Mindre än modellen den ersätter
Black Forest Labs har släppt FLUX 3 Image Klein, en bildmodell med öppna vikter och 5,6 miljarder parametrar i generatorn, textkodarna oräknade. Labbet uppger att den klarar bild från text, bildredigering och generering utifrån upp till tio referensbilder, med 4K-utdata från grunden, pixelexakt redigering och ramar för att placera element eller avgränsa en redigering.
Den jämförelse som betyder något är med modellen den ersätter. FLUX.2 [klein] hade 9 miljarder parametrar; den nya har 38 procent färre och får, enligt labbets egna utvärderingar, 91 Elo-poäng mer på bild från text och 70 mer på bildredigering.
Vad som krävs för att köra den
Generatorns vikter upptar 11,2 GB i BF16 och 5,6 GB i FP8. Black Forest Labs uppger att en INT8-version kör på GeForce RTX-kort med så lite som 8 GB grafikminne via ComfyUI eller Diffusers, och ger en bild på en megapixel på omkring fyra sekunder på ett RTX 5090 och under nio på ett RTX 4070. I andra änden klarar den destillerade modellen i NVFP4 på ett GB300 samma bild på under 0,6 sekunder, medan basmodellen med 50 steg går från 1,7 sekunder på ett GB300 till 43,8 sekunder på en DGX Spark.
Versionerna i FP8, INT8 och NVFP4 togs fram tillsammans med Nvidia. Stöd finns från dag ett i ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion och vLLM-Omni, med LoRA-träning via Ostris AI Toolkit och recept från Nvidia NeMo AutoModel.
Påståendena, och vem som gjort dem
Labbet uppger att modellen är etta bland öppna modeller på bild från text, generering med flera referenser och redigering, före större öppna modeller, och att den värderas över stängda Ideogram V4.5 och labbets eget FLUX.2 [pro]. Det är interna utvärderingar publicerade av leverantören. Jämförelsegruppen omfattar också Qwen-Image 2.1 på 7 miljarder parametrar och Krea 2 på 12,9 miljarder.
För API:et redovisar Black Forest Labs en median för total fördröjning inklusive kötid på 4,54 sekunder för bild från text och 7,18 för redigering, och anger priser från 0,009 dollar för en 1K-bild. Vikterna för bas- och destillerad modell finns på Hugging Face.
Licens och säkerhet
Vikterna släpps under vad labbet kallar FLUX Kommunity License: fri kommersiell användning för privatpersoner och bolag med årsintäkter under 5 miljoner dollar, plus forskning och icke-kommersiellt bruk, medan större organisationer går via egen licensiering eller API:et.
Om säkerheten uppger labbet att det filtrerade förträningsdatan, gjorde riktad finjustering efteråt, red-teamade modellen internt och lät en extern part, Cinder, utvärdera den. Enligt labbet rapporterade Cinder betydligt färre sårbarheter än i andra populära modeller med öppna vikter. Den externa rapporten är det dokument som är värt att läsa i sin helhet när den kommer.
