FLUX 2 für Designer (2026): Varianten, Kosten und Grenzen

FLUX 2 ist das KI-Bildmodell für Aufgaben, bei denen das Ergebnis steuerbar sein muss und Überraschungen unerwünscht sind: per Hexcode fixierte Markenfarben, dieselbe Figur über zehn Frames hinweg, meist lesbar bleibende Schrift und Gewichte, die auf der eigenen GPU laufen. Eine fertige Midjourney-Ästhetik liefert es nicht. Dafür bekommt man ein Arbeitstier.

Das Urteil zu FLUX 2: kontrollierbares Arbeitstier statt Ästhetik-Orakel

Wenn wiederholbare, markenkonforme Produktionsbilder gefragt sind, ist FLUX.2 derzeit die stärkste verfügbare Option mit offenen Gewichten. Black Forest Labs, das Freiburger Team hinter Stable Diffusion, veröffentlichte die Modellfamilie am 25. November 2025 und ergänzte am 15. Januar 2026 die kleinen [klein]-Modelle. Zum Designwerkzeug statt zur Spielerei wird FLUX.2 durch seine Kontrollmöglichkeiten: Markenfarben lassen sich exakt per Hexcode festlegen, Figuren oder Produkte bleiben über mehrere Generierungen hinweg konsistent, wenn bis zu zehn Referenzbilder vorgegeben werden, und das Modell kann per LoRA-Training auf einen eigenen visuellen Stil abgestimmt werden. Eine LoRA ist eine kleine Zusatzdatei, die einem Basismodell einen bestimmten Look beibringt, ohne das gesamte Modell neu zu trainieren.

Ein Ästhetik-Orakel ist FLUX.2 dagegen nicht. Midjourney erzeugt ohne weitere Arbeit noch immer ausgereiftere, stärker „designte“ Bilder, während Googles Nano Banana Fotos sauberer bearbeitet. FLUX.2 tauscht diesen Überraschungseffekt gegen Berechenbarkeit. Für Designer ist das meist der bessere Handel: Ein etwas nüchterneres Bild, das sich exakt reproduzieren lässt, ist wertvoller als ein spektakuläres Einzelstück, das nie wieder gelingt.

Die Kurzempfehlung: [klein] 4B eignet sich für kostenlose kommerzielle Generierung auf eigener Hardware, [pro] für gehostete Produktionsabläufe, [flex] für Bilder mit hohem Schriftanteil und [max] ausschließlich für Hero-Motive, bei denen Qualität wichtiger ist als der Preis.

Was ist FLUX 2 eigentlich?

Der entscheidende Fortschritt von FLUX.2 steckt in einem neuen „Gehirn“. Während die meisten Bildmodelle den Prompt mit einem kleinen, wenig leistungsfähigen Text-Encoder auslesen, nutzt FLUX.2 dafür Mistral Small 3.1, ein Vision-Language-Modell mit 24 Milliarden Parametern. Dessen Verständnis fließt anschließend in einen Rectified-Flow-Transformer. Ein Flow-Transformer ist die Engine, die Rauschen in ein Bild verwandelt; „rectified“ bedeutet hier lediglich, dass sie auf einem geradlinigeren und schnelleren Weg dorthin gelangt. Das vollständige [dev]-Modell kommt auf rund 32 Milliarden Parameter. Ein einziger Checkpoint übernimmt sowohl die Erzeugung neuer Bilder als auch die Bearbeitung bestehender Bilder – ein separates Tool ist nicht erforderlich.

Der praktische Vorteil des größeren Sprachmodells zeigt sich bei dichten Prompts: Es versteht sie tatsächlich. Bei der Anweisung „ein Glas Wasser auf einem Holztisch im Nachmittagslicht“ trifft es Brechung, warmen gerichteten Schatten und Holzmaserung häufiger richtig, weil das Mistral-Modell Weltwissen einbringt, statt nur statistisch zu raten. Auch strukturierte Prompts mit beschrifteten Feldern wie Motiv, Umgebung, Licht, Farbpalette und Stil werden unterstützt. Das ähnelt eher einem Kreativbriefing als einem einzelnen Satz.

Für die Produktion zählen vor allem zwei Werte. Die native Ausgabe reicht bis 4 Megapixel und genügt damit ohne Hochskalierung für Web und die meisten Social-Media-Formate. Außerdem kann eine Generierung gleichzeitig auf bis zu 10 Referenzbildern basieren – genau dadurch werden Figuren und Produkte konsistent gehalten.

Die fünf Varianten im Überblick

Genau hier liegen reine Datenblattvergleiche oft daneben: Die fünf Varianten bilden keine Qualitätsleiter, auf der es nur nach oben geht. Sie sind für fünf unterschiedliche Aufgaben gedacht. Die Preise entsprechen den offiziellen API-Tarifen von Black Forest Labs pro Megapixel. Ein Megapixel (MP) entspricht ungefähr einem Bild mit 1000x1000 Pixeln, ein übliches 1MP-Bild kostet also etwa den jeweils aufgeführten Betrag.

Für die meisten Designer ist [klein] 4B der beste Einstieg. Es ist die einzige Variante mit Apache-2.0-Lizenz. Dadurch kann sie auf der eigenen Maschine betrieben und ihr Output ohne Einschränkungen verkauft werden. Das große 32B-Modell wird auf 4 Milliarden Parameter destilliert, läuft auf einer Consumer-Grafikkarte mit etwa 8GB VRAM (einer RTX 3090 oder 4070) und rendert in weniger als einer halben Sekunde. Über die BFL-API ist es ab $0.014/MP verfügbar. Bei fal lässt sich außerdem eine nicht destillierte „Base“-Version für $0.009/MP mieten, die Geschwindigkeit gegen einstellbare Qualität und die Möglichkeit zum LoRA-Training tauscht.

[pro] ist die Standardwahl für die Produktion. Mit $0.03/MP pro Generierung steht die Variante an der Spitze der Bildrangliste von LM Arena: Das v1.1-Update erreicht rund 1265 ELO und liegt damit gleichauf mit GPT Image. Die API unterstützt bis zu 8 Referenzbilder, die Renderzeit beträgt vier bis acht Sekunden. Für Anzeigenvarianten oder Produktaufnahmen in einer gehosteten Pipeline ist das die passende Wahl.

[flex] ist für Schrift gedacht. Die meisten Bildmodelle verstümmeln Text noch immer, und [flex] ist die Antwort von Black Forest Labs darauf. Sampling-Schritte und Guidance Scale sind zugänglich, sodass sich das Modell stärker auf Lesbarkeit trimmen lässt. Es wurde für mehrstufige Typografie, Infografiken mit echten Zahlen, UI-Mockups und dichte Beschriftungen optimiert. Mit $0.05/MP ist es die richtige Wahl für Poster, Diagramme oder Bildschirmansichten – nicht für klassische Szenen. LoRA-Gewichte werden ebenfalls unterstützt, sodass eine Marke ihr eigenes Schriftsystem im Modell verankern kann.

[max] ist die Variante für Print- und Hero-Motive. Hier läuft dieselbe 32B-Architektur ohne Abkürzungen in voller Qualität, ab $0.07/MP. Hinzu kommt eine Funktion, die den anderen Varianten fehlt: Web-Grounding in Echtzeit. Das Modell kann während der Generierung im Web suchen, um etwa die Verpackung eines gerade erschienenen Produkts oder ein aktuelles Ereignis korrekt abzubilden, statt aus eingefrorenen Trainingsdaten etwas zu erfinden. Sinnvoll ist [max] daher gezielt für das eine Motiv, das groß ausgespielt wird.

[dev] ist das offene Labor. Die Gewichte mit 32 Milliarden Parametern lassen sich bei Hugging Face kostenlos unter einer nicht kommerziellen Lizenz herunterladen. Zum Veröffentlichungszeitpunkt war es gemessen an der Parameterzahl das leistungsfähigste Open-Weight-Bildmodell. Einen gehosteten BFL-Endpunkt gibt es nicht; das Modell muss selbst betrieben werden. In voller Präzision benötigt es 80GB GPU-Speicher, eine auf 4 Bit quantisierte Version passt dagegen mit etwa 20GB auf eine RTX 4090. Bei der Quantisierung werden die Zahlen des Modells mit geringerer Präzision gespeichert. Das reduziert den Speicherbedarf erheblich, kostet aber etwas Qualität. [dev] richtet sich an Menschen, die Modelle feinabstimmen oder erforschen – nicht an alle, die lediglich ein Bild benötigen.

Wo FLUX 2 an realen Briefings scheitert

Zu jeder Variante gehören ehrliche Schwächen. Ästhetisch ist FLUX.2 solide, aber selten magnetisch. Wird dasselbe Briefing in Midjourney und FLUX.2 eingegeben, wirkt das Midjourney-Ergebnis meist stärker von einer Art Direction geprägt: besseres Licht, klarere Stimmung und der Eindruck einer bewussten Komposition. FLUX.2 liefert ein korrektes, steuerbares Bild, das häufig einen zweiten Durchgang benötigt, bevor es wirklich gewollt aussieht. Für eine offene Moodboard-Exploration ist das eine spürbare Lücke.

Außerhalb von [flex] bleibt Schrift unzuverlässig. Die Basismodelle bekommen kurze, klare Texte inzwischen recht ordentlich hin. Bei einem Absatz, einer Logo-Wort-Bild-Kombination oder perspektivischer Schrift entsteht jedoch weiterhin plausibel aussehender Unsinn. [flex] verkleinert dieses Problem, löst es aber nicht. Generierte Schrift sollte als Platzhalter gelten, der später in Figma oder Illustrator neu aufgebaut wird – nicht als finales Gestaltungselement.

Das Modell belohnt ausführliche Prompts und bestraft Bequemlichkeit. Das Mistral-Gehirn ist auf detaillierte, strukturierte Eingaben ausgelegt. Drei Wörter führen zu einem generischen Ergebnis; sichtbar besser wird es, wenn Motiv, Licht, Palette und Komposition in separaten Feldern beschrieben werden. Das kostet mehr Arbeit, als Midjourney lediglich eine Stimmung vorzugeben.

[dev] setzt ernsthafte Hardware voraus. „Offene Gewichte“ klingt kostenlos, bis der Preis der GPU berücksichtigt wird. Auf einer 4090 benötigt ein Megapixel mit 4-Bit-Quantisierung ungefähr 15 Sekunden. Wird das Modell per Offloading auf einer 8GB-Karte betrieben, kann ein einziges Bild eine Minute oder länger dauern. Für die meisten Teams sind die gehosteten Endpunkte von klein oder pro günstiger als Stromverbrauch und Wartezeit.

Welche FLUX.2-Variante passt zur eigenen Arbeit?

Die richtige Wahl hängt weniger vom Budget ab als davon, wo die Arbeit stattfindet und wer die Kontrolle darüber behalten muss.

Die Entscheidungsregel: Muss der Output verkauft und auf eigener Infrastruktur erzeugt werden, ist [klein] 4B wegen der Apache-2.0-Lizenz der richtige Startpunkt. Ein Wechsel nach oben lohnt sich erst, wenn eine konkrete Aufgabe – Typografie, Hero-Qualität oder aktuelle Informationen aus dem Web – ihn erzwingt. [max] sollte nicht allein deshalb die Standardwahl sein, weil es die beste Variante ist: Sein Preis liegt beim Fünffachen des klein-Tarifs, obwohl die meiste Produktionsarbeit diese zusätzliche Qualität nicht benötigt.

Für die Einordnung von FLUX.2 gegenüber geschlossenen Angeboten ist vor allem der Vergleich mit Googles Editor relevant. Nano Banana im Überblick zeigt, wo ein auf Fotos spezialisiertes Modell bei sauberen Bearbeitungen die Nase vorn hat.

Ist FLUX 2 kostenlos?

Teilweise. Die [dev]- und [klein]-Modelle werden als offene Gewichte angeboten, die sich kostenlos herunterladen und betreiben lassen. Die Apache-2.0-Lizenz von [klein] 4B erlaubt sogar den Verkauf der erzeugten Ergebnisse. Die gehosteten Varianten [pro], [flex] und [max] werden über die API von Black Forest Labs pro Megapixel abgerechnet – von $0.03 bis $0.07/MP.

Ist FLUX.2 Open Source?

Die Gewichte von [dev] und [klein] sind offen; der Code und die Gewichte von [pro] und [max] sind es nicht. Nur [klein] 4B besitzt mit Apache 2.0 eine wirklich freizügige Lizenz. [dev] und [klein] 9B verwenden eine nicht kommerzielle Lizenz, die die Gewichte beschränkt, eine kommerzielle Nutzung des Outputs aber zulässt.

Was kostet FLUX.2?

Über die BFL-API reichen die Preise von $0.014/MP für [klein] bis $0.07/MP für [max]. [pro] bildet mit $0.03/MP den besten Kompromiss für die Produktion. Wer [dev] oder [klein] auf der eigenen GPU betreibt, zahlt neben Hardware und Strom nichts für die Generierung.

Wofür eignet sich FLUX.2?

Für steuerbare, markenkonsistente Produktionsbilder: Anzeigenvarianten, Produktfotografie, UI-Mockups und alle Aufgaben, die fest definierte Farben oder dieselbe Figur beziehungsweise dasselbe Produkt über viele Frames hinweg verlangen. Schwächer ist das Modell bei stimmungsvollen, stark inszenierten Explorationen, bei denen Midjourney führt.

Die nächste Modellanalyse direkt in der Woche der Veröffentlichung – mit echten Preisen und gestalterischem Anspruch statt Hype? Newsletter abonnieren und jede neue Ausgabe per E-Mail erhalten.