FLUX 3 Image Klein mới ra mắt: mô hình có 5,6 tỷ tham số với trọng số mở

Black Forest Labs phát hành FLUX 3 Image Klein vào ngày 15 tháng 10 năm 2026, một mô hình có trọng số mở với 5,6 tỷ tham số, hỗ trợ tạo ảnh từ văn bản, chỉnh sửa ảnh và tạo ảnh từ nhiều ảnh tham chiếu, với khả năng sử dụng tối đa 10 ảnh tham chiếu.

Các khả năng và phiên bản mô hình

Mô hình này có chung những khả năng cốt lõi với mô hình FLUX 3 Image đầy đủ: tạo ảnh 4K nguyên bản, chỉnh sửa chính xác đến từng điểm ảnh và sử dụng khung giới hạn để kiểm soát vị trí đặt các thành phần hoặc giới hạn chỉnh sửa trong một khu vực xác định. Black Forest Labs cho biết mô hình kế thừa những hiểu biết chung tích lũy được từ họ FLUX 3 qua hình ảnh, video và âm thanh — hình ảnh cung cấp chi tiết không gian, video bổ sung chuyển động và động lực học vật lý, còn âm thanh cung cấp thông tin về các sự kiện và tương tác — đồng thời những tín hiệu này giúp mô hình tạo ra hình ảnh bám sát thế giới thực.

Bản phát hành gồm một mô hình nền dành cho tinh chỉnh và một mô hình chưng cất theo bước để tạo ảnh với độ trễ thấp, cùng các phiên bản FP8, INT8 và NVFP4 được phát triển với sự hỗ trợ của NVIDIA. Trọng số của bộ tạo ảnh cần 11,2 GB bộ nhớ ở định dạng BF16 và 5,6 GB ở FP8; với phiên bản INT8, mô hình có thể chạy trên GPU NVIDIA GeForce RTX với chỉ 8 GB VRAM thông qua ComfyUI hoặc Diffusers. Công ty cho biết số lượng tham số giảm giúp mô hình có thể chạy thực tế ngay trên máy, dễ tùy chỉnh hơn với chi phí thấp hơn, đồng thời phù hợp để chỉnh sửa ảnh trực tiếp trên thiết bị, ngay trên máy tính xách tay.

Kết quả đánh giá và hiệu năng được công bố

Black Forest Labs cho biết trong các đánh giá nội bộ, FLUX 3 Image Klein đứng đầu về tạo ảnh từ văn bản, tạo ảnh từ nhiều ảnh tham chiếu và chỉnh sửa ảnh, vượt qua các mô hình có trọng số mở lớn hơn; đồng thời đạt điểm cao hơn các mô hình đóng trong nhóm so sánh của công ty là Ideogram V4.5 và FLUX.2 pro. Với 5,6 tỷ tham số, đây là mô hình mở nhỏ nhất trong nhóm so sánh đó, so với 7 tỷ tham số của Qwen-Image 2.1 và 12,9 tỷ của Krea 2. Theo công ty, so với FLUX.2 klein 9B của mình, mô hình mới tăng 91 điểm Elo ở khả năng tạo ảnh từ văn bản và 70 điểm ở khả năng chỉnh sửa ảnh, trong khi sử dụng ít hơn 38% tham số.

Công ty cho biết FLUX 3 Image Klein cũng mở rộng biên Pareto giữa tốc độ và chất lượng, với độ trễ qua API BFL thấp hơn Qwen-Image 2.1, FLUX.2 pro, Ideogram V4.5 và Krea 2; độ trễ API trung vị được báo cáo là 4,54 giây khi tạo ảnh từ văn bản và 7,18 giây khi chỉnh sửa ảnh ở độ phân giải 1MP. Theo phương pháp đo được nêu, độ trễ được tính từ đầu đến cuối, từ lúc gửi yêu cầu đến khi hoàn thành ảnh 1MP, bao gồm cả thời gian chờ trong hàng đợi; thời gian của FLUX 3 Image Klein được đo trên máy chủ của công ty, còn các mô hình khác được đo từ phía máy khách, bao gồm thời gian thăm dò và truyền qua mạng. Krea 2 được đo ở cấp Medium, còn cấp Large mất 31,1 giây để tạo ảnh từ văn bản.

Về suy luận cục bộ, công ty cho biết mô hình chưng cất dùng phiên bản INT8 tạo ảnh 1MP trong khoảng 4 giây trên NVIDIA GeForce RTX 5090 và chưa đến 9 giây trên RTX 4070 thông qua ComfyUI. Các biểu đồ thời gian được công bố cùng bản phát hành, do NVIDIA đo với kết quả trên RTX được ghi nhận trong ComfyUI, cho thấy mô hình chưng cất 16 bước mất từ 0,55 giây trên GB300 đến 8,9 giây trên RTX 4070 để tạo ảnh 1024×1024 từ văn bản; mô hình nền 50 bước mất từ 1,7 giây trên GB300 và DGX Station đến 43,8 giây trên DGX Spark. Các biểu đồ thể hiện phiên bản nhanh nhất trên mỗi GPU và đo thời gian tạo ảnh ngay trên GPU, thay vì độ trễ API từ đầu đến cuối.

Tình trạng cung cấp, cấp phép và an toàn

Mô hình chưng cất hiện có trên API BFL với tên flux-3-image-klein, kèm tính năng nâng cấp lời nhắc và khôi phục điểm ảnh; theo công ty, tính năng này giữ nguyên chính xác những vùng không được chỉnh sửa trong ảnh. Giá khởi điểm là 0,009 USD cho mỗi ảnh 1K. Trọng số của mô hình nền và mô hình chưng cất được đăng trên Hugging Face; mã suy luận tham chiếu có trên GitHub, kèm bản trình diễn Gradio để điều khiển bằng khung giới hạn; ngoài ra, còn có một bản trình diễn trên Hugging Face Spaces.

Ngay từ ngày đầu, mô hình hỗ trợ ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion và vLLM-Omni; mô hình được huấn luyện trên NVIDIA GB200 NVL72 và tối ưu hóa cho nền tảng điện toán tăng tốc của NVIDIA. Công ty cho biết trên NVIDIA GB300, mô hình chưng cất tạo ảnh 1MP trong chưa đến 0,6 giây ở định dạng NVFP4; việc triển khai một LoRA làm thời gian tạo ảnh tăng khoảng 5%.

Checkpoint nền được thiết kế để tinh chỉnh: Diffusers và AI Toolkit của Ostris hỗ trợ huấn luyện LoRA ngay từ ngày đầu, còn NeMo AutoModel của NVIDIA cung cấp các công thức huấn luyện có thể chạy trực tiếp từ những checkpoint đã phát hành. Trọng số được phát hành theo FLUX Kommunity License, cho phép cá nhân và công ty có doanh thu hằng năm dưới 5 triệu USD sử dụng miễn phí cho mục đích thương mại, bên cạnh mục đích nghiên cứu và phi thương mại; các tổ chức lớn hơn có thể triển khai thương mại thông qua các lựa chọn cấp phép tự lưu trữ hoặc API.

Black Forest Labs cho biết công ty áp dụng bộ lọc dữ liệu trong quá trình tiền huấn luyện để hạn chế tiếp xúc với nội dung có hại, đồng thời tinh chỉnh có mục tiêu trong giai đoạn hậu huấn luyện để ngăn chặn các hành vi có hại. Công ty cũng cho biết các checkpoint FLUX 3 Image Klein đã được nhóm nội bộ kiểm thử đối kháng và được đối tác an toàn bên ngoài Cinder đánh giá, qua đó cho thấy mô hình có ít lỗ hổng hơn đáng kể so với các mô hình có trọng số mở phổ biến khác. FLUX 3 Image Klein là bản phát hành có trọng số mở thứ hai thuộc họ FLUX 3, sau FLUX 3 Action, mô hình 7B có trọng số mở của công ty dành cho điều khiển robot; công ty cho biết sẽ còn có thêm các bản phát hành khác.