Nowy FLUX 3 Image Klein z 5,6 mld parametrów debiutuje jako model z otwartymi wagami

Black Forest Labs udostępniło 15 października 2026 r. FLUX 3 Image Klein — model z otwartymi wagami i 5,6 mld parametrów do generowania obrazów na podstawie tekstu, edycji obrazów i generowania z użyciem wielu obrazów referencyjnych, obsługujący maksymalnie 10 obrazów referencyjnych.

Możliwości i wersje modelu

Model oferuje te same podstawowe możliwości co pełna wersja FLUX 3 Image: natywne generowanie w rozdzielczości 4K, edycję z dokładnością co do piksela oraz ramki ograniczające, które kontrolują rozmieszczenie elementów lub zawężają edycję do określonego obszaru. Black Forest Labs poinformowało, że model bazuje na wspólnych doświadczeniach zebranych w całej rodzinie FLUX 3 podczas pracy z obrazami, wideo i dźwiękiem — obrazy dostarczają szczegółów przestrzennych, wideo wnosi ruch i dynamikę fizyczną, a dźwięk zapewnia informacje o zdarzeniach i interakcjach — oraz że te sygnały pomagają modelowi generować obrazy odzwierciedlające rzeczywisty świat.

W ramach udostępnienia pojawił się model bazowy przeznaczony do dostrajania oraz model destylowany etapowo, zapewniający generowanie z niskim opóźnieniem, a także wersje FP8, INT8 i NVFP4 opracowane przy wsparciu NVIDIA. Wagi generatora wymagają 11,2 GB pamięci w formacie BF16 i 5,6 GB w formacie FP8. W wersji INT8 model działa za pośrednictwem ComfyUI lub Diffusers na kartach NVIDIA GeForce RTX z zaledwie 8 GB pamięci VRAM. Firma poinformowała, że mniejsza liczba parametrów sprawia, iż model można praktycznie uruchamiać lokalnie, taniej dostosowywać i wykorzystywać do edycji obrazów bezpośrednio na laptopach.

Opublikowane wyniki ewaluacji i wydajności

Black Forest Labs poinformowało, że w wewnętrznych testach FLUX 3 Image Klein zajmuje pierwsze miejsce w generowaniu obrazów na podstawie tekstu, generowaniu z użyciem wielu obrazów referencyjnych i edycji obrazów, wyprzedzając większe modele z otwartymi wagami. W rankingu uzyskał też wyższe wyniki niż zamknięte modele uwzględnione w porównaniu: Ideogram V4.5 i FLUX.2 pro. Przy 5,6 mld parametrów jest najmniejszym otwartym modelem w tym zestawieniu — dla porównania Qwen-Image 2.1 ma 7 mld parametrów, a Krea 2 — 12,9 mld. Według firmy, w porównaniu z jej FLUX.2 klein 9B nowy model zyskał 91 punktów Elo w generowaniu obrazów na podstawie tekstu i 70 punktów w edycji obrazów, wykorzystując przy tym o 38% mniej parametrów.

Firma poinformowała, że FLUX 3 Image Klein przesuwa również granicę Pareto między szybkością a jakością, zapewniając za pośrednictwem BFL API mniejsze opóźnienie niż Qwen-Image 2.1, FLUX.2 pro, Ideogram V4.5 i Krea 2. Zgłoszone mediany opóźnienia API wynoszą 4,54 sekundy dla generowania obrazów na podstawie tekstu i 7,18 sekundy dla edycji przy rozdzielczości 1 MP. Zgodnie z opisaną metodologią opóźnienie mierzono od początku do końca — od wysłania żądania do uzyskania gotowego obrazu o rozdzielczości 1 MP — z uwzględnieniem czasu oczekiwania w kolejce. Czas generowania FLUX 3 Image Klein mierzono na serwerach firmy, natomiast pozostałe modele mierzono po stronie klienta, uwzględniając odpytywanie i czas transmisji w sieci. Krea 2 testowano w wariancie Medium, a generowanie obrazu na podstawie tekstu w wariancie Large trwało 31,1 sekundy.

Firma podała, że podczas lokalnego wnioskowania model destylowany w wersji INT8 generuje obraz o rozdzielczości 1 MP w około 4 sekundy na karcie NVIDIA GeForce RTX 5090 i w mniej niż 9 sekund na karcie RTX 4070 za pośrednictwem ComfyUI. Opublikowane wraz z premierą wykresy czasów, opracowane przez NVIDIA na podstawie wyników z kart RTX zarejestrowanych w ComfyUI, pokazują, że destylowany model 16-etapowy generuje obraz o rozdzielczości 1024×1024 na podstawie tekstu w czasie od 0,55 sekundy na GB300 do 8,9 sekundy na RTX 4070. W przypadku modelu bazowego 50-etapowego czasy wynoszą od 1,7 sekundy na GB300 i DGX Station do 43,8 sekundy na DGX Spark. Wykresy przedstawiają najszybszą wersję dla każdego procesora graficznego i mierzą sam czas generowania na karcie, a nie opóźnienie API liczone od początku do końca.

Dostępność, licencja i bezpieczeństwo

Model destylowany jest dostępny w BFL API pod nazwą flux-3-image-klein, z funkcją rozszerzania promptu i przywracania pikseli, która — jak podała firma — dokładnie zachowuje nieedytowane obszary obrazu. Ceny zaczynają się od 0,009 USD za obraz 1K. Wagi modeli bazowego i destylowanego udostępniono w serwisie Hugging Face, a kod referencyjny do wnioskowania jest dostępny w serwisie GitHub wraz z demonstracją Gradio umożliwiającą sterowanie ramkami ograniczającymi. Demonstracja jest też dostępna w Hugging Face Spaces.

Od pierwszego dnia model obsługuje ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion i vLLM-Omni. Został wytrenowany na NVIDIA GB200 NVL72 i zoptymalizowany pod kątem platformy obliczeń przyspieszonych NVIDIA. Firma poinformowała, że na NVIDIA GB300 model destylowany generuje obraz o rozdzielczości 1 MP w czasie krótszym niż 0,6 sekundy w formacie NVFP4, a obsługa LoRA wydłuża czas generowania o około 5%.

Punkt kontrolny modelu bazowego zaprojektowano z myślą o dostrajaniu: Diffusers i AI Toolkit firmy Ostris obsługują trenowanie LoRA od pierwszego dnia, a NeMo AutoModel firmy NVIDIA udostępnia zestawy przepisów treningowych, które można uruchamiać bezpośrednio z opublikowanych punktów kontrolnych. Wagi udostępniono na licencji FLUX Kommunity License, która zezwala osobom fizycznym i firmom o rocznych przychodach poniżej 5 mln USD na bezpłatne wykorzystanie komercyjne, a także na wykorzystanie badawcze i niekomercyjne. Większe organizacje mogą wdrażać model komercyjnie, korzystając z opcji licencjonowania na własnej infrastrukturze lub z API.

Black Forest Labs poinformowało, że podczas wstępnego trenowania stosuje filtry zbiorów danych, aby ograniczyć ekspozycję na szkodliwe treści, a podczas trenowania końcowego — ukierunkowane dostrajanie, by ograniczać szkodliwe zachowania. Firma podała również, że punkty kontrolne FLUX 3 Image Klein poddano wewnętrznym testom bezpieczeństwa typu red team oraz ocenie zewnętrznego partnera ds. bezpieczeństwa, firmy Cinder. Testy wykazały znacznie mniej podatności niż w innych popularnych modelach z otwartymi wagami. FLUX 3 Image Klein to drugi model z otwartymi wagami z rodziny FLUX 3, po FLUX 3 Action — opracowanym przez firmę otwartym modelu z 7 mld parametrów przeznaczonym do sterowania robotami. Firma zapowiedziała, że udostępni kolejne modele.