In der Entwicklung generativer Bild- und Videosysteme zeichnet sich eine deutliche Verschiebung ab. Am 16. November 2026 sprachen die Mitgründer von Black Forest Labs, Andreas Blattmann und Dustin Podell, im Entwickler-Podcast Latent Space ausführlich über ihre technischen Pläne. Blattmann, der zuvor bereits maßgeblich an der Entwicklung von Latent Diffusion beteiligt war, beschrieb gemeinsam mit Podell die Abkehr von reiner Standbildgenerierung hin zu ganzheitlichen Weltmodellen.
Im Mittelpunkt der Ausführungen stand die Architektur von FLUX 3. Das kommende System soll visuelle Intelligenz nicht mehr primär aus isolierten Einzelbildern ableiten, sondern physikalische Gesetzmäßigkeiten direkt aus multimodalen Datensätzen erlernen. Hierzu verarbeitet das Modell Pixelströme, Kameratrajektorien und synchronen Ton in einem gemeinsamen Trainingsprozess, um ein konsistentes räumliches und zeitliches Verständnis aufzubauen.
Für Visual-Effects-Studios sowie Film- und Spieleproduktionen zielt dieser Ansatz auf ein Kernproblem heutiger Pipelines ab. Bisherige generative Werkzeuge leiden häufig unter mangelnder physikalischer Konsistenz, wenn sich Kameraperspektiven ändern oder Bewegungen über längere Sequenzen hinweg stabil bleiben müssen. Durch die Verknüpfung von Trajektorien und Audiosignalen soll FLUX 3 reale physikalische Dynamiken deutlich präziser abbilden.
Parallel zu den Zukunftsplänen für FLUX 3 hat das Unternehmen bereits ein greifbares Werkzeug für Kreativschaffende bereitgestellt. Unter dem Namen FLUX 3 Image Klein wurden die Modellgewichte und Repositories als Open-Weights-Veröffentlichung unter anderem auf Hugging Face zugänglich gemacht. Das Modell umfasst 5,6 Milliarden Parameter und baut auf einer modifizierten Qwen-Vision-Architektur auf.
Image Klein konzentriert sich auf die präzise In-Context-Bearbeitung von Bildmaterial und führt Multireferenz-Workflows ein. Grafiker können dem Modell bis zu zehn Referenzabbildungen übergeben und Anpassungen mithilfe von Bounding-Boxes räumlich einschränken. Dieser modulare Ansatz ermöglicht es, Charaktere und visuelle Stile über verschiedene Szenen hinweg stabil zu halten, ohne das gesamte Bild unkontrolliert zu verändern.
Mit der Freigabe von Image Klein positioniert sich Black Forest Labs weiterhin im Segment anpassbarer Open-Weights-Lösungen. Während viele Wettbewerber ihre fortschrittlichsten multimodalen Systeme hinter geschlossenen APIs absichern, ermöglicht die Verfügbarkeit lokaler Gewichte die direkte Einbindung in professionelle Produktionsumgebungen wie ComfyUI. Die Entwickler reagieren damit auf die wachsende Nachfrage nach kontrollierbaren Werkzeugen für professionelle VFX- und Spiele-Workflows.

