FLUX 3 Image: Bildgenerierung mit Bounding Box und Pixeltreue

Seit dem 1. Oktober 2026 ist FLUX 3 Image draußen. Black Forest Labs aus Freiburg hatte das Modell schon im Juli zusammen mit FLUX 3 angekündigt, dem neuen multimodalen Grundmodell für Bild, Video, Audio und Aktionen. Jetzt ist der Bildteil per API nutzbar.

Die These vorneweg: FLUX 3 Image gewinnt keinen Schönheitswettbewerb. Es gewinnt bei Kontrolle. Wer Serien produziert, Motive in Runden abstimmt oder Layouts genau vorgeben will, bekommt hier etwas, das andere Modelle so nicht bieten.

Was ist neu an FLUX 3 Image?

Mein Kollege Georg Neumann hat das Modell direkt nach dem Start getestet und auf LinkedIn zusammengefasst. Die wichtigsten Neuerungen laut Hersteller:

• Bildaufbau per Bounding Box. Ihr legt fest, wo welches Element im Bild sitzt.
• Bearbeitung mit Pixeltreue. Was außerhalb der bearbeiteten Box liegt, bleibt unverändert, auch über mehrere Runden.
• Bis zu zehn Referenzbilder pro Anfrage, angesprochen als ref_image_0 bis ref_image_9.
• Native 2K- und 4K-Ausgabe, das 4K-Beispiel auf der Modellseite misst 5456 × 3072 Pixel.
• Generieren und Bearbeiten über einen Endpunkt. Es gibt keine Staffelung in Pro, Flex und Max mehr wie bei FLUX.2. Die Qualitätsstufe wählt man über die Auflösung.

Die Idee mit den Bounding Boxes ist nicht neu. Ideogram hatte sie mit Ideogram 4.0 im Juni als JSON-Layout eingeführt. Black Forest Labs verbindet sie jetzt mit gezielter Bearbeitung.

So funktioniert die Steuerung per Bounding Box

Das Bild wird als Raster von 0 bis 1000 beschrieben. Jedes Element bekommt eine ID, eine Box im Format [y_min, x_min, y_max, x_max] und eine Beschreibung. Wer keine Lust auf JSON hat, schreibt eine Zeile Prompt: Ein vorgeschaltetes Sprachmodell plant daraus das Layout und die Elementliste. Selbst gesetzte Boxen gibt es dabei unverändert weiter.

Bei der Bearbeitung kennt das Modell vier Operationen: behalten, verschieben, hinzufügen, entfernen. Text bekommt eine eigene Box, der Wortlaut steht in Anführungszeichen.

Die Dokumentation ist ehrlicher als die Werbeseite. Dort heißt es: Pixel außerhalb der Boxen bleiben „usually“ gleich, also meistens. Schatten, Spiegelungen und Licht in der Nähe können sich mitverändern. Sehr kleine Boxen, etwa 40 × 25 Pixel, scheitern oft. In den Beispielen von Black Forest Labs bleiben je nach Aufgabe zwischen 68 und 94 Prozent der Pixel identisch, berichtet TechTimes. Unabhängige Messungen gibt es noch nicht.

Warum das fürs Marketing zählt

Die meisten Bildmodelle rechnen bei jeder Korrektur das ganze Bild neu. Das Produkt ist dann zwar blau statt rot, aber die Person im Hintergrund hat plötzlich ein anderes Gesicht. Wer schon mal fünf Abstimmungsrunden mit einem KI-Motiv gedreht hat, kennt das.

Genau hier setzt FLUX 3 Image an. Dmitry Salatov hat es unter Georgs Beitrag auf den Punkt gebracht: Wenn Pixel außerhalb der Box stabil bleiben, wird schrittweise Nachbearbeitung in Serien deutlich weniger riskant.

Konkret heißt das:

• Kampagnenserien: Ein Motiv, zehn Varianten für Formate oder Zielgruppen, ohne dass sich das Grundbild verschiebt.
• Korrekturschleifen: Feedback aus der Abstimmung lässt sich Punkt für Punkt umsetzen.
• Layouts mit Textflächen: Wo die Headline später hin soll, bleibt frei, weil ihr es vorher festlegt.
• Produktbilder mit Referenzen: Bis zu zehn Referenzen für Produkt, Stil und Umgebung.

Georgs Test: die Klassiker, an denen Bildmodelle scheitern

Das sind keine Spielereien. Uhrzeiten, genaue Mengen, deutsche Schrift und Körper, die nicht der Norm entsprechen: Genau daran scheitern Bildmodelle seit Jahren, und genau das braucht man im Marketing ständig. So sieht das Ergebnis aus:

Aufgabe	Ergebnis
Uhr zeigt 3:40	Knapp daneben. Ein Zeiger steht auf der 40, einer fast auf der 3. Nur hat das Modell Stunden- und Minutenzeiger vertauscht.
Genau sieben Äpfel	Geschafft. Sieben Äpfel in einer Reihe.
Umlaute auf einem Ladenschild	Geschafft. „Bäckerei Müller“ steht sauber auf dem Schild. Die kleinen Preisschilder im Fenster sind allerdings unleserlich.
Randvolles Weinglas	Geschafft. Der Wein steht bis knapp unter den Rand.
Unperfekte Zähne	Geschafft. Leicht ungleichmäßige Zähne, kein Zahnpasta-Lächeln.
Hand mit vier Fingern	Nicht geschafft. Beide Hände haben fünf Finger.

Vier von sechs, und die Uhr ist ein Näherungswert. Das ist mehr, als die meisten Modelle schaffen. Die Uhr zeigt, wie weit FLUX 3 gekommen ist: Die Zahlen stimmen, nur die Zuordnung der Zeiger nicht. Bei der Hand hat das Modell keine Chance gegen seine Trainingsdaten. Hände lernt es aus Millionen Fotos, und auf denen hat jede Hand fünf Finger. Gegen so viel Gewohnheit kommt ein Prompt schwer an.

Auch unser eigener Look klappt: Das Riffelglas aus dem Corporate Design von uncanny minds setzt FLUX 3 Image überzeugend um, samt Brechung im Gesicht.

2K schlägt 4K

Eine Beobachtung aus Georgs Tests ist eindeutig: 2K liefert bessere Ergebnisse als 4K. Die 4K-Bilder wirken eher weich oder zeigen Artefakte. Ein endgültiges Urteil über das Modell hat er noch nicht gefällt. Das passt zur Preisliste, denn 4K ist deutlich teurer und langsamer.

Alle Bilder in diesem Beitrag sind mit KI erzeugt und rechts unten mit „AI“ gekennzeichnet.

Was kostet FLUX 3 Image?

Abgerechnet wird pro Bild nach Auflösungsstufe, nicht mehr pro Megapixel wie bei FLUX.2 (BFL-Preisliste, Stand 12.10.2026):

Stufe	Größe	Preis pro Bild
768sq	quadratisch, klein	0,041 $
1k	Standard	0,048 $
2k	ca. 4 Megapixel	0,100 $
4k	ca. 16 Megapixel	0,607 $

4K kostet also gut das Sechsfache von 2K. Mit Georgs Testergebnis im Kopf ist 2K für die meisten Zwecke die vernünftige Wahl. 4K kann laut Kingy mehrere Minuten dauern.

Wo gibt es FLUX 3 Image?

• Direkt bei Black Forest Labs über die API (/v1/flux-3-image) und den Playground.
• Bei API-Plattformen wie fal, Replicate und OpenRouter.
• In Magnific ist das Modell als „Flux.3 Image“ gelistet, derzeit noch als Beta.

Offene Gewichte hat Black Forest Labs angekündigt, aber ohne Termin und ohne veröffentlichte Lizenz. Unternehmen können eine kommerzielle Lizenz für Self-Hosting und Fine-Tuning über den Vertrieb anfragen.

Ein Detail für Datenschutzbewusste: Der Parameter grounding ist standardmäßig aktiv. Das Modell recherchiert dann vor der Generierung im Web. Wer mit vertraulichen Briefings arbeitet, sollte das ausschalten.

Wie schlägt sich FLUX 3 Image im Vergleich?

Im Text-to-Image-Ranking von Artificial Analysis steht FLUX 3 Image mit 1116 Elo auf Platz 8 (Stand 12.10.2026). Vorne liegen GPT Image 2.5 und Nano Banana 2.1. Seedream 5.0 Pro, FLUX.2 [max] und Ideogram 4.5 folgen dahinter.

Bei der reinen Bildqualität ist FLUX 3 Image also gut, aber nicht Spitze. Das Ranking misst allerdings nur, welches Bild Menschen schöner finden. Für Bearbeitung mit Pixeltreue gibt es noch keinen unabhängigen Vergleich. Gerade da liegt die Stärke des Modells.

Im Vergleich zum Vorgänger FLUX.2 (November 2025) sind neu: native 16 Megapixel statt maximal 4, Bounding-Box-Layout, Bearbeitung mehrerer Bereiche mit Pixelerhalt, Grounding und ein Modell statt drei Varianten. Zehn Referenzbilder konnte schon FLUX.2. Zur Erinnerung, wie es angefangen hat: FLUX.1 und FLUX.1 Kontext.

Kennzeichnung nicht vergessen

Bilder aus der BFL-API tragen C2PA-Metadaten. Die sind aber leicht entfernbar und ersetzen keine sichtbare Kennzeichnung. Seit dem 2. August 2026 gilt dafür Artikel 50 des EU AI Act. Was das konkret bedeutet, steht in unserem Überblick zum AI Act.

Takeaway: Was ihr jetzt tun solltet

1. Testet die Bearbeitung, nicht die Generierung. Nehmt ein bestehendes Kampagnenmotiv und lasst drei Korrekturrunden über Bounding Boxes laufen. Daran entscheidet sich, ob das Modell in euren Workflow passt.
2. Bleibt bei 2K. Besseres Ergebnis, ein Sechstel des Preises.
3. Schaltet Grounding bewusst. Für vertrauliche Inhalte aus, für Motive mit realen Orten oder Produkten an.

FLUX 3 Image ist das erste Bildmodell, bei dem sich eine Korrekturschleife wie Arbeit am Motiv anfühlt und nicht wie ein neuer Würfelwurf. Schöner als GPT Image ist es nicht. Für Serien kann es trotzdem die bessere Wahl sein.

Das ist Teil 1 unserer Serie zu FLUX 3. Teil 2 und 3 folgen in Kürze.