Lösungen für
Bitte auswählen
Web-App testen
ki-modelle

FLUX.2

Redaktion ·

FLUX.2 — warum dich ein Bildmodell aus Freiburg angeht

Wenn du Bilder generieren lässt, hattest du bis vor Kurzem zwei Lager zur Auswahl: proprietäre APIs wie Midjourney, OpenAIs Bild-Endpoints oder Google Imagen — schwarze Boxen, die pro Bild abrechnen und auf fremden Servern laufen. Oder offene Modelle wie SDXL, die du selbst hosten kannst, aber bei Bildqualität und Prompt-Treue lange hinterherhinkten.

FLUX.2 ist der Versuch, beide Welten zusammenzubringen: ein Modell, das in der Bildqualität an die proprietäre Spitze heranreicht — und das du in mehreren Varianten herunterladen, lokal betreiben und teilweise kommerziell frei nutzen kannst. Entwickelt wird es von Black Forest Labs (BFL) aus Freiburg, dem aktuell prominentesten deutschen Foundation-Model-Unternehmen.

Dieser Artikel erklärt, was FLUX.2 technisch ist, wie sich die Varianten unterscheiden, was “Open-Weight” hier konkret bedeutet, und wie das Modell im Vergleich zu SDXL, Imagen und Googles Nano Banana steht. Danach kannst du selbst einschätzen, ob FLUX.2 in deinen Workflow passt — und welche Variante.

Grundmechanik: Was FLUX.2 eigentlich ist

FLUX.2 ist ein Text-zu-Bild-Modell: Du gibst einen Text-Prompt ein (“ein Anwaltsbüro bei Abendlicht, fotorealistisch”), das Modell erzeugt daraus ein Bild. Zusätzlich beherrscht es Bild-Editing — also das Verändern bestehender Bilder anhand von Anweisungen — und Multi-Reference-Editing, bei dem mehrere Referenzbilder gleichzeitig als Vorlage dienen (etwa: nimm das Gesicht aus Bild A, den Stil aus Bild B).

Rectified Flow Transformer — die Architektur in einem Satz

Technisch ist FLUX.2 ein sogenannter Rectified Flow Transformer. Das ist eine Weiterentwicklung der Diffusions-Idee: Statt ein Bild über Dutzende Schritte aus Rauschen “herauszuschälen”, lernt ein Rectified-Flow-Modell einen möglichst geraden Pfad vom Rauschen zum fertigen Bild. Der praktische Effekt ist, dass weniger Rechenschritte nötig sind — was direkt die Generierungsgeschwindigkeit erhöht. Genau dieser Hebel macht die kleinen FLUX.2-Varianten so schnell.

Wichtig ist die Personalie dahinter: BFL wurde von Robin Rombach und Andreas Blattmann gegründet — denselben Forschern, die bei Stability AI maßgeblich an Stable Diffusion gearbeitet haben. FLUX ist insofern nicht irgendein neuer Anbieter, sondern die direkte Fortsetzung der Linie, aus der auch SDXL stammt.

Parameter, Auflösung, Geschwindigkeit

Die FLUX.2-Familie deckt eine breite Spanne ab. Das größte offene Modell, FLUX.2 [dev], hat 32 Milliarden Parameter; die kleinste offene Variante, FLUX.2 [klein], kommt mit 4 Milliarden aus. Laut Black Forest Labs erzeugen die Modelle Bilder mit bis zu 4 Megapixel Auflösung und unterstützen Referenz-Editing mit bis zu zehn Eingangsbildern bei der Pro-Variante. Für die kleine [klein]-Variante verspricht BFL Inferenz unter einer Sekunde auf passender Hardware — eine Größenordnung, die lokale Bildgenerierung von einem Batch-Job in einen interaktiven Vorgang verwandelt.

Stolperfalle: “Open Source” ist nicht gleich “frei kommerziell nutzbar”

Der häufigste Irrtum bei FLUX.2 betrifft die Lizenz. “Open-Weight” heißt nur, dass die Modellgewichte öffentlich herunterladbar sind — nicht automatisch, dass du sie für alles verwenden darfst.

BFL fährt eine gestufte Lizenzstrategie. Nur ein Teil der Modelle steht unter der freizügigen Apache-2.0-Lizenz (kommerziell uneingeschränkt nutzbar). Andere offene Varianten laufen unter der FLUX-non-commercial-Lizenz — du darfst sie herunterladen und ausprobieren, aber für kommerzielle Produkte brauchst du eine kostenpflichtige Lizenz oder den Weg über die BFL-API. Die proprietären Top-Varianten gibt es ohnehin nur als API.

Die Varianten im Detail

FLUX.2 ist keine einzelne Datei, sondern eine Familie. Die Logik dahinter: BFL gibt die Gewichte als Distributionskanal frei (Reichweite, Community, Integrationen) und verdient an den proprietären Top-Modellen und kommerziellen Verträgen.

FLUX.2 [klein] — das schnelle, kleine Modell

FLUX.2 [klein] ist die Einstiegsvariante mit 4 Milliarden Parametern unter Apache 2.0 — also kommerziell frei. Sie ist auf Geschwindigkeit und niedrige Hardware-Hürden ausgelegt: Laut BFL läuft sie ab rund 13 GB VRAM, also auf einer einzelnen Consumer-Karte wie einer RTX 4060 Ti 16 GB. Quantisierte Versionen (FP8, NVFP4) senken den Speicherbedarf nochmals deutlich, womit auch 8- bis 12-GB-Karten realistisch werden. Es gibt auch eine größere 9B-Untervariante, die aber unter der non-commercial-Lizenz steht.

FLUX.2 [dev] — das große offene Modell

FLUX.2 [dev] ist mit 32 Milliarden Parametern das leistungsstärkste offene FLUX-Modell. BFL positioniert es als bestes Open-Weight-Bildmodell für Text-zu-Bild sowie Single- und Multi-Reference-Editing. Es braucht entsprechend mehr Hardware und ist nicht für jede Consumer-GPU gedacht. Über Partner wie Cloudflare Workers AI läuft [dev] auch direkt am Edge, ohne dass du eine eigene GPU-Infrastruktur betreiben musst.

FLUX.2 [pro] und [flex] — die proprietären API-Modelle

Die Pro- und Flex-Varianten sind nicht offen, sondern nur über die BFL-API verfügbar. [pro] zielt auf maximale Bildqualität, die laut BFL mit den besten geschlossenen Modellen mithält — bei schnellerer und günstigerer Generierung. [flex] gibt dir mehr Kontrolle über Schritte und Guidance-Scale und ist auf Text-Rendering und Detailtreue ausgelegt.

| Variante | Parameter | Lizenz | Verfügbarkeit | Typischer Einsatz | |---|---|---|---|---| | FLUX.2 [klein] 4B | 4B | Apache 2.0 | Open Weight | Lokal, schnell, kommerziell frei | | FLUX.2 [klein] 9B | 9B | FLUX-non-commercial | Open Weight | Lokal, höhere Qualität, nicht-kommerziell | | FLUX.2 [dev] | 32B | teils non-commercial | Open Weight | Bestes offenes Modell, Cloud/On-Prem | | FLUX.2 [pro] | n. a. | proprietär | nur API | Höchste Qualität, Produktion | | FLUX.2 [flex] | n. a. | proprietär | nur API | Text-Rendering, Kontrolle |

Die genauen Lizenzbedingungen ändern sich; vor dem Einsatz immer das aktuelle Repo prüfen.

Einordnung im Markt: SDXL, Imagen, Nano Banana

FLUX.2 versteht man am besten im Vergleich. Drei Referenzpunkte helfen.

Gegen SDXL — der offene Vorgänger-Standard

SDXL (Stable Diffusion XL) war jahrelang das offene Standardmodell für lokale Bildgenerierung — riesige Community, unzählige Feintunings und LoRAs. FLUX kommt aus derselben Forschungslinie (Rombach/Blattmann), setzt aber deutlich höher an: bessere Prompt-Treue, sauberere Anatomie, vor allem brauchbares Text-Rendering im Bild — eine klassische SDXL-Schwäche. Wer heute ein offenes Modell neu aufsetzt, wählt für die meisten Anwendungsfälle FLUX statt SDXL. SDXL bleibt relevant, wo die gewaltige LoRA-Bibliothek und sehr genügsame Hardware-Anforderungen zählen.

Gegen Imagen — das proprietäre Google-Modell

Google Imagen ist ein geschlossenes, hochwertiges Text-zu-Bild-Modell, das nur über Googles Cloud-APIs läuft. Der entscheidende Unterschied ist nicht primär die Bildqualität, sondern das Betriebsmodell: Imagen kannst du nicht herunterladen, nicht lokal betreiben und nicht ohne Token-Kosten nutzen. FLUX.2 gibt dir mit den offenen Varianten die Option, dieselbe Aufgabe ohne Pro-Bild-Abrechnung und ohne Datenabfluss an einen Cloud-Anbieter zu lösen — relevant überall, wo Datenschutz oder Stückkosten zählen.

Gegen Nano Banana — Googles Editing-Modell

“Nano Banana” ist der Spitzname für Googles bildbearbeitungsstarkes Modell (in der Gemini-Familie verortet), das vor allem für konsistentes Editing und Charakter-Konsistenz bekannt wurde. Hier konkurriert FLUX.2 direkt über sein Multi-Reference-Editing. Der Trade-off ist derselbe wie bei Imagen: Nano Banana ist ein API-Produkt, FLUX.2 [dev] und [klein] kannst du selbst betreiben. Wer maximale Editing-Qualität ohne Hosting-Aufwand will, schaut zu Google; wer Kontrolle, lokale Verarbeitung oder Apache-2.0-Lizenz braucht, zu FLUX.

Mehr zum Hintergrund des [klein]-Releases steht in den News zu FLUX.2 [klein]. Wenn du Modelle generell lokal betreiben willst, lohnt der Blick auf Ollama für die LLM-Seite und auf Hugging Face als Bezugsquelle für die Gewichte.

Praxis: Welche Variante für welchen Fall

  • Du willst lokal, schnell und kommerziell frei generieren (z. B. Varianten für Agentur-Mockups): FLUX.2 [klein] 4B unter Apache 2.0. Läuft ab ~13 GB VRAM, sub-sekunden-Inferenz.
  • Du brauchst die beste offene Qualität und hast Hardware oder Cloud-Budget: FLUX.2 [dev] (32B), lokal auf starker GPU oder über Cloudflare Workers AI am Edge.
  • Du willst gar nichts selbst betreiben und zahlst pro Bild: FLUX.2 [pro] oder [flex] über die BFL-API.
  • Du brauchst eine riesige Feintuning-/LoRA-Bibliothek auf schwacher Hardware: SDXL kann hier noch die pragmatischere Wahl sein.

FAQ

Ist FLUX.2 wirklich Open Source?
Teilweise. "Open-Weight" trifft es genauer: Die Gewichte mehrerer Varianten sind frei herunterladbar. Aber nur ein Teil (die 4B-[klein]-Variante) steht unter der kommerziell freien Apache-2.0-Lizenz. Andere offene Varianten laufen unter der FLUX-non-commercial-Lizenz, die proprietären Top-Modelle gibt es nur als API.
Welche Hardware brauche ich für FLUX.2?
Für FLUX.2 [klein] 4B genügen laut BFL rund 13 GB VRAM — also eine Consumer-Karte wie eine RTX 4060 Ti 16 GB. Mit quantisierten Versionen (FP8/NVFP4) sind auch 8–12-GB-Karten realistisch. FLUX.2 [dev] mit 32B braucht deutlich mehr und ist eher für starke GPUs oder Cloud-Inferenz gedacht.
Wer steckt hinter FLUX.2?
Black Forest Labs (BFL) aus Freiburg, gegründet von Robin Rombach und Andreas Blattmann — denselben Forschern, die maßgeblich an Stable Diffusion gearbeitet haben. BFL gilt als das prominenteste deutsche Foundation-Model-Unternehmen im Bildbereich und hat im Dezember 2025 eine Series-B-Runde über 300 Mio. $ bei 3,25 Mrd. $ Bewertung abgeschlossen.
Was unterscheidet FLUX.2 von SDXL?
Beide stammen aus derselben Forschungslinie, aber FLUX.2 ist neuer und stärker: bessere Prompt-Treue, sauberere Anatomie und vor allem brauchbares Text-Rendering im Bild — eine SDXL-Schwäche. SDXL behält Vorteile bei sehr genügsamer Hardware und der riesigen Bestands-Bibliothek an LoRAs.
Kann ich FLUX.2 für kommerzielle Projekte nutzen?
Ja, aber nur mit der richtigen Variante. FLUX.2 [klein] 4B unter Apache 2.0 ist kommerziell frei. Für die 9B-Variante und teils für [dev] gilt die FLUX-non-commercial-Lizenz — kommerzielle Nutzung läuft dann über die kostenpflichtige BFL-Lizenz oder API.

Fazit

FLUX.2 ist der derzeit ernsthafteste Versuch, offene Bildmodelle an die proprietäre Qualitätsspitze heranzuführen — mit einer klar gestaffelten Strategie: schnelle kleine Modelle (Apache 2.0) für Reichweite, ein großes offenes Modell für maximale offene Qualität, proprietäre API-Modelle als Erlösbasis. Für die Praxis heißt das: Prüfe zuerst die Lizenz der konkreten Variante, dann die Hardware. Wer lokal und kommerziell frei arbeiten will, startet mit FLUX.2 [klein] 4B. Wer maximale Qualität ohne eigenen Betrieb braucht, geht über API oder Edge.

Nebenbei ist FLUX.2 ein seltener Datenpunkt: ein deutsches Unternehmen, das in einer Foundation-Model-Domäne in der Weltspitze mitspielt — und das, indem es sich auf Bild spezialisiert hat, statt dem Wettlauf um immer größere Sprachmodelle zu folgen.

Themenuebersicht

KI-ModelleOpen-Weight