FLUX 3 Image Klein: nyílt képmodell 8 GB-os GPU-ra

Mit tud a modell?

A Klein a teljes FLUX 3 Image modell kisebb, nyílt változata. A BFL szerint ugyanazt tudja, mint a nagy modell: natív 4K kimenet, pixelpontos szerkesztés, valamint bounding boxok, amelyekkel megadható, hová kerüljön egy elem, vagy melyik területre korlátozódjon a szerkesztés (BFL).

Két checkpoint jelent meg. A lépésdesztillált változat 16 lépéssel dolgozik, ez a gyors generálásra való. A base modell 50 lépést futtat, ezt fine-tuningra és LoRA-tanításra szánják. A Hugging Face szerint a desztillált változat egy H100-on kb. 2 másodperc alatt készít el egy 1024×1024-es képet (Hugging Face).

Benchmarkok

A BFL belső értékelésében a Klein a nyílt modellek közül első szövegből képben, több referenciás generálásban és képszerkesztésben is. A cég szerint a tesztben szereplő két zárt modellt, az Ideogram V4.5-öt és a saját FLUX.2 [pro]-t is megelőzi.

A méret a fő érv. 5,6 milliárd paraméterrel ez a legkisebb nyílt modell az összevetésben, a Qwen-Image 2.1 7, a Krea 2 12,9 milliárd paraméteres. Az előd FLUX.2 [klein] 9B-hez képest 91 Elo-ponttal jobb szövegből képben, 70-nel képszerkesztésben, miközben 38%-kal kevesebb paramétere van. A paraméterszámok csak a képgenerátorra vonatkoznak, a szövegkódolót nem számolják bele.

Forrás: Black Forest Labs. Elo-értékelés a képgenerátor paraméterszámának függvényében, szövegből kép (balra) és képszerkesztés (jobbra). A BFL belső értékelése.

Ezek a gyártó saját mérései. Független arénás eredményt az általunk átnézett források még nem közöltek.

Milyen hardver kell hozzá?

A képgenerátor súlyai BF16-ban 11,2 GB-ot, FP8-ban 5,6 GB-ot foglalnak. Az INT8-as build az NVIDIA-val közösen készült, ComfyUI-ban vagy Diffusersben 8 GB VRAM-mal is elfut. A BFL szerint a desztillált modell INT8-ban egy 1 megapixeles képet RTX 5090-en kb. 4 másodperc alatt generál, RTX 4070-en 9 másodpercnél kevesebb idő alatt. GB300-on, NVFP4-ben 0,6 másodperc alatt van kész egy kép.

Forrás: Black Forest Labs / NVIDIA. Generálási idő GPU-nként a desztillált modellel, 16 lépéssel. A méréseket az NVIDIA végezte.

Licenc és ár

A súlyok a FLUX Kommunity License alatt jelentek meg. Ez ingyenes kereskedelmi használatot enged magánszemélyeknek és az évi 5 millió dollárnál kisebb árbevételű cégeknek, kutatási és nem kereskedelmi célra pedig mindenkinek. A nagyobb cégeknek saját hosztolású licenc vagy az API marad.

Az API-ban a desztillált modell flux-3-image-klein néven érhető el, 1K-s képenként 0,009 dollártól. Első naptól támogatja a ComfyUI, a Diffusers, a TensorRT-LLM, az SGLang Diffusion és a vLLM-Omni. LoRA-tanításhoz az Ostris AI Toolkit és az NVIDIA NeMo AutoModel ad receptet. A dokumentáció szerint a base modellen tanított LoRA átalakítás nélkül betölthető a desztillált változatba (BFL Docs).

Biztonsági oldalon a BFL azt írja, hogy a checkpointokat belső red teaming mellett külső partnere, a Cinder is értékelte a megjelenés előtt.

Kinek érdemes ránézni?

Annak, aki termékfotót, hirdetési anyagot vagy mockupot saját gépen generálna, API-számla nélkül. Az 5 millió dolláros árbevételi határ alatt egyetlen gamer kártyán futtatható és finomhangolható. Fölötte először a licencről kell tárgyalni. A Klein a FLUX 3 család második nyílt modellje a FLUX 3 Action után, a BFL szerint lesz még több.