Nový model FLUX 3 Image Klein s 5,6 miliardy parametrů přichází jako model s otevřenými vahami

Black Forest Labs vydala 15. října 2026 FLUX 3 Image Klein, model s otevřenými vahami a 5,6 miliardy parametrů určený ke generování obrázků z textu, úpravám obrázků a generování s využitím více referenčních obrázků. Podporuje až 10 referenčních obrázků.

Možnosti a varianty modelu

Model sdílí klíčové schopnosti s plnou verzí FLUX 3 Image: nativní generování v rozlišení 4K, úpravy s přesností na jednotlivé pixely a ohraničující rámečky, které určují umístění prvků nebo omezují úpravy na vymezenou oblast. Black Forest Labs uvedla, že model staví na společných poznatcích z celé rodiny FLUX 3, získaných při práci s obrázky, videem a zvukem — obrázky přispívají prostorovými detaily, video přidává pohyb a fyzikální dynamiku a zvuk poskytuje informace o událostech a interakcích — a že tyto signály modelu pomáhají vytvářet obrázky ukotvené v reálném světě.

Vydání zahrnuje základní model určený k doladění a model s destilací po krocích pro generování s nízkou latencí. K dispozici jsou také varianty FP8, INT8 a NVFP4 vyvinuté s podporou NVIDIA. Váhy generátoru vyžadují 11,2 GB paměti v BF16 a 5,6 GB v FP8. S variantou INT8 model běží prostřednictvím ComfyUI nebo Diffusers na grafických procesorech NVIDIA GeForce RTX s pouhými 8 GB paměti VRAM. Společnost uvedla, že díky menšímu počtu parametrů je model praktické spouštět lokálně, jeho přizpůsobení je levnější a hodí se k úpravám obrázků přímo na zařízení, například na laptopech.

Zveřejněné výsledky hodnocení a výkonu

Black Forest Labs uvedla, že v interních hodnoceních se FLUX 3 Image Klein umístil na prvním místě v generování obrázků z textu, generování s využitím více referenčních obrázků i úpravách obrázků, před většími modely s otevřenými vahami, a dosáhl vyššího hodnocení než uzavřené modely zahrnuté do srovnání, Ideogram V4.5 a FLUX.2 pro. S 5,6 miliardy parametrů jde o nejmenší otevřený model v tomto srovnání; Qwen-Image 2.1 má 7 miliard parametrů a Krea 2 jich má 12,9 miliardy. Podle společnosti získává nový model ve srovnání s jejím FLUX.2 klein 9B o 91 bodů Elo v generování obrázků z textu a o 70 bodů při úpravách obrázků, přestože používá o 38 % méně parametrů.

Společnost uvedla, že FLUX 3 Image Klein zároveň posouvá hranici Pareto efektivity mezi rychlostí a kvalitou a prostřednictvím rozhraní BFL API nabízí nižší latenci než Qwen-Image 2.1, FLUX.2 pro, Ideogram V4.5 a Krea 2. Uváděná mediánová latence API činí 4,54 sekundy při generování obrázků z textu a 7,18 sekundy při úpravách obrázků o rozlišení 1 MP. Podle popsané metodiky se latence měřila od začátku do konce, od odeslání požadavku po dokončení obrázku o rozlišení 1 MP, včetně čekání ve frontě. FLUX 3 Image Klein se měřil na serverech společnosti, zatímco ostatní modely se měřily z klientského zařízení, včetně dotazování na stav a času přenosu po síti. Krea 2 se testovala ve variantě Medium; její varianta Large potřebovala na vygenerování obrázku z textu 31,1 sekundy.

Společnost uvedla, že při lokálním spouštění vytvoří model s destilací a variantou INT8 obrázek o rozlišení 1 MP přibližně za 4 sekundy na NVIDIA GeForce RTX 5090 a za méně než 9 sekund na RTX 4070 prostřednictvím ComfyUI. Grafy časů zveřejněné spolu s vydáním, které naměřila NVIDIA a výsledky pro RTX zaznamenala v ComfyUI, ukazují, že 16krokový model s destilací potřebuje na generování obrázku z textu v rozlišení 1024×1024 od 0,55 sekundy na GB300 do 8,9 sekundy na RTX 4070. Základní model s 50 kroky potřebuje od 1,7 sekundy na GB300 a DGX Station do 43,8 sekundy na DGX Spark. Grafy uvádějí nejrychlejší variantu pro každý grafický procesor a měří dobu generování přímo na grafickém procesoru, nikoli latenci API od začátku do konce.

Dostupnost, licencování a bezpečnost

Model s destilací je dostupný v BFL API pod názvem flux-3-image-klein a nabízí převzorkování promptu a obnovu pixelů. Společnost uvedla, že tato funkce přesně zachovává neupravené oblasti obrázku. Cena začíná na 0,009 USD za 1 000 obrázků. Základní váhy i váhy modelu s destilací jsou zveřejněny na Hugging Face, referenční kód pro inference je dostupný na GitHubu spolu s ukázkou v Gradiu pro ovládání pomocí ohraničujících rámečků a ukázka je k dispozici také na Hugging Face Spaces.

Podpora od prvního dne zahrnuje ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion a vLLM-Omni. Model byl natrénován na NVIDIA GB200 NVL72 a optimalizován pro platformu NVIDIA pro akcelerované výpočty. Společnost uvedla, že na NVIDIA GB300 vytvoří model s destilací obrázek o rozlišení 1 MP ve variantě NVFP4 za méně než 0,6 sekundy a že obsluha LoRA prodlužuje dobu generování přibližně o 5 %.

Základní kontrolní bod je určen k doladění: Diffusers a AI Toolkit od Ostris podporují trénování LoRA od prvního dne a NeMo AutoModel od NVIDIA nabízí recepty pro trénování, které lze spouštět přímo z vydaných kontrolních bodů. Váhy jsou zveřejněny pod licencí FLUX Kommunity License, která jednotlivcům a společnostem s ročními výnosy nižšími než 5 milionů USD umožňuje bezplatné komerční využití, stejně jako výzkumné a nekomerční využití. Větší organizace mohou model komerčně nasadit prostřednictvím možností samostatně hostované licence nebo API.

Black Forest Labs uvedla, že během předtrénování používá filtry datových sad, aby omezila vystavení škodlivému obsahu, a při dotrénování cílené dolaďování, které potlačuje škodlivé chování. Kontrolní body FLUX 3 Image Klein podle společnosti prošly interním testováním metodou red team a hodnocením externího bezpečnostního partnera Cinder, přičemž vykázaly podstatně méně zranitelností než jiné oblíbené modely s otevřenými vahami. FLUX 3 Image Klein je druhým vydáním modelu s otevřenými vahami z rodiny FLUX 3; předcházel mu FLUX 3 Action, otevřený model společnosti se 7 miliardami parametrů určený k řízení robotů. Společnost uvedla, že budou následovat další vydání.