FLUX.2 [klein] 9B
FLUX.2 [klein] 9B braucht mit der Stufe Q4_K_M rund 13,5 GB Speicher und passt auf 404 von 703 geführten Geräten.
Auf 115 weiteren Geräten passt es nur mit Auslagerung: die Modelldateien liegen dann im Arbeitsspeicher, der Grafikspeicher trägt jeweils den Teil, der gerade rechnet. Wie lange ein Bild so dauert, haben wir dort nicht gemessen.
Eine Zeit je Bild rechnen wir nicht. Ein Bildmodell hängt an der Rechenleistung, nicht an der Speicherbandbreite, und für einen Abgleich fehlen uns Messungen.
Gerechnet für ein Bild mit 1024 × 1024 Pixeln: alle Dateien des Startbefehls zusammen (Bildteil, Text-Encoder und VAE), dazu der Rechenpuffer, den wir an Qwen-Image-2.1 mit den Schaltern --diffusion-fa und --vae-tiling gemessen haben. Ohne diese beiden Schalter braucht der VAE-Decoder allein rund 3,6 GB mehr.
- Anbieter
- Black Forest Labs
- Parameter des Bildteils
- 9,1 Mrd.
- Auf Hugging Face seit
- 14. Januar 2026
- Lizenz
- FLUX Non-Commercial License
- Text-Encoder
- Qwen3-8B Q4_K_M, 5,0 GB
- VAE
- flux2-vae.safetensors, 0,3 GB
- Ollama
- führt dieses Modell nicht
Startbefehl mit stable-diffusion.cpp
$ sd-cli Lizenz
Nur für nicht-kommerzielle Zwecke. Die Lizenz (FLUX Non-Commercial License) sagt dazu wörtlich:
You may only access, use, Distribute, or create Derivatives of the FLUX Model or Derivatives for Non-Commercial Purposes.
Für den Einsatz im Unternehmen kommt FLUX.2 [klein] 4B in Frage, das laut Modellkarte unter Apache 2.0 steht.
Zu den Bildern, die Sie damit erzeugen, sagt die Lizenz wörtlich:
You may use Output for any purpose (including for commercial purposes), except as expressly prohibited herein.
Das ist keine Rechtsberatung. Maßgeblich ist der Lizenztext selbst.
Geräte, auf die es passt
Die zehn mit dem kleinsten Speicher, der reicht. Größte Stufe heißt: die genaueste, die noch in den Speicher passt.
| Gerät | Nutzbarer Speicher | Größte Stufe |
|---|---|---|
| ASUS ROG Strix G16 (2025), GeForce RTX 5080 Laptop GPU, 16 GB | 15,2 GB | Q5_K_M |
| ASUS ROG Strix G16 (2026), GeForce RTX 5080 Laptop GPU, 32 GB | 15,2 GB | Q5_K_M |
| ASUS ROG Strix G18 (2025), GeForce RTX 5080 Laptop GPU, 16 GB | 15,2 GB | Q5_K_M |
| ASUS ROG Strix SCAR 16 (2025), GeForce RTX 5080 Laptop GPU, 32 GB | 15,2 GB | Q5_K_M |
| ASUS ROG Strix G16 (2025), GeForce RTX 5080 Laptop GPU, 32 GB | 15,2 GB | Q5_K_M |
| ASUS ROG Strix G16 (2026), GeForce RTX 5080 Laptop GPU, 64 GB | 15,2 GB | Q5_K_M |
| ASUS ROG Strix G18 (2025), GeForce RTX 5080 Laptop GPU, 32 GB | 15,2 GB | Q5_K_M |
| ASUS ROG Strix SCAR 18 (2025), GeForce RTX 5080 Laptop GPU, 16 GB | 15,2 GB | Q5_K_M |
| ASUS ROG Strix SCAR 18 (2025), GeForce RTX 5080 Laptop GPU, 64 GB | 15,2 GB | Q5_K_M |
| ASUS ROG Zephyrus G14 (2025), GeForce RTX 5080 Laptop GPU, 32 GB | 15,2 GB | Q5_K_M |
Geräte, auf die es nur mit Auslagerung passt
Mit --offload-to-cpu liegen alle Modelldateien im Arbeitsspeicher, der Grafikspeicher trägt nur die Phase, die gerade rechnet: den Text-Encoder, den Bildteil oder den VAE-Decoder. Gemessen an Qwen-Image-2.1 auf unserer Karte kostete das 3 Sekunden mehr je Bild; für Qwen-Image-2512 und für schwächere Geräte kennen wir die Zeit nicht. Die zehn mit dem kleinsten Grafikspeicher, der reicht.
Startbefehl mit Auslagerung
$ sd-cli Grafikkarten, in deren Speicher es passt
| Grafikkarte | Nutzbarer Speicher | Größte Stufe |
|---|---|---|
| NVIDIA GeForce RTX 4060 Ti, 16 GB | 15,2 GB | Q5_K_M |
| AMD Radeon RX 9060 XT, 16 GB | 15,2 GB | Q5_K_M |
| NVIDIA GeForce RTX 5080, 16 GB | 15,2 GB | Q5_K_M |
| NVIDIA GeForce RTX 5070 Ti, 16 GB | 15,2 GB | Q5_K_M |
| AMD Radeon RX 7600 XT, 16 GB | 15,2 GB | Q5_K_M |
| AMD Radeon RX 7800 XT, 16 GB | 15,2 GB | Q5_K_M |
| NVIDIA GeForce RTX 4070 Ti SUPER, 16 GB | 15,2 GB | Q5_K_M |
| AMD Radeon RX 9070, 16 GB | 15,2 GB | Q5_K_M |
| AMD Radeon VII, 16 GB | 15,2 GB | Q5_K_M |
| NVIDIA Quadro RTX 5000, 16 GB | 15,2 GB | Q5_K_M |
Stufen des Bildteils
Speicherbedarf je Stufe, jeweils mit Text-Encoder, VAE und Rechenpuffer.
| Variante | Datei | Speicherbedarf |
|---|---|---|
| Q3_K_M | 4,8 GB | 12,3 GB |
| Q4_K_M | 5,9 GB | 13,5 GB |
| Q5_K_M | 7,0 GB | 14,6 GB |
| Q6_K | 7,9 GB | 15,4 GB |
| Q8_0 | 10,0 GB | 17,6 GB |
Quelle: https://huggingface.co/black-forest-labs/FLUX.2-klein-9B · Qwen3-8B-Q4_K_M.gguf
Weitere Ratgeber
- DSGVO-konforme KI: Welche Daten verlassen bei welchem Aufbau Ihr Haus?Lokal heißt nicht telemetriefrei, und eine EU-Zusage hängt am Bereitstellungstyp. Was bei vier gängigen Aufbauten wirklich übertragen wird, mit Zitaten aus den Datenschutzerklärungen der Anbieter.
- KI für Berufsgeheimnisträger: Was § 203 StGB bei ChatGPT & Co. verlangtHat ChatGPT eine Schweigepflicht? Worauf Anwälte, Ärzte, Steuerberater und Psychotherapeuten bei KI achten müssen, was die Kammern sagen und warum lokale KI die einfachste Antwort ist.
- KI lokal betreiben, ohne Terminal: So läuft ein Sprachmodell auf Ihrem RechnerLokale KI-Modelle brauchen auf Mac und Windows keine Befehlszeile mehr. Was Sie an Hardware brauchen, wie die Einrichtung Schritt für Schritt gelingt und wo die Grenzen liegen.
- Lokale KI-Modelle: Welches läuft auf Ihrer Hardware?Ob ein lokales KI-Modell auf Ihrem Rechner läuft, entscheidet der Speicher. Wie Sie die richtige Zahl finden und was die Stufen hinter dem Namen bedeuten.
- Whisper lokal: Interviews und Besprechungen auf dem eigenen Rechner transkribierenWhisper lokal installieren und nutzen, mit Programm oder im Terminal: Welches Modell für deutsche Aufnahmen passt, wie viel Speicher es braucht und wo die Grenzen liegen.
- Qwen lokal betreiben: welche Fassung auf welches GerätQwen gibt es in vielen Größen. Die kleinste aktuelle Fassung in unserem Katalog, Qwen3.5 4B, braucht 4,4 GB und läuft damit auf praktisch jedem Rechner, Qwen3.8 27B flüssig auf 214 von 703 Geräten. Welche Fassung zu Ihrem Rechner passt und wie Sie sie starten.
- KI-Agenten mit lokalem Modell: zwölf Werkzeuge im VergleichOpenClaw, Hermes Agent, DeepSeek Harness und neun weitere Agenten mit einem Modell auf dem eigenen Rechner: was jeder verlangt, was Ihr Gerät hergibt und welcher zu Ihnen passt.
- Mac mini für lokale KI: Welche Ausstattung reicht und wann es der Mac Studio sein mussBeim Mac zählt der Arbeitsspeicher, nicht die ganze Zahl. Was der Mac mini mit M4, M5 Pro und M6 trägt, wann es der Mac Studio sein muss und was gebraucht zählt.
- DeepSeek Harness installieren und lokal nutzenDeepSeek Harness ist der quelloffene Programmier-Agent von DeepSeek. Wie Sie ihn installieren, mit einem lokalen Modell verbinden und was an DeepSeek geht.
- Deutsche und europäische KI-Modelle: Welche es gibt und was davon lokal läuftTeuken aus Deutschland, EuroLLM aus einem EU-Projekt, Mistral aus Paris, Apertus aus der Schweiz. Lizenz, Größe und auf wie vielen der 703 Geräte sie flüssig laufen.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 404 von 703 geführten Geräten flüssig, die große auf 69. Was Sie brauchen und wo das Modell nicht passt.
- Grafikkarte für KI: Worauf es bei lokalen Modellen ankommtFür KI zählt an einer Grafikkarte zuerst der Speicher, dann das Tempo. Welche Speicherklasse wie viele Modelle trägt und warum 24 GB der wichtigste Schritt ist.
- Hermes Agent lokal: mit Ollama oder LM Studio nutzenHermes Agent lokal mit Ollama oder LM Studio: Er braucht mindestens 64.000 Token Kontext, ein Modell mit Werkzeugaufrufen und genug Speicher.
- KI selbst hosten: Was sich ändert, sobald mehrere zugreifenSelbst hosten heißt, dass einer betreibt und mehrere nutzen. Was dafür nötig ist, warum die Voreinstellungen dafür nicht gemacht sind und welche Fragen ab dem zweiten Nutzer keine Technikfragen mehr sind.
- Lokale KI: Was das heißt, was Sie brauchen, was sie kannLokale KI heißt, dass die Modelldatei auf Ihrem Gerät liegt und die Rechenarbeit dort stattfindet. Was Sie dafür brauchen, was heute gut funktioniert und wo die Grenzen liegen.
- Open Source KI: Welche Modelle wirklich offen sindDie meisten Modelle, die „Open Source KI“ heißen, geben nur die fertigen Modelldateien frei, nicht den Weg dorthin. Was der Begriff bedeutet, welche Familien es gibt und was davon auf eigener Hardware läuft.
- OpenClaw lokal: mit Ollama oder LM Studio einrichtenOpenClaw mit einem lokalen Modell über Ollama oder LM Studio: installieren, einrichten, passende Modelle wählen und wissen, was trotzdem ins Netz geht.
- Ornith 1.5: Welche der drei Größen auf Ihrem Rechner läuftOrnith 1.5 in drei Größen: Die kleinste läuft beim Ausprobieren auf 475 von 703 Geräten flüssig, die größte auf 9. Was jede braucht und wann ein Verbund hilft.
- Qwen-Image: KI-Bilder lokal erzeugen und die richtige Fassung wählenQwen-Image erzeugt Bilder auf dem eigenen Rechner. Die neue Fassung 2.1 ist nur für Forschung und Erprobung freigegeben, für Unternehmen ist 2512 die Fassung. Was beide an Speicher brauchen und wie lange ein Bild auf unserer Karte dauerte.
- Ollama oder LM Studio: Was ist der Unterschied, und welches passt zu Ihnen?Beide laden offene Sprachmodelle auf Ihren Rechner und rechnen mit demselben Unterbau. Was sie wirklich unterscheidet, was sie kosten und welche Daten dabei Ihr Haus verlassen.
- Was ist Ollama, und welche Alternativen gibt es?Ollama, LM Studio, llama.cpp und vLLM tauchen in vielen Anleitungen für lokale KI auf. Was jedes davon ist, wie die vier zusammenhängen und welches Sie wofür brauchen.
- Was kostet ChatGPT wirklich, und ab wann lohnt sich eigene Hardware?Die Rechnung hat vier Posten, und drei davon stehen auf keiner Preisliste. Was ein Modell über die Schnittstelle kostet, was eigene Hardware dagegenstellt, und ab welchem Punkt sich der Wechsel rechnet.