Más pequeño que el modelo al que sustituye
Black Forest Labs ha publicado FLUX 3 Image Klein, un modelo de imagen de pesos abiertos con 5.600 millones de parámetros en el generador, sin contar los codificadores de texto. El laboratorio afirma que hace generación a partir de texto, edición de imágenes y generación con hasta diez imágenes de referencia, con salida nativa en 4K, edición con precisión de píxel y cajas delimitadoras para colocar elementos o acotar una edición.
La comparación relevante es con el modelo al que sustituye. FLUX.2 [klein] tenía 9.000 millones de parámetros; el nuevo tiene un 38% menos y, según las evaluaciones del propio laboratorio, saca 91 puntos Elo más en generación a partir de texto y 70 más en edición de imágenes.
Qué hace falta para ejecutarlo
Los pesos del generador ocupan 11,2 GB en BF16 y 5,6 GB en FP8. Black Forest Labs dice que una versión INT8 funciona en tarjetas GeForce RTX con tan solo 8 GB de VRAM mediante ComfyUI o Diffusers, y produce una imagen de un megapíxel en unos cuatro segundos en una RTX 5090 y en menos de nueve en una RTX 4070. En el otro extremo, el modelo destilado en NVFP4 sobre una GB300 baja de 0,6 segundos para esa misma imagen, y el modelo base con 50 pasos va de 1,7 segundos en una GB300 a 43,8 segundos en un DGX Spark.
Las versiones FP8, INT8 y NVFP4 se desarrollaron con Nvidia. El soporte desde el primer día cubre ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion y vLLM-Omni, con entrenamiento de LoRA mediante el Ostris AI Toolkit y las recetas de Nvidia NeMo AutoModel.
Las afirmaciones, y quién las hace
El laboratorio dice que el modelo es primero entre los abiertos en generación a partir de texto, generación con varias referencias y edición, por delante de modelos abiertos mayores, y que queda por encima del cerrado Ideogram V4.5 y de su propio FLUX.2 [pro]. Son evaluaciones internas publicadas por el fabricante. El grupo de comparación incluye además Qwen-Image 2.1, de 7.000 millones de parámetros, y Krea 2, de 12.900 millones.
En la API, Black Forest Labs declara una latencia mediana de extremo a extremo, cola incluida, de 4,54 segundos para texto a imagen y 7,18 para edición, y fija el precio desde 0,009 dólares por una imagen de 1K. Los pesos del modelo base y del destilado están en Hugging Face.
Licencia y seguridad
Los pesos se publican bajo lo que el laboratorio llama FLUX Kommunity License: uso comercial gratuito para particulares y empresas con ingresos anuales inferiores a 5 millones de dólares, además de uso de investigación y no comercial, con las organizaciones mayores pasando por licencias autoalojadas o por la API.
Sobre seguridad, el laboratorio dice que filtró el conjunto de datos de preentrenamiento, hizo un ajuste fino posterior específico, sometió el modelo a ejercicios internos de red team y lo hizo evaluar por un socio externo, Cinder, que según él informó de bastantes menos vulnerabilidades que otros modelos populares de pesos abiertos. Ese informe externo es el documento que conviene leer entero cuando aparezca.
