5.6 अरब पैरामीटर वाला नया FLUX 3 Image Klein ओपन-वेट्स रिलीज़ के रूप में लॉन्च

Black Forest Labs ने 15 अक्टूबर, 2026 को FLUX 3 Image Klein जारी किया। यह 5.6 अरब पैरामीटर वाला ओपन-वेट्स मॉडल है, जो टेक्स्ट से इमेज बनाने, इमेज संपादित करने और कई संदर्भों के आधार पर इमेज बनाने की सुविधा देता है। इसमें अधिकतम 10 संदर्भ इमेज का समर्थन है।

क्षमताएँ और मॉडल बिल्ड

इस मॉडल में पूर्ण FLUX 3 Image मॉडल की मुख्य क्षमताएँ शामिल हैं: मूल रूप से 4K इमेज बनाना, पिक्सेल-स्तर पर सटीक संपादन करना और बाउंडिंग बॉक्स, जिनसे यह नियंत्रित किया जा सकता है कि एलिमेंट कहाँ रखे जाएँ या संपादन किसी तय क्षेत्र तक सीमित रहें। Black Forest Labs के अनुसार, यह मॉडल FLUX 3 परिवार के साझा अनुभवों पर आधारित है, जो इमेज, वीडियो और ऑडियो से मिले हैं—इमेज स्थानिक विवरण देती हैं, वीडियो गति और भौतिक गतिशीलता जोड़ता है, और ऑडियो घटनाओं व परस्पर क्रियाओं की जानकारी देता है। कंपनी ने कहा कि ये संकेत मॉडल को वास्तविक दुनिया पर आधारित इमेज बनाने में मदद करते हैं।

इस रिलीज़ में फ़ाइन-ट्यूनिंग के लिए बनाया गया एक बेस मॉडल और कम विलंबता के साथ इमेज बनाने के लिए स्टेप-डिस्टिल्ड मॉडल शामिल है। इनके साथ NVIDIA के सहयोग से विकसित FP8, INT8 और NVFP4 बिल्ड भी हैं। जनरेशन के वेट्स को BF16 में 11.2 GB और FP8 में 5.6 GB मेमोरी की ज़रूरत होती है। INT8 बिल्ड के साथ यह मॉडल ComfyUI या Diffusers के ज़रिए NVIDIA GeForce RTX GPU पर केवल 8 GB VRAM में भी चल सकता है। कंपनी ने कहा कि कम पैरामीटर होने से मॉडल को स्थानीय रूप से चलाना व्यावहारिक और उसमें बदलाव करना कम खर्चीला हो जाता है; यह लैपटॉप पर सीधे डिवाइस में इमेज संपादित करने के लिए भी उपयुक्त है।

रिपोर्ट किए गए मूल्यांकन और प्रदर्शन के नतीजे

Black Forest Labs ने बताया कि उसके आंतरिक मूल्यांकनों में FLUX 3 Image Klein टेक्स्ट से इमेज बनाने, कई संदर्भों के आधार पर इमेज बनाने और इमेज संपादन में सबसे आगे है। यह बड़े ओपन-वेट्स मॉडल से बेहतर प्रदर्शन करता है और तुलना में शामिल बंद मॉडलों Ideogram V4.5 और FLUX.2 pro से भी ऊँची रेटिंग पाता है। इस तुलना में 5.6 अरब पैरामीटर वाला यह सबसे छोटा ओपन मॉडल है; Qwen-Image 2.1 में 7 अरब और Krea 2 में 12.9 अरब पैरामीटर हैं। कंपनी के अनुसार, उसके FLUX.2 klein 9B मॉडल की तुलना में नया मॉडल टेक्स्ट से इमेज बनाने में 91 Elo और इमेज संपादन में 70 Elo अंक बेहतर है, जबकि इसमें 38% कम पैरामीटर हैं।

कंपनी ने कहा कि FLUX 3 Image Klein गति और गुणवत्ता के बीच पारेतो फ्रंटियर को भी आगे बढ़ाता है। BFL API के ज़रिए इसकी विलंबता Qwen-Image 2.1, FLUX.2 pro, Ideogram V4.5 और Krea 2 से कम है। 1 मेगापिक्सेल की इमेज के लिए टेक्स्ट से इमेज बनाने में इसकी रिपोर्ट की गई माध्यिका API विलंबता 4.54 सेकंड और संपादन में 7.18 सेकंड है। बताई गई कार्यप्रणाली के अनुसार, विलंबता अनुरोध भेजने से लेकर 1 मेगापिक्सेल की इमेज तैयार होने तक मापी गई, जिसमें कतार में लगने का समय भी शामिल था। FLUX 3 Image Klein का समय कंपनी के सर्वर पर मापा गया, जबकि अन्य मॉडलों का समय क्लाइंट से मापा गया, जिसमें पोलिंग और नेटवर्क का समय शामिल था। Krea 2 का समय उसके Medium स्तर पर मापा गया; उसके Large स्तर पर टेक्स्ट से इमेज बनाने में 31.1 सेकंड लगे।

स्थानीय स्तर पर अनुमान चलाने के लिए, कंपनी ने बताया कि INT8 बिल्ड वाला डिस्टिल्ड मॉडल ComfyUI के ज़रिए NVIDIA GeForce RTX 5090 पर लगभग 4 सेकंड में और RTX 4070 पर 9 सेकंड से कम में 1 मेगापिक्सेल की इमेज बनाता है। रिलीज़ के साथ प्रकाशित समय-प्रदर्शन चार्ट NVIDIA ने मापे थे और RTX के नतीजे ComfyUI में दर्ज किए गए थे। इनमें 16-स्टेप डिस्टिल्ड मॉडल को 1024×1024 रिज़ॉल्यूशन में टेक्स्ट से इमेज बनाने के लिए GB300 पर 0.55 सेकंड से लेकर RTX 4070 पर 8.9 सेकंड तक का समय लेते दिखाया गया है। वहीं, 50-स्टेप बेस मॉडल को GB300 और DGX Station पर 1.7 सेकंड से लेकर DGX Spark पर 43.8 सेकंड तक का समय लेते दिखाया गया है। चार्ट में हर GPU का सबसे तेज़ बिल्ड दिखाया गया है और समय GPU पर जनरेशन के लिए मापा गया है, न कि API अनुरोध से परिणाम मिलने तक की कुल विलंबता के लिए।

उपलब्धता, लाइसेंस और सुरक्षा

डिस्टिल्ड मॉडल BFL API में flux-3-image-klein नाम से उपलब्ध है। इसमें प्रॉम्प्ट अपसैंपलिंग और पिक्सेल बहाली की सुविधा है; कंपनी के अनुसार, इससे इमेज के वे हिस्से बिल्कुल जस के तस रहते हैं जिनमें संपादन नहीं किया गया है। इसकी कीमत प्रति 1,000 इमेज $0.009 से शुरू होती है। बेस और डिस्टिल्ड वेट्स Hugging Face पर उपलब्ध हैं। बाउंडिंग बॉक्स नियंत्रण के लिए Gradio डेमो के साथ संदर्भ इन्फ़रेंस कोड GitHub पर उपलब्ध है, और एक डेमो Hugging Face Spaces पर भी है।

पहले दिन से ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion और vLLM-Omni का समर्थन उपलब्ध है। मॉडल को NVIDIA GB200 NVL72 पर प्रशिक्षित किया गया और NVIDIA के त्वरित कंप्यूटिंग प्लेटफ़ॉर्म के लिए अनुकूलित किया गया। कंपनी ने कहा कि NVIDIA GB300 पर डिस्टिल्ड मॉडल NVFP4 में 0.6 सेकंड से कम समय में 1 मेगापिक्सेल की इमेज बनाता है और LoRA चलाने से जनरेशन का समय लगभग 5% बढ़ता है।

बेस चेकपॉइंट को फ़ाइन-ट्यूनिंग के लिए बनाया गया है: Diffusers और Ostris का AI Toolkit पहले दिन से LoRA प्रशिक्षण का समर्थन करते हैं, जबकि NVIDIA का NeMo AutoModel ऐसे प्रशिक्षण नुस्खे देता है जिन्हें जारी किए गए चेकपॉइंट से सीधे चलाया जा सकता है। वेट्स FLUX Kommunity License के तहत जारी किए गए हैं। यह व्यक्तियों और उन कंपनियों को मुफ़्त व्यावसायिक उपयोग की अनुमति देता है जिनका वार्षिक राजस्व $5 मिलियन से कम है; साथ ही, शोध और गैर-व्यावसायिक उपयोग की भी अनुमति है। बड़ी संस्थाएँ स्वयं होस्ट किए जाने वाले लाइसेंस विकल्पों या API के ज़रिए व्यावसायिक रूप से इसे लागू कर सकती हैं।

Black Forest Labs ने कहा कि हानिकारक सामग्री के संपर्क को सीमित करने के लिए वह प्री-ट्रेनिंग के दौरान डेटासेट फ़िल्टर लागू करता है और पोस्ट-ट्रेनिंग में लक्षित फ़ाइन-ट्यूनिंग के ज़रिए हानिकारक व्यवहारों को दबाता है। कंपनी के अनुसार, FLUX 3 Image Klein के चेकपॉइंट्स की आंतरिक रेड-टीम जाँच की गई और बाहरी सुरक्षा साझेदार Cinder ने उनका मूल्यांकन किया। इन जाँचों में अन्य लोकप्रिय ओपन-वेट्स मॉडलों की तुलना में काफ़ी कम कमज़ोरियाँ सामने आईं। FLUX 3 Image Klein, FLUX 3 परिवार की दूसरी ओपन-वेट्स रिलीज़ है। इससे पहले कंपनी ने रोबोट नियंत्रण के लिए अपना 7 अरब पैरामीटर वाला ओपन-वेट्स मॉडल FLUX 3 Action जारी किया था। कंपनी ने कहा कि आगे और मॉडल जारी किए जाएँगे।