Flux 3 und Imagen 4 landen auf Replicate, und das Regal für Bildmodelle wird voller

Am 1. Oktober haben Black Forest Labs und Google beide neue Bildmodelle auf Replicate veröffentlicht. Black Forest Labs brachte Flux 3 für Text-zu-Bild und Bearbeitung heraus, mit Unterstützung für bis zu zehn Referenzbilder. Google stellte vier Modelle online: Imagen 4 fast für Geschwindigkeit und Kosten, Imagen 4 ultra für Details, Imagen 3 fast für preissensible Arbeiten und Imagen 3 für Ausgabe in Spitzenqualität. Aufrufen lassen sie sich über dieselbe API, die Sie bereits nutzen.

Die Schlagzeile liest sich wie ein Modell-Launch. Sie ist eher eine Vertriebsankündigung. Jedes dieser Modelle existierte bereits irgendwo. Was sich geändert hat: Ein Entwickler mit einem Replicate-Token erreicht sie jetzt, ohne ein Konto bei Black Forest Labs zu eröffnen oder ein Google-Cloud-Projekt aufzusetzen.

Was zehn Referenzbilder tatsächlich bringen

Die Zahl, bei der man innehalten sollte, sind die zehn Referenzbilder von Flux 3. Vor einem Jahr bedeutete Bildbearbeitung ein Eingabebild und eine Textanweisung. Zehn Referenzen verändern, was man das Modell fragen kann. Sie können ihm ein Produktfoto, eine Textur aus einem zweiten Bild, eine Farbpalette aus einem dritten und ein Gesicht aus einem vierten geben und dann eine Komposition verlangen, die alle berücksichtigt.

Das ist die Fähigkeit, auf die der gesamte Markt zugesteuert ist. Nano Banana Pro kombiniert bis zu vierzehn Bilder und fünf Personen. GPT Image 2.5 Sunburst führt das Artificial-Analysis-Bearbeitungsranking an, indem es eine Region ändert, ohne den Rest zu stören. Seedream 5.0 greift auf Live-Websuche zurück, wenn eine Bearbeitung eine reale Referenz braucht. Die Wettbewerbslinie hat sich davon verschoben, wie gut das erste Bild aussieht, hin dazu, wie gut das Modell bei der zehnten Bearbeitung Anweisungen befolgt.

Für alle, die ein Produkt auf diesen Tools aufbauen, ist die Anzahl der Referenzbilder eine nützlichere Spezifikation als Benchmark-Werte. Sie sagt, wie viel Kontrolle Sie einem Nutzer geben können. Ein Modell, das eine Referenz annimmt, eignet sich für einen Text-zu-Bild-Knopf. Ein Modell, das zehn annimmt, eignet sich für ein Design-Tool, in dem der Nutzer Markenmaterial aus einem Ordner mit freigegebenen Assets zusammenstellt.

Googles vier Modelle sind eigentlich zwei Stufen

Googles Aufstellung sieht wie vier Veröffentlichungen aus. Betrachtet man die Namen, sind es zwei Modelle, aufgeteilt nach Kosten. Imagen 4 fast und Imagen 4 ultra führen dieselbe Generierung aus, eines auf niedrige Kosten und eines auf Details getrimmt. Dasselbe gilt für Imagen 3 fast und Imagen 3. Die Fast-Varianten sind im relevanten Sinne keine schlechteren Modelle. Es ist dasselbe Modell mit niedrigerem Compute-Budget, zu einem niedrigeren Preis verkauft.

Das ist eine sinnvolle Art, Bildgenerierung zu verkaufen, und es ist zugleich ein Hinweis darauf, wo die Kosten liegen. Wenn der einzige Unterschied zwischen einer Fast- und einer Ultra-Stufe darin besteht, wie lange das Modell denken darf, ist das Modell selbst nicht mehr das Produkt. Compute ist zum Produkt geworden, und das Modell ist das, was ihn ausgibt.

Für ein Team, das entscheidet, was es in Produktion laufen lässt, ändert das die Kalkulation. Die Frage ist nicht, welches der vier am besten ist. Sondern welche Qualitätsstufe Ihr Anwendungsfall tatsächlich erfordert, denn für Ultra zu zahlen bei einem Anwendungsfall, der nur Fast braucht, ist eine Möglichkeit, Geld zu verbrennen, ohne irgendetwas zu verbessern, was ein Nutzer bemerken würde.

Was ein Plattform-Listing tatsächlich wert ist

Es lohnt sich, genau zu sein, warum es eine Nachricht ist, wenn ein Modell auf Replicate landet. Replicate vermietet gehostete Inferenz. Ein Entwickler meldet sich einmal an, erhält ein Token und ruft jedes Modell im Katalog über dieselbe Schnittstelle auf. Für Black Forest Labs und Google bedeutet das Listing, Entwickler zu erreichen, die nie ein separates Konto für ein einzelnes Modell eröffnen würden, und für diese Reichweite an eine Plattform zu zahlen.

Das ist der Deal, in den offene Modellentwickler gedrängt wurden. Veröffentlichen Sie die Gewichte, und technisch Interessierte können sie laufen lassen – ohne Kosten für irgendjemanden und ohne Einnahmen für das Labor. Listen Sie auf einer gehosteten Plattform, und das Publikum weitet sich auf Leute aus, die einen Endpoint und eine monatliche Rechnung wollen, aber ein Zwischenhändler nimmt einen Anteil, und das Modell sitzt in einer Auswahlliste neben einem Dutzend Konkurrenten.

Die Alternative ist, den Zugang direkt zu verkaufen, was ein geschlossenes Modell tut und was die meisten Labore nicht in großem Maßstab können. So wird die gehostete Plattform zum neutralen Boden, auf dem offene und geschlossene Modelle um denselben Entwickler konkurrieren und auf derselben Seite beurteilt werden. Ein kleines Labor mit guten Gewichten kann jetzt neben einer Google-Veröffentlichung auftauchen – je nachdem, auf welcher Seite man steht, ist das gesunder Wettbewerb oder ein Wettlauf um Kommodifizierung.

Für einen Käufer hat das eine praktische Konsequenz. Das Modell, das Sie heute auswählen, ist über eine Schnittstelle erreichbar, die Sie bereits kennen, was die Wechselkosten niedrig und Experimente günstig macht. Es bedeutet auch, dass das Modell, das Sie auswählen, wahrscheinlich nicht besonders ist, weil dasselbe Regal für alle offen ist.

Der Rest des Tages

Derselbe Tag brachte eine breite Palette kleinerer Veröffentlichungen. Cloudflare stellte Clef, ein Bild-Text-zu-Text-Modell, auf Hugging Face. ISTA-DASLab veröffentlichte einen GGUF-Build von Qwen3.8 Flash, was vor allem für Leute relevant ist, die Modelle lokal laufen lassen. Vercels AI Gateway ergänzte ein Entscheidungsmodell namens Laya, das Support-Anfragen und Agent-Workflows mit Wahrscheinlichkeitswerten routet, bis Ende Oktober kostenlos, zusammen mit Microsoft-Audiomodellen und Suchtools von Browserbase. Google ergänzte Echtzeit-Visualisierungshilfe in Gemini Live, entwickelt mit blinden und sehbehinderten Nutzern.

Nichts davon wird eine Bild-Pipeline für sich allein verändern. Zusammen zeigen sie, wohin die Plattformanbieter drängen. Replicate, Vercel und Hugging Face konkurrieren darum, der Ort zu sein, an dem ein Entwickler ein Modell auswählt, und sie konkurrieren, indem sie den Katalog breiter und die Abrechnung einfacher machen. Die Modellabore profitieren, weil Distribution über eine Plattform der Weg ist, wie ein kleineres Labor Entwickler erreicht, die nie einen separaten Vertrag unterschreiben würden.

Das ist der Trade-off, vor dem jeder offene Modellentwickler steht. Gewichte veröffentlichen und die Community sie laufen lassen, was nichts kostet und die technisch Neugierigen erreicht. Oder auf einer gehosteten Plattform listen und die Entwickler erreichen, die einen Endpoint und eine Rechnung wollen, was mehr Leute erreicht und einer Plattform einen Anteil überlässt. Flux 3 ist auf Replicate, was nahelegt, dass Black Forest Labs das zweite Publikum stark genug will, um zu teilen.

Was es bedeutet, wenn Sie auswählen

Die praktische Wirkung all dessen ist, dass das Regal voll ist und die Etiketten immer schwerer zu lesen sind. Vier Imagen-Modelle, eine Flux-Veröffentlichung und ein langer Schwanz von Community-Builds konkurrieren alle um denselben Platz in einer Pipeline. Die Unterschiede, die zählen, sind enger, als das Marketing nahelegt.

Drei Dinge lohnen sich zu prüfen, bevor Sie sich festlegen. Wie viele Referenzbilder das Modell annimmt, denn das bestimmt die Obergrenze der Kontrolle. Ob die Lizenz kommerzielle Nutzung erlaubt, worin sich Apache-2.0- und nicht-kommerzielle Builds unterscheiden. Und ob das Modell irgendwo verfügbar ist, das zu Ihrer Deployment-Art passt, denn ein großartiges Modell hinter einer Plattform, die Sie nicht nutzen können, ist ein Modell, das Sie nicht nutzen können.

Nichts davon ist glamourös, und nichts davon wird in einem Launch-Post stehen. Es ist zugleich der Teil, der entscheidet, ob ein Modell sechs Monate, nachdem die Ankündigung vorbeigescrollt ist, in einem Produkt funktioniert.