KI-Bildgenerierung 2026: Midjourney, Flux und das neue Rennen um Fotorealismus

Vor zwei Jahren war es fast ein Gesellschaftsspiel, ein KI-generiertes Porträt zu enttarnen: Finger zählen, Ohrringe auf Symmetrie prüfen, nach dem wächsernen Schimmer suchen, der ein Diffusionsmodell verriet, egal wie gut der Prompt war. Dieses Spiel ist 2026 deutlich schwerer geworden. Die führenden Bildmodelle rendern inzwischen einzelne Hautporen, den Weg, auf dem Streiflicht auf Bartstoppeln fällt, und Hände mit der korrekten Anzahl an Fingergliedern – so zuverlässig, dass “schau einfach auf die Hände” seit etwa einem Jahr kein verlässlicher Tipp mehr ist. Dieser Fortschritt kommt nicht von einem Labor, das sich einfach absetzt und vorn bleibt, sondern von zwei sehr unterschiedlichen Ansätzen, die sich gegenseitig antreiben. Auf der einen Seite verfeinert Midjourney unablässig ein geschlossenes, kuratiertes Modell, bei dem die meisten Nutzer nie ein Einstellungsmenü anfassen müssen. Auf der anderen Seite hat Black Forest Labs’ Flux-Reihe offene Bildgenerierung vom Bastler-Kompromiss zu etwas gemacht, auf das professionelle Pipelines direkt aufbauen. Der Abstand zwischen “sieht aus wie ein Foto” und “ist offensichtlich KI” war noch nie so klein – und es lohnt sich, genau zu benennen, welches Modell welchen Teil dieser Lücke geschlossen hat.

Midjourney: Kuratierung statt Kontrolle

Midjourneys Vorteil war nie wirklich rohe technische Leistungsfähigkeit – es ist Geschmack, geliefert ohne jede Einrichtung. Das aktuelle Standardmodell, V8.1, wurde am 10. Juni 2026 auf midjourney.com zum Standard, nachdem Midjourney am 17. März 2026 eine V8-Alpha für die Community geöffnet hatte. Die wichtigste Neuerung von V7 zu V8 war Omni Reference, ein System, das Gesicht, Outfit oder Objekt eines Charakters über mehrere Generierungen hinweg konsistent hält, ohne die umständlicheren Referenzbild-Workarounds, die V7 noch brauchte – dazu ein neuer —hd-Modus, der nativ in 2K rendert, sowie eine rund fünfmal schnellere Generierung als in der Vorgängerversion. Beim Fotorealismus konkret fand ein unabhängiger Test, der V7 gegen V6 verglich, in 23 von 30 standardisierten Prompts realistischere Ergebnisse, mit messbaren Fortschritten bei Hauttextur, Stoffdetails und Schattenwurf – und V8.1 setzt diesen Trend fort, besonders bei Porträt-Nahaufnahmen, wo Licht heute um ein Kinn herumfließt oder einzelne Haarsträhnen einfängt, sodass es eher wie fotografiert als gerendert wirkt.

Das alles gibt es nicht umsonst, und Midjourney hat das nie verschleiert: Es gibt 2026 keine dauerhafte kostenlose Stufe mehr, die vier Abo-Pläne liegen bei Basic für 10 $/Monat, Standard für 30 $, Pro für 60 $ und Mega für 120 $, mit rund 20 % Rabatt bei jährlicher Zahlung. Jeder Plan enthält kommerzielle Nutzungsrechte, und der Stealth-Modus – private Generierungen, die im öffentlichen Community-Feed unsichtbar bleiben – ist Pro und höheren Stufen vorbehalten. Was dieses Geld eigentlich kauft, ist weniger roher Modellzugang als eine bestimmte, in die Gewichte eingebrannte ästhetische Handschrift: Midjourney-Bilder wirken durchdacht, art-direktet, absichtsvoll, selbst bei einem Drei-Wort-Prompt. Bemerkenswert ist, dass Midjourney nicht an unabhängigen Benchmark-Arenen wie Artificial Analysis teilnimmt, die blinde menschliche Präferenzvoten über Dutzende konkurrierende Modelle hinweg erfassen – eine Entscheidung, die Midjourney aus direkten Elo-Vergleichen heraushält, ohne dem Standing bei den arbeitenden Künstlern und Designern zu schaden, die den Kern der Nutzerbasis bilden.

Flux: das offene Modell, das Profis wirklich einsetzen

Black Forest Labs, 2024 von ehemaligen Stability-AI-Forschern gegründet, argumentiert seit zwei Jahren, dass “offen” und “an der Spitze” kein Widerspruch sein müssen – und FLUX.2, veröffentlicht am 25. November 2025 und Mitte 2026 weiterhin das Flaggschiff des Unternehmens, ist dafür der bislang klarste Beleg. Statt eines einzelnen Modells kommt FLUX.2 als Familie, abgestimmt auf verschiedene Punkte zwischen Geschwindigkeit und Kontrolle: FLUX.2 [pro] ist eine vollständig verwaltete API-Stufe, die geschlossene Spitzenmodelle bei der Qualität erreichen soll, dabei aber schneller und günstiger läuft; FLUX.2 [flex] legt Schrittzahl und Guidance Scale offen für Entwickler, die den Kompromiss zwischen Qualität und Geschwindigkeit selbst justieren wollen; FLUX.2 [dev] ist ein offenes Modell mit 32 Milliarden Parametern, herunterladbar von Hugging Face, das Black Forest Labs als das leistungsfähigste verfügbare offene Bildmodell bezeichnet und das – über eine gemeinsam mit NVIDIA und ComfyUI entwickelte fp8-Referenzimplementierung – auf handelsüblichen GeForce-RTX-Karten läuft statt eine Rechenzentrums-GPU zu verlangen; und FLUX.2 [klein], im Januar 2026 als Apache-2.0-lizenzierte, größenreduzierte Variante hinzugekommen, zielt auf das schnellste, leichteste Ende der Reihe für On-Device- und Edge-Einsatz.

Die technischen Angaben sind konkret statt vager Marketingsprache: Multi-Reference-Unterstützung für bis zu 10 kombinierte Eingabebilder in einem kohärenten Ergebnis, Bearbeitung bei Auflösungen bis zu 4 Megapixel unter Erhalt feiner Details, und – der für den Fotorealismus-Faden wichtigste Punkt – Black Forest Labs’ eigene Benchmarks zeigen FLUX.2 [dev] mit 66,6 % Siegquote in blinden Text-zu-Bild-Vergleichen gegen Alibabas Qwen-Image und 59,8 % gegen Qwen-Image-Edit bei der Einzelreferenz-Bearbeitung, mit noch deutlicheren Abständen gegenüber dem eigenen Vorgänger FLUX.1 [dev].

Praktisch bedeutet das ein Modell, das nicht mehr zwischen “offen genug zum Prüfen und Feintunen” und “gut genug zum Ausliefern” wählen lässt. Ein Designer kann FLUX.2 [dev] auf eine lokale Workstation ziehen, über ComfyUI laufen lassen und Licht- sowie Hautdarstellung bekommen, die vor einer Generation noch eine geschlossene API verlangt hätte – mit der Prüfbarkeit und den Grenzkosten von null, die nur eigene Gewichte tatsächlich bieten.

Wo sich die Fotorealismus-Lücke tatsächlich geschlossen hat

Die konkreten, messbaren Dimensionen von “sieht echt aus” haben sich dieses Jahr über das gesamte Feld hinweg gemeinsam bewegt, statt dass ein einzelnes Labor alle für sich beansprucht. Haut war der sichtbarste Wandel: Modelle, die stark auf retuschierter, mit Beauty-Filtern bearbeiteter Fotografie trainiert wurden, tendierten früher unabhängig vom Prompt zu einem plastikartigen, überglätteten Look. 2026s führende Systeme – Midjourneys V8.1, FLUX.2 und Konkurrenten wie Googles Nano Banana Pro und OpenAIs GPT Image 2 – rendern inzwischen sichtbare Porentextur, asymmetrische Unreinheiten und die Art, wie unterschiedliche Hauttöne Licht unterschiedlich streuen und absorbieren, statt alle auf denselben geglätteten Standard zu bügeln. Hände, der langjährige Running Gag der Branche, haben sich weniger dramatisch, aber dennoch spürbar verbessert: Zusätzliche oder verschmolzene Finger sind bei Flaggschiff-Modellen inzwischen die Ausnahme statt Glückssache, auch wenn genaues Hinsehen bei anspruchsvollen Posen – Hände, die Objekte greifen, überlappende Finger, ungewöhnliche Winkel – gelegentlich noch verrät, dass es KI war. Licht ist wohl der größte strukturelle Fortschritt: Sowohl Midjourney als auch Flux handhaben indirekte und gemischte Lichtquellen – ein Gesicht, das auf einer Seite vom Fenster und auf der anderen von einer Lampe beleuchtet wird – heute mit physikalisch plausiblem Lichtabfall und Farbtemperaturmischung, was Modelle noch 2024 zuverlässig scheitern ließ.

Bei den Wettbewerbs-Benchmarks führt aktuell OpenAIs GPT Image 2 die Artificial Analysis Image Arena an – die Modelle ausschließlich nach blinden menschlichen Präferenzvoten rankt – mit einem berichteten Elo-Wert von rund 1337 bis 1339, ein Abstand zum Zweitplatzierten, den die Betreiber der Rangliste als den größten je erfassten beschreiben. FLUX.2 hält währenddessen die stärkste Position unter den wirklich offenen Modellen, und Midjourney steht bewusst außerhalb dieser Rangliste, nicht aus Schwäche. Nichts davon macht Fotorealismus zu einem gelösten Problem – feiner Text in einer fotorealistischen Szene, ungewöhnliche Anatomie und physikalisch unmögliche Spiegelungen bringen jedes hier genannte Modell noch oft genug ins Stolpern, um für professionelle Retusche relevant zu bleiben. Aber der Trend ist eindeutig: Die verräterischen Zeichen, die “KI-Bild erkennen” vor zwei Jahren noch zu einem verlässlichen Partyspiel machten, verschwinden eines nach dem anderen – und die beiden sehr unterschiedlichen Wege, Midjourneys kuratiertes geschlossenes Modell und Black Forest Labs’ prüfbare offene Gewichte, laufen aus entgegengesetzten Richtungen auf dasselbe Ergebnis zu.

Was das für den Rest von 2026 bedeutet

Für jeden, der jetzt ein Werkzeug wählt, lautet die praktische Konsequenz: “Welches Modell ist fotorealistischer” ist eine weniger nützliche Frage als noch vor einem Jahr – die ehrliche Antwort ist für die meisten Alltags-Prompts, dass mehrere Flaggschiff-Modelle die Messlatte reißen. Die relevantere Frage hat sich zum Workflow verschoben: Will man Midjourneys konfigurationsfreies ästhetisches Urteil gegen eine feste monatliche Gebühr, oder Flux’ prüfbare, lokal lauffähige Gewichte für eine Pipeline, in der Kontrolle, Kosten in der Skalierung und Prüfbarkeit wichtiger sind als das einzelne höchstplatzierte Modell einer Rangliste. Diese Aufteilung dürfte sich eher noch schärfen als auflösen – geschlossene Plattformen setzen weiter auf Kuratierung und Ökosystem, offene Labore weiter auf Kontrolle und Kosten –, denn beide Wetten haben sich bereits als tragfähig genug erwiesen, dass keines der beiden Lager einen Grund hat, davon abzurücken.