KI · Grundlagen
Modelltypen im Überblick
SDXL, Flux.1 dev, Flux.1 Krea dev, Flux.2 dev, Flux.2 Klein — welches Modell wann.
Der letzte Artikel hat geklärt, aus welchen Dateien ein Modell besteht: Diffusionsmodell, Text-Encoder und VAE — bei SDXL in einem Checkpoint gebündelt, bei Flux als Einzeldateien — dazu LoRA und ControlNet als Ergänzungen. Dieser Artikel widmet sich der Frage, die in der Praxis zuerst kommt: welches Modell lädst du überhaupt?
Es gibt nicht "das eine" Bildgenerierungsmodell, sondern mehrere grundverschiedene Architekturen, die sich in Größe, Geschwindigkeit, Qualität, Lizenz und Hardware-Anforderungen erheblich unterscheiden. Die Wahl ist keine reine Geschmacksfrage — sie hängt davon ab, was du zur Verfügung hast und was du erreichen willst.
Dieser Überblick ist bewusst breit gespannt: von Modellen, die auf einem MacBook Air laufen, bis zu Modellen, die selbst potente Hardware an ihre Grenzen bringen. Das spiegelt die Zielgruppe dieser Seite — vom Azubi mit begrenztem Budget bis zur Profi-Produktion mit entsprechender Ausstattung.
Die Modelle im Vergleich
SDXL
Der etablierteste und zugänglichste Einstieg. SDXL läuft stabil mit vergleichsweise wenig Speicherbedarf — auch ein MacBook Air mit 16 GB RAM kommt damit zurecht. Die Bildqualität ist solide, das ControlNet-Ökosystem rund um SDXL ist ausgereift und gut dokumentiert, weil das Modell schon länger im breiten Einsatz ist.
Der Kompromiss: SDXL erreicht nicht das fotorealistische Niveau oder die Prompt-Treue neuerer Architekturen. Für schnelle Iteration, zum Lernen der Grundlagen und für Workflows mit begrenzter Hardware ist es trotzdem die solideste Wahl.
Flux.1 dev
Der nächste Schritt in Qualität und Prompt-Verständnis, bei weiterhin vertretbarem Hardware-Bedarf. Flux.1 dev ist guidance-distilliert — eine Trainingstechnik, die das Modell effizienter macht und die Art verändert, wie es gesteuert wird (mehr dazu im Setup-Artikel zu Flux.1 dev). Für die Praxis heißt das: spürbar bessere Ergebnisse als SDXL, ohne dass die Generierungszeit explodiert.
ControlNet Canny ist für Flux.1 dev verfügbar und funktioniert zuverlässig. Damit ist dev RAY-L-tauglich und die neutrale Basis, von der aus sich Krea einordnen lässt.
Flux.1 Krea dev
Ein Geschwistermodell von Flux.1 dev: Es sitzt auf derselben guidance-distillierten Rohbasis (flux-dev-raw), auf die Black Forest Labs zusammen mit Krea ein reines Ästhetik-Post-Training gefahren hat — mit dem erklärten Ziel, realistischere, weniger übersättigte Bilder zu erzeugen. Pipeline, Encoder und Node-Struktur sind mit Flux.1 dev identisch; ControlNet Canny funktioniert damit genauso zuverlässig und ist ebenso RAY-L-tauglich.
Der Unterschied liegt allein im Look: Krea dev hat einen eigenständigen, betont fotografischen, „filmischen" Charakter statt der glatten AI-Mitte — für einen fotografischen Look aktuell meine erste Wahl und damit die Empfehlung für RAY-L. Mehr dazu im Setup-Artikel zu Flux.1 Krea dev.
Flux.2 dev
Ein erheblich größeres und leistungsfähigeres Modell als Flux.1 dev — die Größenordnung der Parameter liegt deutlich höher, das Modell kombiniert die Bildsynthese mit einem eigenen Sprachverständnis-System für deutlich genauere Prompt-Umsetzung, bessere Konsistenz über mehrere Referenzbilder hinweg und höhere Auflösung.
Der Preis dafür ist Rechenzeit: Auf einem MacBook Pro mit angepasstem Setup läuft Flux.2 dev zwar stabil, aber mit deutlich längerer Generierungszeit als Flux.1 dev — Größenordnung 40 Minuten pro Bild, statt Sekunden bis wenige Minuten. Für schnelle Iteration ist das ungeeignet, für gezielte, finale Ergebnisse durchaus machbar.
Für RAY-L aktuell wichtig: ControlNet Canny gibt es für Flux.2 dev — technisch wäre der RAY-L-Weg also offen. In der Praxis scheitert er an der Renderzeit: Auf dem MacBook Pro mit 64 GB läuft das Modell samt Encoder und VAE, aber bei rund 40 Minuten pro Bild ist das kein iterativer Workflow.
Flux.2 Klein — 4B und 9B
Die kleinen, schnellen Mitglieder der Flux.2-Familie — deutlich flotter als SDXL und Flux.1 dev (eigene Messung: Klein 4B ~36 s gegen SDXL ~143 s bei 1024², warm). Beide sind step-distillierte 4-Step-Modelle; der Unterschied ist die Größe: 4B für schnelle Iteration und schwächere Hardware, 9B für mehr Detailpräzision — im Bild liegen beide nah beieinander, 9B ist erst im starken Zoom sichtbar sauberer. Lizenzrechtlich gehen sie auseinander: 4B unter Apache 2.0 (frei, auch kommerziell), 9B unter der FLUX Non-Commercial License.
Für RAY-L aktuell wichtig: Für Klein existiert bislang kein ComfyUI-taugliches ControlNet Canny — weder für 4B noch für 9B, und nach aktuellem Stand kommt wahrscheinlich keins. Anders als bei Flux.2 dev, wo Canny vorhanden ist und allein die Renderzeit im Weg steht, fehlt Klein die Anbindung ganz.
Entscheidungsfragen, nicht nur Eckdaten
Statt einer reinen Spec-Tabelle helfen bei der Modellwahl eher diese Fragen:
Was gibt deine Hardware her? SDXL und die kleinen Klein-Varianten laufen auf bescheidener Ausstattung, Flux.1 dev und Krea dev brauchen etwas mehr, Flux.2 dev fordert potente Hardware und Geduld.
Brauchst du schnelle Iteration oder ein einzelnes, hochwertiges Ergebnis? Für viele Testläufe in kurzer Zeit eignen sich kleinere, schnellere Modelle. Für ein finales, einzelnes Bild lohnt sich auch ein langsameres, leistungsfähigeres Modell.
Ist ControlNet Canny für deinen Workflow notwendig? Wenn Blender-Geometrie die Bildkomposition steuern soll — wie im RAY-L-Workflow — ist die Verfügbarkeit von ControlNet Canny für das jeweilige Modell aktuell das entscheidende Auswahlkriterium. Stand heute ist das bei SDXL, Flux.1 dev und Krea dev gegeben; Flux.2 dev hat Canny, scheidet aber über die Renderzeit aus, und Flux.2 Klein fehlt es ganz.
Welche Lizenz passt zu deinem Vorhaben? Dazu mehr im nächsten Artikel — Lizenzmodelle unterscheiden sich zwischen den Modellen erheblich, und "offene Gewichte" bedeutet nicht automatisch uneingeschränkte kommerzielle Nutzung.
Zusammenfassung
Es gibt keine einzelne richtige Antwort auf "welches Modell soll ich nehmen" — nur die richtige Antwort für deine Hardware, dein Zeitbudget und deinen Workflow. SDXL als zugänglicher, schneller Einstieg mit ausgereiftem ControlNet-Ökosystem. Flux.1 Krea dev als aktuelle RAY-L-Empfehlung, mit fotografischem Look auf der identischen Pipeline von Flux.1 dev, die als neutralere Basis ebenso RAY-L-tauglich bleibt. Flux.2 dev als Ausblick auf deutlich höhere Qualität — mit ControlNet, aber nur mit viel Geduld (rund 40 Minuten pro Bild). Flux.2 Klein als schnelle, kleine Alternative — 4B permissiv unter Apache 2.0, 9B detailpräziser, beide aber ohne ControlNet Canny.
Für die lokale Verwendung mit ComfyUI sind alle genannten Modelle bereits vorhanden. Auf Windows mit Nvidia-Hardware — der für diese Workflows typischen Plattform — laufen SDXL, Flux.1 dev, Krea dev, Flux.2 dev und Flux.2 Klein ohne besondere Einschränkungen. Eine Einschränkung betrifft Apple Silicon (Mac): Flux.2 dev läuft dort nur über einen eigens angepassten Setup-Weg, und fp8 wird auf Apple Silicon generell nicht gerechnet — dort gilt fp16 oder GGUF (Details auf der Krea-Seite).
Der nächste Artikel klärt, was "offene Gewichte" lizenzrechtlich tatsächlich bedeutet — ein Punkt, der bei der Modellwahl oft unterschätzt wird.