Flux ist keine einzelne Datei, sondern eine ganze Familie von Bildmodellen. Sie begann 2024 mit einer ersten Generation, bekam unterwegs einen eigenen Zweig für Bearbeitung und steht inzwischen bei der zweiten Generation. Das offene Mitglied, das man tatsächlich auf der eigenen Hardware laufen lassen kann, ist die kompakte Variante dieser Generation, im Januar 2026 veröffentlicht. Ihr Auftrag ist eng und klar: die Latenz der Erzeugung auf ein interaktives Maß drücken und die Gewichte freigeben, damit andere selbst hosten können.

Ein Modell für Erzeugen und Bearbeiten

Die kompakte Fassung legt Erzeugung und Bearbeitung in eine einzige Architektur. Text zu Bild, Bearbeitung mit einer Referenz und Komposition aus mehreren Referenzen erledigt derselbe Satz Gewichte, es wird also nicht zwischen Modellen gewechselt. Für Anwender ist der Unterschied handfest: einen Prompt schreiben und ein Bild bekommen, eine Referenz hineinlegen und einen Teil ändern, oder Elemente aus zwei, drei Bildern zu einem neuen Rahmen zusammenziehen — alles läuft durch dieselbe Kette, und für den dritten Fall muss kein eigenes Bearbeitungsmodell dazukommen.

Der Name kommt aus dem Deutschen und meint klein — gemeint sind Größe und Latenz, nicht eine beschnittene Fähigkeit. Die veröffentlichte Angabe für die Inferenz von Ende zu Ende erreicht den Bereich unter einer Sekunde. Die größere der beiden Größen besteht aus einem Fluss-Modell mit neun Milliarden Parametern und einem Textencoder mit acht Milliarden; nach der Destillation laufen vier Sampling-Schritte. Genau diese einstellige Schrittzahl setzt sie eine Größenordnung vor einen üblichen Diffusionsaufbau.

Zwei Größen, zwei Lizenzen

Die Familie gibt es in einer Neun-Milliarden- und einer Vier-Milliarden-Größe, und entscheidend ist weniger die Bildqualität als die Lizenz. Die kleine ist vollständig offen unter Apache 2.0: kommerzielle Nutzung, Veränderung und Weitergabe ohne Bedingungen, weshalb sie auf lokale Entwicklung und auf Betrieb am Rand des Netzes zielt. Die große ist das Flaggschiff dieser kleinen Klasse und stärker in der Qualität, aber ihre offenen Gewichte stehen unter einer nicht-kommerziellen Lizenz; wer sie gewerblich nutzen will, verhandelt separat. Neben den destillierten Fassungen gibt es eine undestillierte Basis, die das volle Trainingssignal behält — das richtige für Feintuning, Adapter-Training und eigene Ketten, und vielfältiger im Ergebnis als die destillierte Fassung.

Speicherbedarf und quantisierte Fassungen

Für die Vier-Milliarden-Fassung nennt das Datenblatt rund dreizehn Gigabyte Grafikspeicher, womit eine mittlere bis gehobene Spielkarte der letzten beiden Generationen ausreicht; die große Fassung verlangt deutlich mehr. Zusammen mit einem Grafikkartenhersteller wurde ein kompletter Satz quantisierter Fassungen in zwei reduzierten Genauigkeiten freigegeben. Auf den beiden jüngsten Generationen von Oberklasse-Karten bei quadratischer Ausgabe von 1024 Pixeln lauten die veröffentlichten Werte: das erste Format bis zu eineinhalbmal schneller bei bis zu vierzig Prozent weniger Speicher, das zweite bis zu annähernd dreimal schneller bei bis zu fünfundfünfzig Prozent weniger Speicher. Die quantisierten Fassungen tragen dieselbe Lizenz wie das Original, gleiche Fähigkeit bei kleinerem Platzbedarf.

Wie man es tatsächlich betreibt

Die Gewichte liegen offen bei einem Modell-Hostingdienst, und eine Referenzimplementierung kommt mit dem Sampling-Code mit — der Ort, an dem man ansetzt, wenn man auf Codeebene arbeiten will. Zwei Wege decken den Alltag ab: ein in der Community verbreitetes knotenbasiertes Frontend und die gängige Python-Bibliothek für Diffusion, in der eine eigene Pipeline-Klasse das Modell lädt und Speicherauslagerung die Spitze senkt; die veröffentlichte Modellkarte zeigt genau das. Wer sich nicht mit einer Grafikkarte herumschlagen möchte, ruft stattdessen den gehosteten Endpunkt auf, in beiden Größen, abgerechnet nach Megapixeln der Ausgabe.

Was man im Blick behalten sollte

Die Modellkarte ist offen über die Grenzen. Das Modell ist nicht dafür gedacht, Fakten zu liefern. Es kann Text wiedergeben, doch Schriftzüge geraten oft genug verzerrt. Und als statistisches Modell spiegeln seine Gewichte die Verzerrungen der Trainingsdaten.

Die kleine Größe ist außerdem per Definition eine komprimierte: Bei Schriftzügen und fotorealistischem Detail liegt sie hinter der größeren und hinter den größeren Mitgliedern der Familie, wer einen Qualitätsanspruch hat, sollte also aufsteigen. Ein Punkt zur Zeitachse gehört ebenfalls dazu. Im Juli 2026 kam eine dritte Generation, multimodal, über Bilder, Video, Audio und Bewegungsvorhersage hinweg, doch ihre Bildfähigkeit ist im frühen Zugang und eine Fassung mit offenen Gewichten ist als noch ausstehend vermerkt. Wer heute Gewichte herunterladen und selbst betreiben will, findet in der kompakten zweiten Generation weiterhin die neueste offene Option der Familie.

Zusammengefasst: Für ein Modell, das auf eine Consumer-Karte passt, eine saubere Lizenz für gewerbliche Arbeit mitbringt und Erzeugen wie Bearbeiten ohne Modellwechsel schafft, ist die kleine Fassung die derzeit unkomplizierteste Wahl. Wenn Qualität vorgeht und gewerbliche Nutzung keine Rolle spielt, lohnt der Blick auf die große.