FLUX 3 Video im Test: KI-Video mit Ton aus Deutschland

Bis vor Kurzem stand Black Forest Labs für Bilder. FLUX.1, FLUX.2, Kontext: Die Freiburger haben einige der besten Bildmodelle der letzten zwei Jahre gebaut. Mit FLUX 3 kommt jetzt das erste Videomodell dazu. Und es ist nicht als Nebenprodukt gedacht, sondern als Kern eines Modells, das Bild, Video, Ton und sogar Roboterbewegungen gemeinsam lernt.

Wir haben das Modell selbst getestet, mit fünf Clips, wie sie im Marketing-Alltag gebraucht werden. Die Ergebnisse stehen weiter unten, die Videos zum Ansehen auch.

Die These: FLUX 3 Video ist kein Sora-Killer, aber das erste europäische Videomodell, das in den Rankings ernsthaft mit Google, ByteDance und Alibaba mithält. Für Marketingteams lohnt sich der Test, vor allem wegen des Draft-Modus.

Was kann FLUX 3 Video?

Laut Modellseite und Dokumentation:

• Länge: 5 bis 20 Sekunden pro Generierung, oder „auto“.
• Eingaben: Text, ein Bild, ein bis zehn Keyframes (Start, Ende oder zeitgenau gesetzt) oder ein bestehender Clip zum Fortsetzen.
• Ton: Dialog, Effekte, Atmo und Musik werden direkt mit erzeugt, ohne Aufpreis. Ton lässt sich abschalten.
• Sprache: mehrsprachige Dialoge mit Akzenten und Lipsync, auch Sprachwechsel innerhalb einer Szene.
• Szenen: mehrere Einstellungen und Kameraperspektiven in einem Clip, Clips lassen sich verketten.
• Typografie: Text und animierte Designs direkt im Bild.
• Formate: von 21:9 bis 9:21, also auch Hochkant für Reels und Stories.
• Auflösung: HD, Full HD, QHD und UHD.

Ein Haken bei der Auflösung: Größere Klassen werden laut Doku aus derselben Generierung hochgerechnet. Natives 4K ist das also nicht.

Was fehlt: Referenzbilder für Figuren, Produkte oder Stil sieht FLUX 3 Video nicht vor, Audio als Eingabe auch nicht. Ein Video nimmt es nur zum Fortsetzen oder Bearbeiten an, nicht als Vorlage für Stil oder Bewegung. Georg bringt es auf den Punkt:

Der Draft-Modus: Skizzieren, dann rendern

Die praktischste Funktion ist unscheinbar. Im Draft-Modus erzeugt FLUX 3 eine schnelle, günstige Vorschau in HD. Gefällt sie, rendert draft_enhance laut Dokumentation dasselbe Video in voller Qualität. Kein neuer Würfelwurf, sondern die Vorschau in groß.

Ein Haken, den wir im Test gefunden haben: Das gilt für die API von Black Forest Labs. In Magnific ist „720p Draft“ eine eigene, günstigere Generierung. Wir haben denselben Prompt einmal als Draft und einmal in 720p erzeugt und zwei verschiedene Szenen bekommen, mit anderer Flasche und anderer Kamerafahrt. Der Draft zeigt dort also, ob ein Prompt grundsätzlich funktioniert, aber nicht, wie genau der fertige Clip aussieht.

Das verändert, wie man mit Videomodellen arbeitet. Statt teurer Endfassungen, von denen die Hälfte im Papierkorb landet, testet ihr zehn Varianten für ein paar Cent pro Sekunde und rendert nur die beste.

Was kostet FLUX 3 Video?

Abgerechnet wird pro Sekunde, Ton inklusive (BFL-Preisliste, Stand 09.11.2026):

Modus	Draft (HD)	HD	Full HD	QHD	UHD
Text/Bild zu Video	0,06 $	0,15 $	0,24 $	0,28 $	0,41 $
Video zu Video (z. B. fortsetzen)	–	0,21 $	0,27 $	0,31 $	0,45 $

Ein 10-Sekunden-Draft kostet also 60 Cent, die Full-HD-Fassung danach 2,40 $. Seit dem Start sind die Preise gesunken, vor allem für QHD und UHD. Die Modellseite nennt teils noch die alten, höheren Werte. Maßgeblich ist die Preisliste.

Ob das teuer ist, zeigt erst der Vergleich. Am einfachsten geht der in Magnific, wo FLUX 3 neben der Konkurrenz läuft und alles in denselben Credits abgerechnet wird. Ein Clip mit 10 Sekunden im Querformat, mit Ton (Stand 09.11.2026, FLUX 3 aus unserem Test):

Modell	Vorschau	720p
FLUX 3	800 Credits	3.400 Credits
Seedance 2.5	2.000 Credits	4.400 Credits
MiniMax H3 Max Turbo	–	400 Credits (768p)

FLUX 3 liegt damit in 720p gut 20 Prozent unter Seedance 2.5, das in Magnific als Spitzenmodell geführt wird. Der Draft kostet sogar nur zwei Fünftel. Am günstigsten bleibt MiniMax H3, das allerdings nur bis 768p geht. Wie sich die drei Modelle in der Qualität schlagen, zeigt Georgs Praxistest. Ein Clip braucht in der Produktion laut Digital Applied rund drei Minuten.

Seit September gibt es außerdem FLUX Video Edit [fast] für 0,03 $ pro Sekunde. Damit lassen sich in bestehenden Clips Objekte entfernen, ergänzen oder ersetzen, das Setting ändern, Bildtext tauschen und Dialoge austauschen. Grenzen: Der Ausgangsclip darf höchstens 15 Sekunden lang sein, und Video Edit gibt höchstens 720p aus, auch wenn der Clip vorher in Full HD oder 4K erzeugt wurde. Außerdem gibt es keine Masken, und der neue Dialog darf nicht länger sein als der alte.

Unser Test: fünf Clips mit FLUX 3

Wir haben FLUX 3 in Magnific mit fünf typischen Marketing-Aufgaben getestet, alle in 720p mit Ton (Stand 04.11.2026). Die Credits stammen aus Magnific.

Zur Einordnung: Das war ein Quick-and-Dirty-Test. Jeder Clip ist der erste direkte Versuch mit einem einfachen Prompt, ohne Nachbessern, ohne mehrere Durchgänge, ohne Startbild oder Keyframes. Mit ausgefeilteren Prompts, mehreren Varianten und ein paar Tricks lässt sich deutlich mehr aus dem Modell herausholen. Die Clips zeigen also, was beim ersten Anlauf passiert, nicht, was mit Feinarbeit möglich ist.

1. Sprecherin mit deutschem Dialog

Eine Röstereibesitzerin stellt die neue Herbströstung vor, 10 Sekunden, ein Satz Deutsch mit Lipsync. Bild: Die Szene sitzt, Gesicht und Hände bleiben stabil, sie hebt die Packung wie verlangt. 3.400 Credits.

Beim Anhören ist das Bild eigentlich ganz gut, aber die Performance kippt: Sie lacht viel zu viel und spricht viel zu langsam, die Pausen zwischen den Satzteilen sind zu lang. Für einen echten Produkt-Clip müsste man das Tempo im Prompt ausdrücklich vorgeben und die Tonalität zurücknehmen, etwa „ruhig, sachlich, zügig“.

FLUX 3: Sprecherin mit deutschem Dialog

Dieses Video liegt bei YouTube. Wenn Sie es laden, werden Ihre IP-Adresse und Angaben zu Ihrem Gerät an den Anbieter übertragen, der dabei auch Cookies setzen kann. Mehr dazu in unserer Datenschutzerklärung und in der Datenschutzerklärung von YouTube.

Video laden → Bei YouTube ansehen →

Externe Medien dauerhaft erlauben

2. Animierte Typografie mit Umlaut

Die Headline „Jetzt neu: Herbströstung“ baut sich Buchstabe für Buchstabe auf, darunter „Nur im November“, dazu eine Kaffeebohne. Ergebnis: Beide Zeilen sind fehlerfrei geschrieben, auch das ö. Die Bohne rollt nicht wie verlangt ins Bild, sie erscheint am Ende. Trotzdem ist das unser Lieblingsclip aus dem Test: Er sieht sauber aus, und der Sound passt. Für Motion-Design-Schnipsel in Social Media ist das sofort brauchbar. 2.720 Credits für 8 Sekunden.

FLUX 3: Animierte Typografie

Dieses Video liegt bei YouTube. Wenn Sie es laden, werden Ihre IP-Adresse und Angaben zu Ihrem Gerät an den Anbieter übertragen, der dabei auch Cookies setzen kann. Mehr dazu in unserer Datenschutzerklärung und in der Datenschutzerklärung von YouTube.

Video laden → Bei YouTube ansehen →

Externe Medien dauerhaft erlauben

3. Hochkant-Reel mit Schnitt und Sprachwechsel

Zwei Einstellungen in einem Clip: ein Radfahrer hält an und sagt einen Satz auf Deutsch, dann eine Nahaufnahme, in der er ins Englische wechselt. Ergebnis: Der Schnitt kommt, die Figur bleibt über beide Einstellungen dieselbe. 3.400 Credits für 10 Sekunden.

Gemischtes Ergebnis: Die Stimme ist richtig stark, natürlich und glaubwürdig. Der Mann selbst sieht dagegen sehr nach KI aus, zu glatt, zu perfekt. Für einen Clip mit Gesicht ist das ein Problem, für reine Tonspuren oder Szenen ohne Nahaufnahme weniger.

FLUX 3: Hochkant-Reel mit Sprachwechsel

Dieses Video liegt bei YouTube. Wenn Sie es laden, werden Ihre IP-Adresse und Angaben zu Ihrem Gerät an den Anbieter übertragen, der dabei auch Cookies setzen kann. Mehr dazu in unserer Datenschutzerklärung und in der Datenschutzerklärung von YouTube.

Video laden → Bei YouTube ansehen →

Externe Medien dauerhaft erlauben

4. Produktshot: Draft gegen 720p

Eine Cold-Brew-Flasche auf nassem Stein, eine Orangenscheibe fällt daneben. Einmal als Draft für 640 Credits, einmal in 720p für 2.720 Credits. Der Draft kostet damit knapp ein Viertel. Wie oben beschrieben, zeigen beide aber verschiedene Szenen.

Inhaltlich überzeugt der Clip nicht. Die Orange war unsere Idee im Prompt und passt nicht zu Cold Brew, das geht auf uns. Was aufs Modell geht: Alles ist überzeichnet, zu viel Wasser, zu viel Inszenierung. Wer Produktshots will, die nach echter Werbung aussehen, sollte im Prompt ausdrücklich zurückhaltend formulieren und weniger Effekte verlangen.

FLUX 3: Produktshot Cold Brew

Dieses Video liegt bei YouTube. Wenn Sie es laden, werden Ihre IP-Adresse und Angaben zu Ihrem Gerät an den Anbieter übertragen, der dabei auch Cookies setzen kann. Mehr dazu in unserer Datenschutzerklärung und in der Datenschutzerklärung von YouTube.

Video laden → Bei YouTube ansehen →

Externe Medien dauerhaft erlauben

5. Wofür FLUX 3 wirklich gut ist: Produkt-Spot mit Motion Design

Nach den ersten vier Clips haben wir einen fünften gebaut, der genau die Stärken des Modells bündelt: ein Produkt, ruhige Bewegung, deutsche Schrift und Sounddesign. Keine Menschen, kein Wasser, keine schnelle Action.

Ein weißer Laufschuh dreht sich vor sandfarbenem Hintergrund, daneben erscheinen nacheinander „Leichter.“, „Leiser.“ und „Länger laufen.“. Am Ende landet der Schuh, darunter „Ab 14. November im Handel“. Ergebnis: Alle Texte kommen in der richtigen Reihenfolge und fehlerfrei, auch das ä. Der Schuh bleibt beim Drehen derselbe Schuh, ohne Verformungen. Einziger Makel: Die letzte Zeile sitzt etwas zu nah an der Sohle. 3.400 Credits für 10 Sekunden.

Das ist der Clip, nach dem wir FLUX 3 für Produkt-Spots in Social Media sofort einsetzen würden.

FLUX 3: Produkt-Spot mit Motion Design

Dieses Video liegt bei YouTube. Wenn Sie es laden, werden Ihre IP-Adresse und Angaben zu Ihrem Gerät an den Anbieter übertragen, der dabei auch Cookies setzen kann. Mehr dazu in unserer Datenschutzerklärung und in der Datenschutzerklärung von YouTube.

Video laden → Bei YouTube ansehen →

Externe Medien dauerhaft erlauben

Was uns über alle Clips aufgefallen ist

Die Pausen sind oft zu lang. Gesprochene Sätze wirken dadurch langsamer und bedeutungsschwerer als gewollt. Das deckt sich mit dem Hinweis von Black Forest Labs, dass Zeitangaben im Prompt nur Zielwerte sind. Unser Rat: Tempo ausdrücklich in den Prompt schreiben und lieber etwas mehr Text in die Sekunden packen als zu wenig.

Wie gut ist FLUX 3 Video im Vergleich?

Black Forest Labs hat zum Start eigene Präferenztests veröffentlicht: 52 Prozent gegen Seedance 2.0 und gegen Gemini Omni Flash, also praktisch Gleichstand, und klare Siege gegen Runway Gen-4.5 (77 Prozent) und Luma Ray 3.2 (93 Prozent). VentureBeat merkte an, dass die Methodik nicht offengelegt ist.

Unabhängige Rankings bestätigen das Bild weitgehend:

Ranking	Platz FLUX 3	Wer vorne liegt
Arena, Text-zu-Video	4 (vorläufig)	Gemini Omni 1.2 Flash
Artificial Analysis, mit Audio	9	Wan 3.0, Utopai X

Stand 09.11.2026. In der Arena liegt FLUX 3 damit vor Seedance 2.0 und 2.5 und vor Wan 3.0, aber hinter drei Versionen von Gemini Omni Flash. Bei Artificial Analysis ist die schnellere Variante FLUX 3 Max besser platziert als das Grundmodell (Platz 5). Kurz gesagt: Spitzengruppe, aber nicht klar vorne.

Schwächen, die in Tests auftauchen: Wasser und Regen (Promptowy), schnelle, dichte Action wirkt weniger kontrolliert.

Ton und Sprache: stark, mit Vorbehalt

Nativer Ton mit Lipsync ist für Marketing der eigentliche Hebel. Ein Sprecher-Clip, ein Produkt-Erklärer, eine Szene mit Dialog, alles in einem Durchgang.

Black Forest Labs ist im eigenen Prompting-Guide erfreulich offen über die Grenzen:

• Zeitangaben im Prompt sind nur Zielwerte. Das letzte Wort kann abgeschnitten werden.
• Mehrere Sprecher und Unterbrechungen sind fehleranfällig.
• Die Stimme bleibt über mehrere Clips nicht garantiert dieselbe. Für eine Serie mit wiederkehrender Figur ist das ein Problem.
• Werbetexte klingen schnell nach „Sales Voice“.

Black Forest Labs nennt im Blog zum Start gut ein Dutzend Sprachen mit Lipsync, Deutsch ist dabei, The Decoder spricht von mehr als 14. Mein Kollege Georg Neumann hat Deutsch ausprobiert, mit einem Satz, an dem Videomodelle normalerweise scheitern: Deutsch mit englischen Begriffen mittendrin. Ergebnis: FLUX 3 spricht korrekt Deutsch, mit deutscher Satzmelodie und den englischen Wörtern im richtigen Register. Den ganzen Test gibt es in unserem Vergleich von FLUX 3, MiniMax H3 und Seedance 2.5.

Sein Rat für die Praxis: Markennamen einzeln testen, bevor ihr die ganze Szene baut. Der Wechsel zwischen den Sprachen ist die empfindliche Stelle, nicht die Fremdsprache selbst.

Wo gibt es FLUX 3 Video?

• Direkt bei Black Forest Labs über Dashboard und API, nach Verbrauch abgerechnet.
• Bei API-Plattformen: fal, Replicate, OpenRouter (ohne Draft-Modus), Runware und weitere.
• In Magnific als „bfl-flux-3“ gelistet, derzeit noch als Beta. Damit haben wir getestet.
• Als schnellere Variante: Seit dem 19. Oktober bietet fal FLUX 3 Max an, auf Tempo nachtrainiert. Laut fal ist ein 10-Sekunden-Clip nach rund 12 Sekunden fertig. Getestet haben wir Max nicht.

Zur Zeitleiste: Angekündigt am 23. Juli 2026 mit geschlossenem Early Access. Seit dem 4. August laut BFL-Blog allgemein verfügbar. Im September kamen QHD und UHD dazu, im Oktober folgten niedrigere Preise.

Offene Gewichte gibt es nicht. Ein offenes Modell namens FLUX 3 Dev ist angekündigt, ohne Termin und Lizenz.

Ein Blick ins Kleingedruckte

Die API-Nutzungsbedingungen räumen Black Forest Labs weitreichende Rechte an Ein- und Ausgaben ein, auch fürs Training. Für vertrauliche Produktneuheiten vor dem Launch ist das ein Grund, genau hinzuschauen. Bei fal dürfen erzeugte Inhalte laut Anbieter kommerziell genutzt werden.

Und: Ein realistischer KI-Sprecher ist nach Artikel 50 des EU AI Act seit dem 2. August 2026 sichtbar zu kennzeichnen. Ein Hinweis in den AGB reicht nicht. Mehr dazu in unserem Überblick zum AI Act.

Was heißt das fürs Marketing?

• Social-Clips: Hochkant, bis 20 Sekunden, mit Ton aus einem Guss. Mit dem Draft-Modus lassen sich Hook-Varianten günstig testen.
• Produktvideos: Keyframes geben Anfang und Ende vor, Text im Bild spart Nachbearbeitung.
• Mehrsprachige Clips: Mit Video Edit lassen sich Dialoge austauschen, ohne neu zu generieren, etwa für eine andere Sprache. Der neue Satz darf nicht länger sein als der alte, abhören ist Pflicht.
• Wiederkehrende Figuren: Noch nicht. Ohne konstante Stimme über Clips hinweg fehlt die Grundlage für Serien mit Gesicht.

Takeaway: Was ihr jetzt tun solltet

1. Spielt die Stärken aus. Produkt-Spots, Motion Design und Schrift im Bild gelingen zuverlässig. Für Sprecherinnen und Sprecher mit Gesicht ist das Modell noch nicht so weit.
2. Testet den Draft-Workflow. Zehn Drafts für einen Social-Clip, den besten in Full HD rendern. Rechnet nach, was das gegenüber eurem bisherigen Tool kostet.
3. Testet eure Markennamen. Deutsch klappt, der Wechsel ins Englische ist die empfindliche Stelle. Ein Satz mit Markenname, abhören, dann erst die Szene bauen.
4. Plant 4K nicht ein. Full HD ist die ehrliche Endauflösung, alles darüber ist hochgerechnet.

FLUX 3 Video ist das erste europäische Videomodell, das in der Spitzengruppe mitspielt. In unserem schnellen Ersttest haben Produkt-Spots mit Schrift und Sound klar überzeugt, Gesichter und Sprechtempo noch nicht. Die fehlende Stimmkonstanz ist der Grund, es noch nicht für alles einzusetzen.

Das ist Teil 2 unserer Serie zu FLUX 3. Teil 1 behandelt FLUX 3 Image.