FLUX 3 Alternativen: 8 Modelle, die man heute wirklich kaufen kann

Warum das eine Kauffrage ist

Ich verbringe meine Zeit damit, wie Suchintention auf eine echte Kaufentscheidung trifft, und "FLUX 3 alternatives" ist eines der klarsten Beispiele, die ich dieses Jahr gesehen habe. Niemand tippt das, weil er FLUX 3 für schlecht hält. Sie tippen es, weil sie die Ankündigung gelesen, nach dem Endpunkt gesucht und ein Formular gefunden haben.

Hier ist die Launch-Leiter, wie Black Forest Labs sie beschrieben hat, und wo jede Sprosse tatsächlich steht.

Vier angekündigte Fähigkeiten, null veröffentlichte Preise. Video ist Early Access hinter einem Anfrageformular. Aktionsvorhersage ist auf ausgewählte Partner beschränkt. Bildgenerierung wurde als in den kommenden Wochen erscheinend beschrieben. Das Open-Weight-Backbone hat überhaupt kein Datum.

Das ist keine Kritik an der Forschung. Es ist eine Terminfrage, und wenn du dieses Quartal etwas ausliefern willst, entscheidet sie die Frage für dich. Dieselbe Unterscheidung zeigt sich, wenn Teams maßgeschneiderte KI-Modelle allgemein bewerten: Die Demo und die SKU sind unterschiedliche Artefakte, und nur eine von beiden hat ein Launch-Datum.

Die Kurzliste im Vergleich

Jeder Preis unten stammt aus der eigenen Preisliste des Anbieters, geprüft am 4. August 2026. Die Video-Spalte ist ein zehnsekündiger 720p-Clip, weil das die Spezifikation in FLUX 3s veröffentlichten Präferenztests ist.

Zwei Dinge springen aus dieser Tabelle heraus. Erstens hat das gesamte Feld eine Zahl, außer dem Modell, wegen dem du hier bist. Zweitens ist die Spanne zwischen günstigstem und teuerstem audio-nativem Video achtfach, was bedeutet, dass die Wahl lange vor einer Geschmacksentscheidung eine Budgetentscheidung ist.

Was ein Clip wirklich kostet

Preise pro Sekunde sind, wie Anbieter kalkulieren, und Gesamtsummen pro Clip sind, wie Finance sie liest. Wähle eine Spezifikation, und die echte Zahl erscheint.

Google Veo 3.1 und Nano Banana 2

Am besten für Teams, die audio-natives Video zum niedrigsten veröffentlichten Preis wollen.

Das ist das unangenehme für FLUX 3, denn Gemini Omni Flash ist genau da, wo der eigene Präferenztest des Anbieters bei 52 % landet. Ein Münzwurf gegen die Modellfamilie, deren günstigste Audio-Stufe fünf Cent pro Sekunde kostet, ist kein bequemer Ort, um zu starten.

Die Preisliste von Veo 3.1 hat drei Stufen, alle pro Sekunde bepreist und alle standardmäßig mit Audio. Lite kostet 0,05 $ bei 720p und 0,08 $ bei 1080p. Fast kostet 0,10 $ und 0,12 $. Standard liegt bei beiden flach bei 0,40 $ und bei 4K bei 0,60 $.

Die Bildseite derselben API wird pro Token bepreist und läuft auf 0,067 $ für ein Nano Banana 2 Bild in 1K hinaus. Die Lite-Variante liegt bei 0,0336 $, und Nano Banana Pro bei 0,134 $ für dieselbe Größe.

Wo es Grenzen hat. Veo 3.1 ist ein Preview-Modell, das sich laut Google noch ändern kann, bevor es stabilisiert, und das mit strengeren Rate-Limits kommt. Es gibt für keine Veo-Generation eine kostenlose Stufe. Grounding-Suche wird nach dem gemeinsamen monatlichen Kontingent separat mit 14 $ pro 1.000 Anfragen berechnet.

Was es kostet. 0,50 $ für den zehnsekündigen 720p-Clip bei Lite, 4,00 $ bei Standard. Diese achtfache interne Spanne ist die eigentliche Entscheidung innerhalb der Veo-Familie, nicht die Entscheidung zwischen Veo und irgendetwas anderem.

Fazit. Wenn Preis pro nutzbarer Sekunde deine Beschränkung ist, fang hier an und hör auf zu suchen. Die Nano Banana 2 Review geht tiefer auf die Bildseite ein.

OpenAI Sora 2

Am besten für Arbeit mit hohem Volumen, die eine Warteschlange verträgt.

Sora 2 kostet 0,10 $ pro Sekunde bei 720p, und das ist der einzige Ort im Feld, an dem ein Batch-Rabatt veröffentlicht ist: Dieselbe Generierung fällt im Batch-Modus auf 0,05 $ pro Sekunde, was mit Veo 3.1 Lite für den günstigsten zehnsekündigen Clip im Feld gleichzieht. Sora 2 Pro fügt Auflösung hinzu, für 0,30 $ pro Sekunde bei 720p, 0,50 $ bei 1024p und 0,70 $ bei 1080p.

Wo es Grenzen hat. Standard-Sora-2 endet bei 720p, sodass jede 1080p-Arbeit zu Pro wechseln muss und die Rate ungefähr verdreifacht. Der Batch-Modus tauscht Latenz gegen den Rabatt, was ihn für alles Interaktive ausschließt.

Was es kostet. 1,00 $ für den zehnsekündigen 720p-Clip im Standard, 0,50 $ im Batch, 7,00 $ bei Pro in 1080p.

Fazit. Die stärkste Preis-Leistungs-Option für Pipeline-Arbeit, bei der nichts auf das Rendering wartet. Sora hat außerdem die breiteste Tooling-Oberfläche der Gruppe, weshalb so viele Sora 2 Integration Seiten existieren.

Luma Ray 3.2 und Uni-1.1

Am besten für Aufnahmen, die Regie brauchen statt nur einen Prompt.

Luma hat in den FLUX 3 Evals die schlimmste Klatsche bekommen, mit 93 % der Bewerter, die FLUX 3 bevorzugten. Es ist auch der einzige Anbieter hier, der Frame-genaue Kontrolle als Hauptmerkmal verkauft: Multi-Keyframe setzt bis zu 16 Keyframes innerhalb eines einzigen Clips, Video-zu-Video läuft bis zu 20 Sekunden, und das Modell bietet native HDR-Generierung plus 16-Bit-EXR-Export, sodass die Ausgabe neben Live-Action-Aufnahmen zusammengesetzt werden kann.

Wo es Grenzen hat. Luma bepreist pro Clip statt pro Sekunde, und die Kurve ist steil. Ein fünfsekündiger 720p-Clip kostet 0,30 $, aber zehn Sekunden kosten 0,90 $, sodass die zweite Hälfte des Clips doppelt so viel kostet wie die erste. HDR verdoppelt den Preis, und HDR mit EXR verdreifacht ihn. Pay-as-you-go bringt Rate-Limits und kein Latenz-SLA mit sich, und die Uni-1.1-Bildpreise stehen gar nicht erst auf der öffentlichen Seite.

Was es kostet. 0,30 $ für fünf Sekunden bei 720p, 0,90 $ für zehn. Bei 1080p werden daraus 1,20 $ und 3,60 $.

Fazit. Die beste Wahl, wenn du eine Aufnahme lenken musst, statt zu würfeln, und die schlechteste Wahl, wenn deine Clips lang sind. Lumas Preisseite hat das vollständige Raster, und der Überblick zu Luma Alternativen deckt den Rest ab.

Kling 3.0 Omni

Am besten für die Bearbeitung von bestehendem Video mit Audio in einem Durchgang.

Kling ist bereits über die Version hinaus, die Black Forest Labs benchmarkt hat. Die FLUX 3 Tabelle zitiert Kling v3 Pro mit 60 %, während die aktuelle API-Dokumentation Kling 3.0, 3.0 Turbo und 3.0 Omni ausliefert. Omni ist der interessante, weil er Video-Input als vollwertigen Modus bepreist statt als Nachgedanken.

Wo es Grenzen hat. Das ist der einzige Anbieter in der Gruppe mit einer echten Einstiegshürde. Man kauft Prepaid-Einheitenpakete, das kleinste Video-Paket kostet 700 $ für 5.000 Einheiten, und jedes Paket hat eine Gültigkeit von 180 Tagen ohne Übertrag und ohne Verlängerung. Die Nebenläufigkeit ist bei den Standardpaketen auf 20 begrenzt. Es gibt keine Möglichkeit, für 5 $ auszuprobieren.

Was es kostet. Eine Einheit kostet 0,14 $ Listenpreis. Omni mit nativem Audio und ohne Video-Input sind 0,8 Einheiten pro Sekunde bei 720p, also 1,12 $ für zehn Sekunden. Video-Input hinzuzufügen erhöht auf 0,9 Einheiten pro Sekunde. 4K sind 3,0 Einheiten pro Sekunde, oder 0,42 $, in jedem Modus.

Fazit. Starkes Modell, unbequeme kommerzielle Form für einen ersten Test. Wenn die 700-$-Untergrenze das Hindernis ist, hat Klings Preisseite die kleineren Bildpakete für 350 $, und die Kling Reviews Seite behandelt, wie es sich in der Praxis schlägt.

Runway Gen-4.5 und Aleph 2.0

Am besten für eine Integration, die mehrere Modelle erreicht.

Runway hat sein FLUX 3 Kopf-an-Kopf-Duell mit 77 % verloren, und beantwortet das auf die praktischste verfügbare Weise: Es verkauft die Konkurrenz weiter. Die Runway API Modellliste bedient jetzt gen4.5, aleph2, seedance2 in drei Größen und gpt-image-2 von einer einzigen Oberfläche aus, und die Credit-Pläne beinhalten Nano Banana Pro Bilder. Ein Key, vier Labs.

Wo es Grenzen hat. Runway ist hier der einzige Anbieter, der keine direkte Pro-Sekunde-API-Rate veröffentlicht. Alles läuft über Credits, also bepreist man nach Äquivalenz: Der 15-$-Plan sind 625 Credits, was laut Runway 52 Sekunden von Gen-4.5 entspricht, und der 95-$-Plan sind 9.500 Credits, oder 791 Sekunden. Credits werden bei den mittleren Plänen einen Monat übertragen und beim Einstiegsplan gar nicht. Seedance-Generierungen über Runway sind bei 15 Sekunden gedeckelt.

Was es kostet. 15 $/Monat für 52 Sekunden Gen-4.5, oder 95 $/Monat für 791 Sekunden. Die effektive Sekundenrate verbessert sich zwischen diesen beiden Plänen um etwa das 2,4-Fache, was die Planwahl zum größten Kostenhebel macht.

Fazit. Die pragmatische Wahl, wenn du lieber einmal integrierst statt fünfmal. Runway Gen-4.5 hat die Modelldetails, und Runway Pricing schlüsselt die Credit-Rechnung weiter auf.

Seedance 2.0 auf BytePlus

Am besten für kinoreife Optik und einen veröffentlichten 4K-Weg.

Seedance ist der zweite 52-%-Münzwurf in den FLUX 3 Evals, und rechnet anders ab als alles andere hier. BytePlus bepreist per Token, wobei die Token-Anzahl eine Funktion aus Dauer, Ausgabedimensionen und Bildrate ist. Die Rate pro Million sinkt dann mit steigender Auflösung, von 7,00 $ bei 720p auf 4,00 $ bei 4K, was das Gegenteil jeder anderen Preisliste in diesem Beitrag ist. Der Clip kostet bei 4K trotzdem mehr, weil die Token-Anzahl schneller wächst als die Rate fällt.

Wo es Grenzen hat. Token-Abrechnung ist von allen Anbietern hier am schwierigsten zu prognostizieren. Wenn die Eingabe Video enthält, gelten Mindest-Token-Verbrauchsgrenzen, sodass kurze Bearbeitungen mehr kosten können, als die Formel nahelegt. BytePlus verweist auf einen Tabellenkalkulations-Rechner statt auf eine Preistabelle, und die tatsächliche Gebühr steht erst fest, wenn die API ihre Token-Anzahl zurückgibt.

Was es kostet. BytePlus veröffentlicht durchgerechnete Beispiele, was die ehrliche Art ist, es zu lesen: Ein fünfsekündiger 720p-Clip kostet 0,76 $, oder 0,15 $ pro Sekunde. Fast kostet 0,60 $ und Mini 0,38 $ bei derselben Spezifikation. Bei 1080p kosten fünf Sekunden 1,87 $. Video-Input hinzuzufügen weitet einen zehnsekündigen 720p-Job je nach Länge der Eingabe auf 0,84 $ bis 1,86 $ aus.

Fazit. Exzellente Optik, echter Prognoseaufwand. Wenn du Seedance ohne die Token-Rechnerei willst, verkauft Runway es auf Credit-Basis weiter.

Grok Imagine 1.5

Am besten für Video aus Audio zu erstellen, das du bereits hast.

Grok Imagine hat sein Kopf-an-Kopf-Duell mit 69 % verloren, besitzt aber eine Fähigkeit, die sonst niemand in dieser Tabelle bewirbt: Die xAI Modellkarte listet grok-imagine-video-1.5 als Text, Bild und Audio zu Video. Alle anderen generieren das Audio. Dieses hier kann deins verwenden.

Wo es Grenzen hat. Es ist hier die teuerste Pro-Sekunde-720p-Option mit 0,14 $, ungefähr das Dreifache von Veo 3.1 Lite bei derselben Auflösung. Medien-Input wird separat mit 0,01 $ pro Bild berechnet. Es gibt keine Batch-Stufe.

Was es kostet. 0,08 $ pro Sekunde bei 480p, 0,14 $ bei 720p, 0,25 $ bei 1080p. Bilder sind mit 0,02 $ das Schnäppchen der Lineup, oder 0,05 $ beim Qualitätsmodell.

Fazit. Den Aufpreis nur wert, wenn audiogesteuerte Generierung der Punkt ist. Ansonsten deckt die Grok Imagine Seite ab, wo es passt, und 0,02-$-Bilder sind schwer zu schlagen.

FLUX.2, wenn du bei Black Forest Labs bleiben willst

Am besten für das Ausliefern von Bildern beim gleichen Anbieter, während FLUX 3 die Bahn räumt.

Die FLUX.2 Preisliste ist vollständig öffentlich und rechnet pro Megapixel, wobei 1 MP gleich 1024x1024 ist. [max] kostet 0,07 $ für das erste Megapixel und 0,03 $ für jedes weitere. [pro] kostet 0,03 $ und 0,015 $. [klein] 9B kostet 0,015 $ und 0,002 $, und [klein] 4B kostet 0,014 $ und 0,001 $. [flex] berechnet einen Flat-Rate von 0,05 $ pro Megapixel ohne Mindestpreis pro Bild. Referenzbilder zählen jeweils als volles Megapixel, und alles über 4 MP wird verkleinert. Die Dokumentation beschreibt FLUX.2 weiterhin als die empfohlene Familie für alle Anwendungsfälle.

Wo es Grenzen hat. Nur Bilder, ersetzt also nur eine von FLUX 3s vier angekündigten Fähigkeiten und keinen Teil des Videos. Bei Prompt-Treue liegt es ebenfalls zurück. Ein Praktiker, der eine Benchmark-Seite betreibt, hat dazu Zahlen geliefert:

"Flux.2 scored 5, Ideogram4 scored 8, and gpt-image-2 scored 12 out of 15."

vunderba, Hacker News

Was es kostet. 0,03 $ für ein einzelnes 1024x1024-Bild bei [pro], oder 0,014 $ bei [klein] 4B, was das günstigste Bild in diesem gesamten Überblick ist.

Fazit. Die richtige Wahl, wenn Anbieterkontinuität wichtiger ist als ein gewonnener Prompt-Treue-Test. Wenn nicht, vergleiche vor der Standardisierung mit GPT Image 2 und Midjourney, und schau für den Abo-Weg bei Midjourney Preisen oder Ideogram Preisen vorbei.

Was die Open-Weights-Community wirklich sagt

FLUX 3 Dev ist die Sprosse, um die sich die meisten im Launch-Thread am meisten gesorgt haben, und es ist die ohne Datum. Das lässt das aktuelle Open-Weight-Regal übrig: FLUX.2 [dev] und [klein], plus die Familien Qwen und Z-Image. Die Lizenzstufen, die es gibt, decken nur [klein] und [dev] ab, beginnend mit einem Builder-Plan, der auf 10.000 Bilder im Monat auf einer Domain gedeckelt ist.

Zwei Haken kamen von Leuten, die diese lokal betreiben, immer wieder zur Sprache. Der erste ist Destillation:

"dev variants are usually cfg distilled which means that directly finetuning isn't as effective."

musebox35, Hacker News

Der zweite ist Hardware und Lizenzbedingungen, vom selben Betreiber, der die obige Score-Tabelle veröffentlicht hat, dazu, warum die vorherige Open-Veröffentlichung enttäuschte. Ihre zwei Gründe waren VRAM und Geschwindigkeit gegenüber Alternativen, die zur gleichen Zeit veröffentlicht wurden, sowie eine Lizenz, die sich übermäßig restriktiv anfühlte.

Es ist nicht nur Skepsis. Ein Kommentator betreibt FLUX.2 dev lokal auf einer einzelnen RTX 5090 mit einem Prompt-Upsampler und greift lieber dazu als zu proprietären Modellen, was das ehrliche Gegengewicht ist: Ein Modell, das man auf eigener Hardware laufen lassen kann, gewinnt auf Achsen, die ein Benchmark nicht misst. Wenn das deine Spur ist, ist die Bildbearbeitung mit Qwen der nächstgelegene Live-Vergleich, und das Trainieren eines KI-Modells deckt die Fine-Tuning-Seite ab.

Wie man den Bake-off selbst durchführt

Hier ist der Teil, der mir am wichtigsten ist, weil es derselbe Fehler ist, den ich Käufer bei Support-KI machen sehe. Eine Präferenzrate des Anbieters wird mit den Prompts des Anbieters gemessen. "Bis zu 93 %" und "52 %" stammen aus demselben Eval; das Marketing zitiert die erste Zahl, und deine Renders landen näher an der zweiten.

1. Lege die Spezifikation fest, bevor du eine API anfasst. Gleicher Prompt, gleiche Dauer, gleiche Auflösung, gleiche Audioeinstellung für jedes Modell. Die Hälfte der Vergleiche, die ich online sehe, ist ein fünfsekündiger 720p-Clip, der gegen einen zehnsekündigen 1080p-Clip beurteilt wird.
2. Nutze dein eigenes Material und dein eigenes Briefing. Anbieter-Showreels sind ausgewählte Takes. Die tatsächliche Shotlist deiner Marke ist der Ort, an dem Modelle wirklich auseinanderdriften.
3. Bepreise den fertigen Clip, nicht den ersten. Wenn ein billiges Modell vier Versuche braucht und ein teures nur einen, hat das billige Modell verloren. Das ist die Zahl, die es entscheidet.

Ich habe genau diese Disziplin auf unserer eigenen Seite ein Geschäft entscheiden sehen. Ein Interessent hat eine methodische 67-Tests-Evaluierung unserer KI durchgeführt. Die Wissensantworten kamen solide zurück, und sie besuchten die Abrechnungsseite dreimal, was ein so starkes Kaufsignal ist, wie es nur geht. Dann gingen sie, weil das Chat-Widget langsam war und hängen blieb. Was das Geschäft getötet hat, stand nie im Funktionsvergleich. Keine Präferenzraten-Tabelle hätte es aufgedeckt, und keine Anbieter-Demo hätte es auch. Nur ihre eigenen 67 Tests haben es getan.

Das ist das gesamte Argument dafür, den eigenen Bake-off zu machen, und es ist der Grund, warum ich kein Videomodell allein aus der Eval-Tabelle eines Launch-Beitrags wählen würde, meinen eingeschlossen. Dieselbe Logik durchzieht, wie wir über KI-Halluzinationen und Konfidenzschwellen denken: Der Fehler, den du nicht mit deinen eigenen Daten gemessen hast, ist der, der ausgeliefert wird.

Für den Mechanismus, den all diese Modelle teilen, ist Diffusionsmodelle erklärt die Hintergrundlektüre. Der breitere Überblick lebt in den besten generativen KI-Tools.

Wenn dein Grund, Clips zu generieren, Content statt Film ist, ist KI-Blog-Automatisierung der praktische Einstiegspunkt, und der KI-Videoskript-Generator deckt den Schritt vor dem Rendern ab. Was danach passiert, steht in Videos zu Blogs hinzufügen.

Try eesel

Ein Videomodell auszuwählen und eine Support-KI auszuwählen erweisen sich als dieselbe Übung: Beide wirken, als würden sie von einem Benchmark entschieden, und werden tatsächlich davon entschieden, was mit deinen eigenen Daten passiert. Das ist der Teil, den eesel sich weigert zu überspringen.

eesel spielt einen vorgeschlagenen KI-Agenten über deine echten vergangenen Tickets ab, bevor er einem einzigen Live-Kunden antwortet, sodass du die tatsächliche Lösungsrate, die tatsächlichen Lücken und die tatsächlichen Kosten pro gelöstem Ticket bei deinem eigenen Volumen siehst, statt beim Demo-Set eines Anbieters. Es verbindet sich mit dem Helpdesk, den du bereits nutzt, lernt aus deiner Historie statt aus einer skriptgesteuerten Szenarioliste, und zeigt dir die Zahl, bevor du dich darauf festlegst. Derselbe Grund, warum das Feld oben nach veröffentlichtem Preis und nicht nach Präferenzrate geordnet ist: Zahlen, die du überprüfen kannst, schlagen Zahlen, die dir gezeigt werden.

Wenn du dich bereits fragst, für welches Modell du bezahlen sollst, ist das der richtige Instinkt. Stell dieselbe Frage auch deinem Support-Stack, und fang mit der Simulation an statt mit dem Wechsel. Try eesel kostenlos.

Derselbe Rahmen durchzieht generative KI für den Kundenservice und welches LLM am besten für den Support passt. Und für einen Launch, der seine Preisliste tatsächlich am ersten Tag veröffentlicht hat, ist DeepSeek V4 Flash Pricing der Kontrastfall, neben GPT-5.6.