FLUX.1 Kontext [max] ist das oberste Tier der Kontext-Suite von Black Forest Labs, erstmals veröffentlicht am 29. Mai 2025, gebaut um Text-zu-Bild-Generierung und instruktionsbasierte Bearbeitung in einem einzigen Modell statt in zwei separaten Werkzeugen zu vereinen. Diese Multi-Image-Variante erweitert das noch: Statt ein einzelnes Bild anhand eines Text-Prompts zu bearbeiten, akzeptiert sie mehrere Referenzbilder gleichzeitig und komponiert oder bearbeitet über alle hinweg in einem einzigen Durchgang — das dokumentierte Beispiel ist, ein Element aus einem Bild auf ein Motiv in einem anderen zu setzen.
Wo es glänzt
Black Forest Labs positioniert [max] gezielt als das Tier mit verbesserter Prompt-Befolgung und Typografie-Generierung gegenüber [pro], plus höherer Konsistenz bei der Bearbeitung — der Tausch, den die Suite für [max] eingeht, ist etwas mehr Latenz gegen Bildtreue. Auf mehrere Bilder ausgeweitet bedeutet das zuverlässigere Ergebnisse, wenn eine Aufgabe verlangt, ein bestimmtes Objekt, Outfit oder Hintergrundelement aus einem Referenzfoto in eine andere Szene einzufügen, oder das Erscheinungsbild einer Figur zu bewahren, während sie in neue, aus anderen Referenzen stammende Kontexte gesetzt wird.
Wo es an Grenzen stößt
Multi-Image-Compositing ist grundsätzlich schwerer zu steuern als die Bearbeitung eines einzelnen Bildes: Mit mehreren Referenzen im Spiel steigt die Unklarheit darüber, welches Element aus welchem Bild stammt, und Prompts, die jedes Quellbild nicht klar einer Rolle in der Ausgabe zuordnen, führen eher zu Ergebnissen, bei denen das Modell rät. Typografie und feiner Text — eine ausgewiesene Stärke von [max] gegenüber [pro] — verschlechtern sich weiterhin bei kleinem oder dichtem Text, wie in der gesamten FLUX.1-Reihe. Dies ist zudem eine laut Black Forest Labs' eigener Einordnung der Multi-Image-Verarbeitung explizit experimentelle Konfiguration des Modells, das Verhalten ist also weniger praxiserprobt als bei den Single-Image-Kontext-Endpoints.
Hinweise zum Prompting
Multi-Image-Prompts funktionieren am besten, wenn jedem Eingabebild eine klare Rolle in der Anweisung zugewiesen wird — welches Bild liefert das Motiv, welches den Hintergrund oder das zu platzierende Objekt — statt einer allgemeinen Anweisung, die davon ausgeht, dass das Modell die Absicht allein aus der Bildreihenfolge ableitet. Charakter- und Objektkonsistenz, das von Black Forest Labs für die Suite hervorgehobene Merkmal, hält sich über zwei oder drei Bilder hinweg am besten; verlangt man vom Modell, viele Referenzen auf einmal in Einklang zu bringen, steigt die Wahrscheinlichkeit eines inkonsistenten Ergebnisses.
Wann Sie es wählen
Greifen Sie zum [max]-Multi-Image-Tier statt zum [pro]-Multi-Image-Tier, wenn die Aufgabe gezielt bessere Prompt-Befolgung oder saubere Typografie braucht und die zusätzliche Latenz akzeptabel ist — Produktfotografie-Composites, Marketing-Kreativarbeit, die bestimmte Elemente aus mehreren Quellaufnahmen zieht, oder jede Bearbeitung, bei der „nah genug" nicht die Messlatte ist. Für schnellere, iterativere Multi-Image-Bearbeitung, bei der Sie zügig durch Varianten wechseln, passt das [pro]-Multi-Image-Tier besser.
Rechte und Lizenzierung
[max] ist, wie [pro], ausschließlich über die API von Black Forest Labs und kommerzielle Partner verfügbar — es handelt sich nicht um eine Open-Weight-Veröffentlichung. Black Forest Labs hat ein Open-Weight-Geschwistermodell veröffentlicht, FLUX.1 Kontext [dev], unter der FLUX.1 Non-Commercial License, doch diese Lizenz erstreckt sich nicht auf [max] oder [pro], und [dev] enthält nicht die Multi-Image-Verarbeitung, die diese Variante bietet.
Alternativen im Vergleich
Für allgemeine Single-Image-Bearbeitung ohne den Bedarf an Multi-Referenz-Compositing deckt gpt-image-1 Generierung, Bearbeitung und Inpainting über einen einzigen, einheitlichen Endpoint ab. Für Teams, die ökosystemübergreifend vergleichen, ist gemini-3-pro-image-preview Googles aktuelles Spitzenmodell für Bilder und ein sinnvoller Vergleichspunkt bei allgemeiner kompositorischer Bearbeitungsqualität.
Letzte technische Überprüfung: 2026-09-14 — Tokonomix.ai