FLUX 3 Image Klein รุ่นพารามิเตอร์ 5.6B เปิดตัวในรูปแบบโมเดลเปิดเผยน้ำหนัก

Black Forest Labs เปิดตัว FLUX 3 Image Klein เมื่อวันที่ 15 ตุลาคม 2026 โมเดลเปิดเผยน้ำหนักที่มีพารามิเตอร์ 5.6B สำหรับสร้างภาพจากข้อความ แก้ไขภาพ และสร้างภาพโดยอ้างอิงภาพหลายภาพ โดยรองรับภาพอ้างอิงได้สูงสุด 10 ภาพ

ความสามารถและรุ่นของโมเดล

โมเดลนี้มีความสามารถหลักร่วมกับ FLUX 3 Image รุ่นเต็ม ได้แก่ การสร้างภาพความละเอียด 4K โดยตรง การแก้ไขภาพที่แม่นยำระดับพิกเซล และการใช้กรอบกำหนดขอบเขตเพื่อควบคุมตำแหน่งวางองค์ประกอบหรือจำกัดการแก้ไขไว้ในพื้นที่ที่ระบุ Black Forest Labs ระบุว่าโมเดลนี้ต่อยอดจากองค์ความรู้ที่ FLUX 3 ใช้ร่วมกันในด้านภาพ วิดีโอ และเสียง โดยภาพช่วยเพิ่มรายละเอียดเชิงพื้นที่ วิดีโอเพิ่มข้อมูลด้านการเคลื่อนไหวและพลวัตทางกายภาพ ส่วนเสียงให้ข้อมูลเกี่ยวกับเหตุการณ์และปฏิสัมพันธ์ และสัญญาณเหล่านี้ช่วยให้โมเดลสร้างภาพที่สอดคล้องกับโลกจริง

รุ่นที่เปิดตัวประกอบด้วยโมเดลพื้นฐานที่ออกแบบมาเพื่อการปรับแต่งเพิ่มเติม และโมเดลที่ผ่านการกลั่นแบบหลายขั้นตอนเพื่อสร้างผลลัพธ์ด้วยเวลาแฝงต่ำ นอกจากนี้ยังมีรุ่น FP8, INT8 และ NVFP4 ที่พัฒนาร่วมกับการสนับสนุนจาก NVIDIA น้ำหนักของตัวสร้างภาพต้องใช้หน่วยความจำ 11.2 GB ในรูปแบบ BF16 และ 5.6 GB ในรูปแบบ FP8 ส่วนรุ่น INT8 สามารถทำงานบนจีพียู NVIDIA GeForce RTX ที่มีหน่วยความจำวิดีโอ (VRAM) เพียง 8 GB ได้ผ่าน ComfyUI หรือ Diffusers บริษัทระบุว่าจำนวนพารามิเตอร์ที่ลดลงทำให้สามารถใช้งานโมเดลบนเครื่องได้จริง ปรับแต่งได้ด้วยต้นทุนต่ำลง และเหมาะกับการแก้ไขภาพบนอุปกรณ์โดยตรง เช่น บนแล็ปท็อป

ผลการประเมินและประสิทธิภาพที่รายงาน

Black Forest Labs รายงานว่า ในการประเมินภายใน FLUX 3 Image Klein อยู่ในอันดับหนึ่งด้านการสร้างภาพจากข้อความ การสร้างภาพโดยอ้างอิงหลายภาพ และการแก้ไขภาพ โดยทำได้ดีกว่าโมเดลเปิดเผยน้ำหนักที่มีขนาดใหญ่กว่า และทำคะแนนสูงกว่าโมเดลปิดที่นำมาเปรียบเทียบ ได้แก่ Ideogram V4.5 และ FLUX.2 pro เมื่อมีพารามิเตอร์ 5.6B โมเดลนี้จึงเป็นโมเดลเปิดที่มีขนาดเล็กที่สุดในการเปรียบเทียบดังกล่าว เมื่อเทียบกับ Qwen-Image 2.1 ซึ่งมี 7B และ Krea 2 ซึ่งมี 12.9B บริษัทยังระบุว่า เมื่อเทียบกับ FLUX.2 klein 9B ของบริษัท โมเดลใหม่นี้ได้คะแนน Elo เพิ่มขึ้น 91 คะแนนในการสร้างภาพจากข้อความ และ 70 คะแนนในการแก้ไขภาพ ทั้งยังใช้พารามิเตอร์น้อยลง 38%

บริษัทระบุว่า FLUX 3 Image Klein ยังขยายขอบเขตพาเรโตด้านความเร็วและคุณภาพ โดยให้เวลาแฝงต่ำกว่าเมื่อใช้งานผ่าน BFL API เมื่อเทียบกับ Qwen-Image 2.1, FLUX.2 pro, Ideogram V4.5 และ Krea 2 ทั้งยังรายงานค่ามัธยฐานของเวลาแฝง API ที่ 4.54 วินาทีสำหรับการสร้างภาพจากข้อความ และ 7.18 วินาทีสำหรับการแก้ไขภาพที่ความละเอียด 1MP ตามวิธีการที่ระบุ วัดเวลาแฝงตั้งแต่ต้นจนจบ ตั้งแต่ส่งคำขอจนได้ภาพความละเอียด 1MP ที่เสร็จสมบูรณ์ โดยรวมเวลารอคิวด้วย ทั้งนี้ จับเวลาการทำงานของ FLUX 3 Image Klein บนเซิร์ฟเวอร์ของบริษัท ส่วนโมเดลอื่นจับเวลาจากฝั่งไคลเอนต์ ซึ่งรวมเวลาตรวจสอบสถานะและเวลาเครือข่าย Krea 2 ทดสอบในระดับ Medium ส่วนระดับ Large ใช้เวลา 31.1 วินาทีในการสร้างภาพจากข้อความ

สำหรับการประมวลผลบนเครื่อง บริษัทระบุว่าโมเดลที่ผ่านการกลั่นซึ่งใช้รุ่น INT8 สร้างภาพความละเอียด 1MP ได้ในเวลาประมาณ 4 วินาทีบน NVIDIA GeForce RTX 5090 และไม่ถึง 9 วินาทีบน RTX 4070 ผ่าน ComfyUI แผนภูมิเวลาที่เผยแพร่พร้อมกับการเปิดตัว ซึ่ง NVIDIA เป็นผู้วัดและบันทึกผลของ RTX ใน ComfyUI แสดงให้เห็นว่าโมเดลที่ผ่านการกลั่น 16 ขั้นตอนใช้เวลาตั้งแต่ 0.55 วินาทีบน GB300 ถึง 8.9 วินาทีบน RTX 4070 สำหรับการสร้างภาพจากข้อความที่ความละเอียด 1024×1024 ส่วนโมเดลพื้นฐาน 50 ขั้นตอนใช้เวลาตั้งแต่ 1.7 วินาทีบน GB300 และ DGX Station ถึง 43.8 วินาทีบน DGX Spark แผนภูมิแสดงรุ่นที่เร็วที่สุดของจีพียูแต่ละรุ่น และวัดเวลาสร้างภาพบนตัวจีพียูเอง ไม่ใช่เวลาแฝง API ตั้งแต่ต้นจนจบ

การให้บริการ สิทธิ์การใช้งาน และความปลอดภัย

โมเดลที่ผ่านการกลั่นพร้อมใช้งานผ่าน BFL API ในชื่อ flux-3-image-klein โดยมีฟังก์ชันขยายพรอมป์ต์และฟื้นฟูพิกเซล ซึ่งบริษัทระบุว่าช่วยคงส่วนของภาพที่ไม่ได้แก้ไขไว้ได้อย่างแม่นยำ ราคาเริ่มต้นที่ $0.009 ต่อภาพ 1K น้ำหนักของโมเดลพื้นฐานและโมเดลที่ผ่านการกลั่นเผยแพร่ไว้บน Hugging Face ส่วนโค้ดอ้างอิงสำหรับการอนุมานมีให้บน GitHub พร้อมเดโม Gradio สำหรับควบคุมกรอบกำหนดขอบเขต และยังมีเดโมให้ใช้งานบน Hugging Face Spaces

ตั้งแต่วันแรก โมเดลรองรับ ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion และ vLLM-Omni โดยได้รับการฝึกบน NVIDIA GB200 NVL72 และปรับแต่งให้เหมาะกับแพลตฟอร์มประมวลผลแบบเร่งความเร็วของ NVIDIA บริษัทระบุว่าเมื่อใช้งานบน NVIDIA GB300 โมเดลที่ผ่านการกลั่นสามารถสร้างภาพความละเอียด 1MP ในเวลาไม่ถึง 0.6 วินาทีด้วย NVFP4 และการให้บริการ LoRA จะเพิ่มเวลาสร้างภาพประมาณ 5%

จุดตรวจสอบพื้นฐานออกแบบมาเพื่อการปรับแต่งเพิ่มเติม โดย Diffusers และ AI Toolkit ของ Ostris รองรับการฝึก LoRA ตั้งแต่วันแรก และ NeMo AutoModel ของ NVIDIA มาพร้อมสูตรการฝึกที่ทำงานได้โดยตรงจากจุดตรวจสอบที่เผยแพร่ น้ำหนักโมเดลเผยแพร่ภายใต้ FLUX Kommunity License ซึ่งอนุญาตให้บุคคลและบริษัทที่มีรายได้ต่อปีต่ำกว่า $5M ใช้งานเชิงพาณิชย์ได้ฟรี รวมถึงอนุญาตให้ใช้เพื่อการวิจัยและการใช้งานที่ไม่ใช่เชิงพาณิชย์ ส่วนองค์กรขนาดใหญ่สามารถนำไปใช้งานเชิงพาณิชย์ได้ผ่านตัวเลือกสิทธิ์การใช้งานแบบโฮสต์เองหรือผ่าน API

Black Forest Labs ระบุว่าบริษัทใช้ตัวกรองชุดข้อมูลระหว่างการฝึกก่อนนำไปใช้งาน เพื่อลดการสัมผัสเนื้อหาที่เป็นอันตราย และปรับแต่งโมเดลอย่างเจาะจงระหว่างการฝึกภายหลัง เพื่อลดพฤติกรรมที่เป็นอันตราย นอกจากนี้ จุดตรวจสอบของ FLUX 3 Image Klein ยังผ่านการทดสอบเชิงรุกเพื่อค้นหาช่องโหว่ภายในบริษัท และได้รับการประเมินโดย Cinder ซึ่งเป็นพันธมิตรภายนอกด้านความปลอดภัย โดยแสดงให้เห็นว่ามีช่องโหว่น้อยกว่าโมเดลเปิดเผยน้ำหนักยอดนิยมอื่น ๆ อย่างมาก FLUX 3 Image Klein เป็นโมเดลเปิดเผยน้ำหนักรุ่นที่สองจากตระกูล FLUX 3 ต่อจาก FLUX 3 Action ซึ่งเป็นโมเดล 7B แบบเปิดเผยน้ำหนักของบริษัทสำหรับควบคุมหุ่นยนต์ และบริษัทระบุว่าจะมีการเปิดตัวโมเดลเพิ่มเติมตามมา