Lokale KI-Modelle im Oktober 2026: Kandinsky 6, Qwen und FLUX 3

👁 119 Aufrufe

Im Oktober 2026 sind mehrere offene Modelle erschienen, die sich auf dem eigenen Rechner ausführen lassen: Kandinsky 6.0 für Videos mit Ton, Qwen-Image 2.1 Turbo und FLUX 3 Image Klein für Bilder sowie YuE2 für Songs mit Gesang. Ich habe sie auf einer RTX 4090 heruntergeladen, in ComfyUI gestartet und Laufzeiten, Speicherbedarf und den Umgang mit Polnisch gemessen. Hier finden Sie die Ergebnisse im Überblick und Links zu den ausführlichen Tests.

Testaufbau

• RTX 4090 mit 24 GB, 64 GB RAM, Prozessor i9-14900KF, Windows 11.
• ComfyUI 0.41.0 (aktualisiert von Version 0.37, da die ältere Version FLUX 3, YuE2 und Qwen Turbo nicht unterstützt).
• Modelle auf einer 8-TB-SSD über USB. Von einer NVMe-SSD wäre der erste Ladevorgang kürzer.
• Die Zeit messe ich vom Absenden des Auftrags bis zur gespeicherten Datei. Der VRAM-Wert ist die Spitzenbelegung der gesamten Grafikkarte laut nvidia-smi.

Die Ergebnisse im Überblick

Video: Kandinsky 6.0

Die spannendste Neuerscheinung des Monats. Kandinsky 6.0 von Kandinsky Lab erzeugt Bild und Ton in einem Durchgang: Sprache mit Lippenbewegungen, Geräusche und Hintergrundmusik. Die Lite-Version hat 3 Milliarden Parameter und passt in 24 GB; die Pro-Version hat 29 Milliarden Parameter und läuft auf der RTX 4090 nur, wenn ein Teil der Gewichte im RAM liegt.

• Die Pro-Version sprach den polnischen Satz „Guten Tag! Äpfel direkt aus dem Obstgarten, süß wie Honig!“ mit 7 von 9 Wörtern korrekt aus; auf Englisch war die Ausgabe fehlerfrei. Der angezeigte Satz ist eine Übersetzung des polnischen Testmaterials; getestet wurde auf Polnisch.
• Lite ist mehr als 3-mal schneller, gibt polnische Sprache aber fehlerhaft wieder.
• Die MIT-Lizenz enthält keine Länderausschlüsse. Das ist relevant, weil die Gewichte des konkurrierenden MiniMax H3 in der EU nicht verwendet werden dürfen.

Acht Clips mit Ton, eine Tabelle mit den Laufzeiten und eine Installationsanleitung finden Sie im Test zu Kandinsky 6.0 Video lokal ausführen.

Bilder: Qwen-Image 2.1 Turbo

Eine destillierte Version des bestplatzierten offenen Bildmodells im Ranking von Artificial Analysis. 8 statt 25 Schritte - der Qualitätsunterschied ist ohne direkten Vergleich schwer zu erkennen. In meinem Test wurden die Aufschriften „JAZZ AN DER ODER“ und „ESSIG 12“ korrekt dargestellt (jeweils Übersetzung des polnischen Originals), während bei der anderen Aufschrift eine fehlerhafte Beschriftung im ursprünglichen polnischen Test vorlag. Die sichtbaren deutschen Aufschriften sind Übersetzungen der polnischen Testvorlagen; getestet wurde auf Polnisch.

Den vollständigen Vergleich mit vier Prompts finden Sie hier: Qwen-Image 2.1 Turbo lokal ausführen.

Bilder: FLUX 3 Image Klein

Black Forest Labs veröffentlichte zwischen dem 13. und 15. Oktober das erste offene Modell der FLUX-3-Familie. Klein hat 5,6 Milliarden Parameter und kann Bilder aus Text erzeugen, Bilder bearbeiten und Kompositionen mit bis zu 10 Referenzbildern erstellen. Als Text-Encoder dient Qwen3-VL-4B, als VAE derselbe wie bei FLUX.2. ComfyUI unterstützt das Modell ab Version 0.41 nativ.

• Dateien für ComfyUI: int8-Modell 5,83 GB, int8-Encoder 4,86 GB, VAE 0,34 GB.
• Der Hersteller empfiehlt ausdrücklich, den Prompt vor der Generierung auszubauen - mit einem separaten „Prompt-Upsampler“ auf Qwen 3.5 9B oder einem beliebigen Sprachmodell. Ein kurzer Prompt führt zu einem generischen Bild.
• Für den Zugriff auf das Repository müssen Sie der FLUX-Kommunity-Lizenz zustimmen. Zum Herunterladen benötigen Sie daher ein Hugging-Face-Konto und einen Token.

Meine Messung: 6-7 Sekunden für ein Bild mit 1024×1536 Pixeln (15 Schritte, int8) und eine Spitzenbelegung von 7,5 GB VRAM für die gesamte Grafikkarte - weniger als die Hälfte von Qwen Turbo. Die Schrift im Bild fiel wie bei Qwen Turbo aus: „AN DER ODER“ (Übersetzung des polnischen Originals) und „12“ waren korrekt, während bei der anderen Aufschrift eine fehlerhafte Beschriftung im ursprünglichen polnischen Test vorlag. Die sichtbaren Aufschriften sind Übersetzungen der polnischen Testvorlagen; getestet wurde auf Polnisch. Den Vergleich mit denselben Prompts und eine Anleitung zum Download finden Sie im Test zu FLUX 3 Image Klein lokal; die Cloud-Version wird im Ratgeber FLUX 3 Image auf Polnisch behandelt.

Musik: YuE2 im Vergleich mit vier Modellen

Ich gab vier lokalen Modellen denselben polnischen Text - eine Ballade mit zwei Strophen und zwei Refrains - und ließ die Ergebnisse durch Whisper large-v3 laufen. Gemessen wurde, welcher Anteil der Wörter aus dem Text in der Aufnahme erkannt wurde. Der Test wurde auf Polnisch durchgeführt.

YuE2 erzielte im besten Einzelversuch auf Polnisch 98,8 % und war auf Englisch fehlerfrei. Die Ergebnisse schwankten jedoch stark, und die Lizenz schließt kommerzielle Nutzung aus. ACE-Step 1.5 lieferte die konstantesten Ergebnisse und darf kommerziell genutzt werden. Einzelheiten, Hörproben und Einstellungen finden Sie im Test zu YuE2 mit polnischen Texten.

KI-Influencerin: Bilder und Videos

Mit denselben Modellen führte ich einen Praxistest durch: fünf sehr unterschiedliche KI-Influencerinnen ohne „Plastik-Look“, jeweils zwei Bilder mit fünf Bildmodellen und anschließend fünfsekündige Story-Clips mit polnischer Sprache. Für Bilder mit kommerziellem Ziel schnitt FLUX.2 Klein 4B (Apache 2.0) am besten ab; bei Videos mit Stimme lag Kandinsky 6.0 Pro vorn (im Durchschnitt wurden 65 % der Wörter erkannt).

• KI-Influencerin ohne Plastik-Look: 125 Bilder und eine Prompt-Vorlage
• Sprechende KI-Influencerin: 15 Clips mit Kandinsky 6 und Wan 2.2

Weitere Neuerscheinungen, die ich nicht heruntergeladen habe

• MiniMax H3 (Video mit Ton, 33B): Die Lizenz für die Gewichte schließt die EU, die USA, Großbritannien und Südkorea aus. Damit ist eine Nutzung in diesen Gebieten nicht erlaubt. Auch die auf 8 GB VRAM zugeschnittene FastH3-Version ändert daran nichts.
• HY Image 3.5 Preview von Tencent: Unterstützung in ComfyUI seit dem 13.10. Im Test zu Schrift in Bildern und Bildbearbeitung habe ich das Modell beschrieben.
• MAGI-2 und LTX-2.5: Der Vergleich steht im Artikel Offene Videomodelle 2026.

So fangen Sie an

1. Installieren oder aktualisieren Sie ComfyUI auf Version 0.41: ComfyUI von Grund auf.
2. Laden Sie zunächst FLUX 3 Klein herunter (etwa 11 GB, läuft auch auf Grafikkarten mit 8-12 GB) oder Qwen-Image 2.1 Turbo (7,3 GB + 10 GB gemeinsam genutzte Dateien, am schnellsten mit 24 GB).
3. Für Videos empfiehlt sich Kandinsky 6.0 Lite (6,4 GB + etwa 18 GB gemeinsam genutzte Dateien).
4. Für Songs: ACE-Step 1.5 (am konstantesten auf Polnisch, MIT) oder YuE2 (7,8 GB + 1,4 GB) für englische Texte und private Nutzung.

Eine vollständige Liste der lokal getesteten Modelle, einschließlich Sprachmodellen, finden Sie im Ratgeber Lokale KI.

Häufige Fragen

Reicht eine Grafikkarte mit 16 GB?

Für Qwen Turbo, YuE2 und Kandinsky Lite reicht sie, allerdings müssen Teile der Gewichte in den RAM ausgelagert werden. Die Modelle laufen damit langsamer als in meinen Messungen. Von Kandinsky 6 Pro auf einer 16-GB-Karte rate ich ab.

Welche dieser Modelle lassen sich kommerziell nutzen?

Kandinsky 6.0 (MIT), DiffRhythm 2 (Apache 2.0) und ACE-Step 1.5 (MIT). Qwen-Image 2.1 Turbo ist nur für Forschungszwecke lizenziert, YuE2 steht unter CC BY-NC 4.0. FLUX 3 Klein hat eine eigene FLUX-Kommunity-Lizenz. Lesen Sie deren Bedingungen, bevor Sie damit Geld verdienen.

Wie viel Speicherplatz benötigen die Modelle?

Die gesamte Liste benötigt etwa 100 GB, wenn Kandinsky Pro in int8 statt im offiziellen bf16-Format verwendet wird. Kandinsky Pro benötigt allein 30,5 GB in int8 und 60,3 GB in bf16.

Funktionieren die Modelle auf einem Mac?

Ich habe nur unter Windows mit einer NVIDIA-Grafikkarte getestet. Für einige Modelle gibt es MLX-Versionen für den Mac, zum Beispiel für YuE2 und Qwen Turbo. Diese habe ich nicht geprüft.

Quellen

• Kandinsky 6.0 auf Hugging Face
• Qwen-Image 2.1 Turbo auf Hugging Face
• FLUX 3 Image Klein auf Hugging Face
• YuE2 auf Hugging Face
• DiffRhythm 2 auf GitHub
• ComfyUI-Änderungsprotokoll
• Eigene Messungen auf einer RTX 4090, 17. Oktober 2026.

// weiterlesenBester KI-Sprecher: 14 TTS-Modelle im TestBenchmarksKI-Modell verweigert Dokument-Analyse - Test bei 3 AnbieternBenchmarksGPT-6 Luna: günstigstes OpenAI-Modell im Test für 0,0024 USDBenchmarks

Kinetyra