Black Forest Labs: FLUX.2 Flex

FLUX.2 Flex ist ein Bildgenerierungsmodell von Black Forest Labs, dem Studio hinter der FLUX-Familie von Bildmodellen. Es befindet sich auf api14 in der Kategorie Bild, und der Anbieter hat es am 25. November 2025 veröffentlicht. Wer die FLUX-Reihe bereits kennt, für den ist dies die Variante, die auf detailliertes Rendering und referenzgesteuerte Bearbeitung ausgelegt ist statt auf ein allgemeines Textmodell.

Das Modell nimmt Text- und Bildeingaben entgegen und gibt Bilder zurück. Sein Kontextfenster umfasst 67.344 Token, mit einer maximalen Ausgabe von 60.609. Der Anbieter beschreibt FLUX.2 Flex als stark beim Rendern von komplexem Text, Typografie und feinen Details, und es unterstützt Multi-Referenz-Bearbeitung innerhalb derselben einheitlichen Architektur. In der Praxis bedeutet das, dass Sie einen Prompt oder einen Prompt plus bis zu acht Eingabereferenzen senden und ein generiertes oder bearbeitetes Bild zurückerhalten. Das Seitenverhältnis ist auswählbar aus 1:1, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9 oder auto, und die Ausgabe kann als png oder jpeg geschrieben werden.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Aufgaben hin. Textlastige Bilder sind die offensichtliche: Poster, Verpackungs-Mockups, Banner und Social Assets, bei denen die Beschriftung lesbar und korrekt geschrieben herauskommen muss. Das Rendern feiner Details eignet sich für Produktaufnahmen, UI-Mockups und Illustrationen, die saubere Kanten benötigen. Multi-Referenz-Bearbeitung ist nützlich, wenn Sie ein Motiv, einen Stil oder ein Layout über Varianten hinweg konsistent halten möchten, zum Beispiel das Anwenden eines Markenlooks auf mehrere Bilder oder das Umstylen eines Fotos unter Beibehaltung der ursprünglichen Komposition. Da Bildeingaben akzeptiert werden, passen sowohl Image-to-Image-Workflows als auch referenzgesteuerte Bearbeitungen gut.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID black-forest-labs/flux.2-flex auf. Die Anfrage unterstützt den Parameter seed, und die Bildparameter umfassen aspect_ratio, output_format, n und input_references. Das Seitenverhältnis akzeptiert die oben aufgeführten Enum-Werte, das Ausgabeformat akzeptiert png oder jpeg, n ist auf 1 festgelegt, sodass jede Anfrage ein einzelnes Bild zurückgibt, und input_references akzeptiert zwischen 0 und 8 Bilder. Seed ist als Boolean exponiert, womit Sie die Reproduzierbarkeit über Läufe hinweg steuern können.

Eine Einschränkung, die es vor der Festlegung zu beachten gilt: n ist auf 1 begrenzt, sodass Batch-Generierung mehrere Anfragen statt eines Aufrufs bedeutet. Eingabereferenzen sind auf 8 begrenzt, was für die meisten Bearbeitungsarbeiten großzügig ist, aber eine echte Obergrenze darstellt, wenn Ihre Pipeline mehr erwartet. Und da das Modell nur Bilder ausgibt, gehört jede Aufgabe, die Text zurück benötigt, etwa Bildbeschriftung oder Reasoning über ein Bild, zu einem anderen Modell.