
• Harter Schnitt.
• Shot 2, 4,5 bis 8 Sekunden: beschleunigende Dolly-Fahrt an seiner Schulter vorbei in einen einzelnen Röhrenmonitor, in dem eine 16-Bit-Titelanimation läuft.

Drei Bedingungen, an denen Videomodelle scheitern

Vor einem Jahr wäre das in jedem Modell auseinandergeflogen:

1. Requisiten-Kontinuität. Das Mikrofon bleibt in der rechten Hand, oben am Mund, über den Schnitt hinweg. Präsentiert wird ausschließlich mit dem freien linken Arm.
2. Ton über den Schnitt. Die Stimme läuft weiter, während die Kamera schon im Monitor ist. Das letzte Wort hängt über dem Chiptune-Sting.
3. Text im Bild. OVERRIDE als Neonschild in Shot 1, OVERRIDE als Pixel-Titel im Monitor am Ende.

Das ist Regiearbeit. Kameraführung, Timing, Anschluss.

Alle drei haben es gemacht. Schnitt, Fahrt, Mikro in der richtigen Hand, Titel im Monitor, Stimme über den Schnitt.

Da kommt was auf uns zu.

Deutsche Sprache im KI-Video: der Sprachtest

Der gesprochene Satz lautet: „Guten Abend, Grüße in den Cyberspace und willkommen bei Override.“

Den hab ich mit Absicht so gebaut. Deutscher Satz, englische Begriffe mitten drin. Genau da brechen KI-Videomodelle normalerweise. Entweder wird das Deutsch zu Denglisch mit amerikanischem Akzent, oder die englischen Wörter kommen nach deutscher Schreibung raus, oder das Modell verheddert sich beim Umschalten.

FLUX 3 und MiniMax H3 sprechen korrekt Deutsch

Deutscher Satz, deutsche Prosodie, die englischen Begriffe im richtigen Register. Ohne Lautschrift, ohne Betonungszeichen, ohne Tricks.

Für den deutschsprachigen Markt ist das die Meldung. Video-KI konnte lange alles, außer glaubwürdig Deutsch sprechen. In meinen Workshops ist das die erste Frage, wenn es um Video geht, und meine Antwort war zwei Jahre lang ein Achselzucken.

Seedance 2.5 bricht am Markennamen

Aus „Override“ wird „Overred“.

Verdammt schade, denn Seedance hat die lebendigste Version der drei geliefert. 🫠

Interessant ist, wo es bricht. Es bricht am englischen Wort mitten im deutschen Satz, also genau beim Umschalten. Und noch schöner: Im Bild steht OVERRIDE korrekt. Dasselbe Modell schreibt den Markennamen im selben Durchgang richtig auf den Monitor und spricht ihn falsch aus.

Was das für die Praxis heißt

Markennamen einzeln testen, bevor du die ganze Szene baust. Und damit rechnen, dass der Codewechsel die empfindliche Stelle ist, nicht die Fremdsprache.

FLUX 3 im Test

Was FLUX 3 neu kann

• Ein Modell für Bild, Video, Audio und Handlungsvorhersage. Kein Bildmodell mit angeschraubtem Video.
• Video bis 20 Sekunden mit nativem Ton in einem Durchgang, Dialog inklusive. Wahlweise 720p oder 1080p.
• Mehrsprachiger Dialog. Führt Black Forest Labs selbst als Stärke, neben Gesichtsausdrücken und der Verknüpfung von Geräusch und physischem Ereignis.
• Deutlich bessere Typografie. Lesbare Schilder, Titel und Beschriftungen im Bild.
• Mehrere Generierungen lassen sich über die API zu Multi-Shot-Sequenzen verketten, mit Charakter- und Objektreferenzen über Szenen hinweg.
• Offene Gewichte als FLUX 3 Dev sind für später im Jahr angekündigt.
• Nebenprodukt, das zeigt wohin das geht: FLUX-mimic steuert damit Roboter, im Test bei Audi.

FLUX 3 im OVERRIDE-Test

FLUX 3 hat auf die Kunstrichtung gehört. In meiner Anweisung stand „Betacam, milchige Schwarzwerte, Videokorn, keine moderne Kinoästhetik“. Genau das kam raus. Von den drei ist es das einzige, das aussieht, als wäre es 1996 wirklich gesendet worden.

Dafür ist mein Titel bei Sekunde 8 Matsch. OVERRIDE zerläuft im Monitor zu einem leuchtenden Balken, unlesbar. Mein Clip kam in 1216 × 1632 raus, also Full-HD-Klasse im Hochformat, und mit Mono-Ton.

MiniMax H3 im Test

Was MiniMax H3 neu kann

• Ein Kontext für Text, Bild, Video und Audio. Alles vier kann Eingabe sein.
• Nativer Stereo-Ton mit 32 kHz, gemeinsam mit dem Bild erzeugt. 24 fps, 4 bis 15 Sekunden.
• Vier Modi: Text zu Video, Bild zu Video, erster und letzter Frame, sowie Referenz zu Video.
• Bis zu neun Referenzbilder, drei Videos und drei Audiodateien gleichzeitig.
• Audio als treibende Eingabe. Du gibst eine Stimme rein und das Modell baut die Szene dazu.
• Bearbeiten per Anweisung statt per Neuberechnung.
• Offene Gewichte. H3-Base mit 33 Milliarden Parametern, Encoder ist Qwen3-VL-32B. Läuft nach Angaben von Comfy Org bis runter zur RTX 3060.

Offene Gewichte und ihre Grenzen

Nur H3-Base ist offen. Die Anweisungsplanung und die offizielle 2K-Regeneration bleiben gehostet. Und die Community-Lizenz schränkt die öffentliche Nutzung in der EU ein und verweist auf formelle Lizenzierung. Lies das, bevor du damit für einen Kunden produzierst.

MiniMax H3 im OVERRIDE-Test

MiniMax H3 hat auf das Referenzbild gehört. Bühne, Laser, Neonschild, Gitterboden sitzen fast deckungsgleich zum Ausgangsbild. Der Schnitt ist der sauberste der drei, das Mikro bleibt oben, der Titel am Ende hält, klar lesbar in Cyan und Magenta.

Es sieht nur nicht nach 1996 aus. Es sieht gut aus. Glossy und modern, zu clean für das, was ich bestellt hatte.

Video auf YouTube ansehen

Seedance 2.5 im Test

Was Seedance 2.5 neu kann

• 30 Sekunden in einem Durchgang, ohne aneinandergeschnittene Segmente. Zweimal verlängerbar.
• Bis zu 50 Referenzen: 30 Bilder, 10 Videos, 10 Audios, dazu 3D-Whitebox-Referenzen für Kamera und Anordnung.
• Bild und Ton werden gemeinsam erzeugt.
• Region-Editing. Du änderst einen Bildbereich, ohne den ganzen Clip neu zu rechnen.
• Rund 20 Prozent bessere Prompt-Befolgung als 2.0, nach Angaben von ByteDance.
• Eine Ultra-Long-Beta mit 180 Sekunden ist in Jimeng aufgetaucht.

Nebenbei, weil es durch die Presse wandert: Die native 4K-Pipeline, die viele Medien 2.5 zuschreiben, gehört zur 2.0-Linie.

Seedance 2.5 im OVERRIDE-Test

Seedance 2.5 hat die dichteste Bildwelt. Schneegrieseln, Farbbalken, grüner Terminaltext, niedrigauflösende Spielgrafik, am Ende ein Monitor mit glaubwürdiger Sony-Blende. Der Moderator spielt am lebendigsten, beide Hände arbeiten mit, das Timing sitzt. Wäre der Ton nicht am Markennamen gescheitert, wäre das mein Take.

Drei Werkzeuge, drei Charaktere. Einen Sieger kann ich dir nicht liefern.

Video auf YouTube ansehen

Wo kann ich die Modelle testen?

FLUX 3 testen

Geht inzwischen breit. Direkt an der Quelle über den BFL Playground und die BFL API. Dazu über Plattformen wie Magnific, Canva, Krea und Picsart, die als Partner früh Zugang hatten.

MiniMax H3 testen

Geht praktisch überall, und das ist der Vorteil offener Gewichte.

• Ohne Code: am schnellsten über Hailuo.
• Für Entwickler: die MiniMax-API, dort kostet die Ausgabesekunde 0,08 Dollar in 768p und 0,13 Dollar in 2K.
• Als Endpunkt: fal.ai als Day-0-Partner, mit je einem Endpunkt für Text, Bild und Referenz.
• In ComfyUI: Partner-Node über die API, Comfy Cloud, oder lokal mit den Gewichten von huggingface.co/Comfy-Org/MiniMax-H3.
• Selbst gehostet: Diffusers, SGLang oder vLLM-Omni.

Seedance 2.5 testen

Läuft über ByteDance-eigene Oberflächen. International über Dreamina unter dreamina.capcut.com, mit täglichen Gratis-Credits. In China über Jimeng, dazu Doubao Pro und Coze. Die CapCut-Integration bringt es direkt in den Schnitt. Der API-Zugang über Volcano Engine und BytePlus kommt nach.

Vergleichstabelle: FLUX 3, MiniMax H3 und Seedance 2.5

	FLUX 3	MiniMax H3	Seedance 2.5
Anbieter	Black Forest Labs, Freiburg	MiniMax, Shanghai	ByteDance
Offiziell seit	4. August 2026	31. Juli 2026	31. Juli 2026
Clip-Länge	bis 20 Sek.	4 bis 15 Sek.	30 Sek., 2× verlängerbar
Auflösung	720p und 1080p	768p lokal, bis 2K gehostet	bis 4K in der 2.x-Linie
Ton	nativ, in meinem Test Mono	nativ, Stereo 32 kHz	nativ, gemeinsam erzeugt
Referenzen	Charakter und Objekt über Szenen	9 Bilder, 3 Videos, 3 Audios	50 gesamt, plus 3D-Whitebox
Nachträglich ändern	–	per Anweisung	Region-Editing
Offene Gewichte	angekündigt (FLUX 3 Dev)	ja, H3-Base 33B	nein
Deutsch im Test	korrekt	korrekt	Aussprachefehler am Markennamen
Stärke im Test	Kunstrichtung, Analog-Look	Referenztreue, saubere Schnitte	Bilddichte, lebendiges Spiel
Schwäche im Test	Titel zerläuft, Mono-Ton	zu clean für 90er-Look	Aussprache
Zugang	BFL Playground und API, Magnific, Canva, Krea, Picsart	Hailuo, MiniMax-API, fal.ai, ComfyUI lokal und Cloud	Dreamina, Jimeng, CapCut, Doubao Pro

Fazit: Regie schlägt Prompt

Ein Jahr lang habe ich in Workshops erklärt, wie man gute Prompts schreibt.

Diese drei Clips haben mir gezeigt, dass das inzwischen zu kurz greift. Entscheidend ist nicht mehr der Prompt selbst, sondern die Fähigkeit, eine Szene wie eine Regisseurin oder ein Regisseur zu denken. Zwei Shots mit Zeitcodes. Kamerabewegungen. Welche Hand das Mikro hält und welche präsentiert. Wo der Ton über den Schnitt weiterläuft. Und ganz wichtig: Was auf keinen Fall passieren darf.

Mein Prompt besteht deshalb nicht mehr aus einer Absatzbeschreibung, sondern aus einer klaren Struktur mit Feldern für Kamera, Licht, Motion, Monolog, Audio und einer expliziten Negativliste. Am Ende war genau diese Negativliste der Grund, warum das Mikrofon die ganze Zeit in der richtigen Hand blieb.

Die gute Nachricht: Wer aus Werbung, Film oder Produktion kommt, bringt viele dieser Fähigkeiten bereits mit. Neu ist nur das Werkzeug. Was früher ein Regiebriefing war, landet heute als Prompt im Modell.

Und noch etwas hat mich überrascht: Diese Modelle sprechen inzwischen Deutsch. Nicht fehlerfrei, Seedance zeigt das noch deutlich. Aber gut genug, dass Sprache kein überzeugendes Argument mehr ist, warum sich ein deutscher Spot nicht mit KI produzieren lässt.

Eins dieser Modelle läuft seit Montag auf meinem Rechner.

KI-Weiterbildung: Wo du das lernst

Regieanweisungen statt Prompts, ComfyUI-Workflows, eigene LoRAs, Bild- und Videoproduktion, die einem Kunden standhält. Genau das unterrichten wir.

Zwei Weiterbildungen laufen gefördert über unseren AZAV-zertifizierten Partner SuperCode. Die Inhalte kommen vom KI Marketing Bootcamp.

• AI Content Creator · 16 Wochen Teilzeit · remote. Bild, Text, Video und Audio zu einer eigenen Multi-Format-Kampagne zusammenführen. Von Magnific und Claude bis Runway und Kling.
• AI Visual Engineer · 24 Wochen Teilzeit · remote · optional mit IHK-Prüfung. Node-basierte Bild-Workflows in ComfyUI und Weave, eigene LoRA, Bildproduktion automatisieren und als kleine Anwendung bereitstellen. Wenn dich der ComfyUI-Teil dieses Artikels interessiert hat: das ist der Kurs.

Beide sind über Bildungsgutschein, Qualifizierungschancengesetz oder KOMPASS förderfähig, je nach Weg bis zu 100 Prozent. Über 2.000 Teilnehmerinnen und Teilnehmer haben KI mit uns schon in ihren Marketing-Alltag geholt.

Weiterbildungen ansehen und Förderung prüfen →

Du willst nicht dich, sondern dein Team fit machen? Dafür gibt es unsere KI-Seminare für Gruppen von 2 bis 25 Personen, remote oder vor Ort.

Häufige Fragen zu FLUX 3, MiniMax H3 und Seedance 2.5

Welches KI-Videomodell spricht am besten Deutsch?

In meinem Test haben FLUX 3 und MiniMax H3 einen deutschen Satz mit englischen Begriffen korrekt ausgesprochen. Seedance 2.5 hat den englischen Markennamen im deutschen Satz verfälscht.

Kann ich MiniMax H3 lokal betreiben?

Ja. H3-Base ist als offenes Modell verfügbar und läuft seit dem 3. August 2026 nativ in ComfyUI, nach Angaben von Comfy Org bis runter zur RTX 3060. Die 2K-Regeneration und die Anweisungsplanung bleiben aber gehostet.

Was kostet MiniMax H3?

Über die MiniMax-API 0,08 Dollar pro Ausgabesekunde in 768p und 0,13 Dollar in 2K. Regeneration wird separat berechnet. Lokal zahlst du nur Strom und Hardware.

Wie lange dürfen die Clips sein?

FLUX 3 bis 20 Sekunden, MiniMax H3 4 bis 15 Sekunden, Seedance 2.5 30 Sekunden in einem Durchgang mit der Option, zweimal zu verlängern.

Welches der drei Modelle hat offene Gewichte?

MiniMax H3 mit H3-Base. Bei FLUX 3 ist eine offene Variante als FLUX 3 Dev für später im Jahr angekündigt. Seedance 2.5 ist geschlossen.

Wo nutze ich Seedance 2.5 außerhalb Chinas?

Über Dreamina unter dreamina.capcut.com, mit täglichen Gratis-Credits, sowie über die CapCut-Integration. Der API-Zugang über Volcano Engine und BytePlus folgt.

Erzeugen alle drei Modelle Ton?

Ja, alle drei erzeugen Ton gemeinsam mit dem Bild in einem Durchgang. MiniMax H3 liefert Stereo mit 32 kHz, mein FLUX-3-Clip kam in Mono.

Quellen

• MiniMax H3 Open Weights, ComfyUI-Integration und Optimierung: blog.comfy.org, docs.comfy.org, comfyui-wiki.com; Modelldateien unter huggingface.co/Comfy-Org/MiniMax-H3
• H3-Spezifikation, Preise und Zugangswege: MiniMax Model Card, docs.comfy.org, fal.ai, kingy.ai (Stand 4. August 2026)
• FLUX 3: offizielle BFL-Ankündigung vom 23.07.2026 inklusive Aussage zu Mehrsprachigkeit; VentureBeat, DataNorth, kie.ai zur Multi-Shot-Verkettung
• Seedance 2.5: TechNode, The Decoder, aiseedance25.app zu Zugangswegen und Referenzumfang; Einordnung der 4K-Angabe laut tosea.ai
• Eigene Tests, 4. August 2026: identische Regieanweisung und identisches Referenzbild über alle drei Modelle