Black Forest Labs открыла веса FLUX 3 Image Klein — модели на 5,6B параметров, которая в одном чекпоинте совмещает генерацию изображений по тексту, редактирование по одному референсу и композицию из нескольких картинок. Веса выложены на Hugging Face под FLUX Kommunity License, дистиллированная сборка запускается локально на потребительских видеокартах, а попробовать модель можно в демо на HF Spaces или через API.

image
image

Что произошло

Black Forest Labs выложила чекпоинты FLUX 3 Image Klein в открытый доступ. Картинковый трансформер модели содержит 5,6B параметров, а единый чекпоинт закрывает несколько задач: text-to-image, редактирование по одному референсу, композицию из до 10 референс-картинок с одной картинкой на выходе и рендеринг текста внутри изображения. Размещение элементов задаётся bounding boxes на сетке 0–1000. Выпущены два варианта весов: дистиллированный чекпоинт на 16 шагов без CFG — тот же, что работает в API BFL, — и Klein Base, недистиллированный, на 50 шагов с CFG 3.5, предназначенный для финтюнов и LoRA. Оба доступны в форматах BF16, FP8 и NVFP4. Для ComfyUI выпущена int8-сборка, работающая на 8 ГБ VRAM уровня RTX 3070. Отдельно опубликован промпт-апсемплер на 9B — fine-tune модели Qwen3.5-9B под лицензией Apache 2.0.

Контекст

Понимать релиз проще с учётом устройства всей системы. Заголовочные 5,6B параметров относятся только к картинковому трансформеру: текстовый энкодер Qwen3-VL-4B-Instruct поставляется отдельно, а опциональный промпт-апсемплер добавляет ещё 9B, так что полная система тяжелее, чем следует из цифры, — это фактор при расчёте VRAM и стоимости инференса. Веса распространяются под FLUX Kommunity License: коммерческое использование бесплатно для компаний с выручкой до $5M. О позиционировании модели известно из анонса: по внутренним оценкам BFL, Klein лидирует в text-to-image, мульти-референсной генерации и редактировании, превосходя закрытые Ideogram V4.5 и FLUX.2 [pro], а по Elo даёт +91 в text-to-image и +70 в редактировании к предыдущей модели FLUX.2 [klein] при 38% меньшем объёме — 5,6B против 9B параметров.

Почему это важно для индустрии

Для индустрии это выполнение обещания из анонса FLUX 3 Image и редкий случай, когда open-weights релиз можно закладывать в продакшен сразу. Дистиллированный чекпоинт совпадает с тем, что работает в API, поэтому прототип переносится в продукт без смены модели. Поддержка ComfyUI, HF Diffusers, SGLang, vLLM-Omni и TensorRT-LLM заявлена с первого дня, а тренировка LoRA доступна через Ostris AI Toolkit и NVIDIA NeMo AutoModel — модель встраивается в существующие пайплайны без новых прослоек. Экономика меняется заметнее всего: self-hosted инференс на потребительских GPU и заявленная цена API от $0,009 за 1000 изображений обрушивают себестоимость генерации и редактирования, «сырая» картинка превращается в коммодити, и защищаться студиям и стартапам приходится выше по стеку — в вертикальных продуктах, UX и уникальных данных.

Почему это важно для пользователей

Попробовать модель можно несколькими способами прямо сейчас: скачать веса с Hugging Face, приняв условия лицензии, открыть демо на HF Spaces или работать через API BFL. Локальный запуск реалистичен даже на массовом железе: дистиллированная версия в int8 генерирует изображение в один мегапиксель примерно за 4 секунды на RTX 5090 и менее чем за 9 секунд на RTX 4070. Bounding boxes дают понятный интерфейс редактирования: элементы кадра перекрашиваются, двигаются и удаляются по текстовому описанию. Композиция из нескольких референсов позволяет собрать одну картинку из имеющихся изображений, а рендеринг текста силами самой модели избавляет от отдельной обработки надписей.

Что пока неизвестно / ограничения

Приведённые в анонсе качественные цифры — внутренние оценки BFL без раскрытой методологии, а базой сравнения выступает собственная предыдущая модель компании, поэтому до независимых проверок лидерство Klein следует считать гипотезой, а не установленным фактом. Независимых замеров латентности и производительности в реальных serving-стеках, как и отчётов по вариантам FP8 и NVFP4, пока не опубликовано.

Источники

Автор

Look at AI, редакция