Flux 3 Image Klein：开放权重，5.6B 参数

今天，我们发布了 FLUX 3 Image Klein，这是一个 5.6B 参数开放权重模型，用于文本到图像生成、图像编辑和多参考生成，最多可生成 10 个参考图像。它与完整的 FLUX 3 Image 模型共享核心功能：原生 4K 生成、像素完美编辑以及控制元素放置位置或将编辑限制在定义区域的边界框。 FLUX 3 Image Klein 建立在 FLUX 3 跨图像、视频和音频的共享学习之上。图像提供空间细节，视频添加运动和物理动态，音频提供有关事件和交互的信息。这些信号共同帮助模型生成感觉扎根于现实世界的图像。该版本包括用于微调的基本模型和用于低延迟生成的逐步蒸馏模型，以及在 NVIDIA 支持下根据 FLUX Kommunity 许可证开发的 FP8、INT8 和 NVFP4 版本。在 BFL API 中尝试 · 下载权重 以更少的参数实现领先的开放权重质量 在内部评估中，FLUX 3 Image Klein 在文本到图像、多参考生成和图像编辑方面排名第一，领先于较大的开放权重模型。它的评分也高于比较中的封闭模型 Ideogram V4.5 和 FLUX.2 [pro]。在 5.6B 参数下，它是比较中最小的开放模型，Qwen-Image 2.1 为 7B，Krea 2 为 12.9B。与 FLUX.2 [klein] 9B 相比，它在文本到图像方面获得了 91 Elo，在图像编辑方面获得了 70，参数减少了 38%。参数计数用于图像生成器，每个发布者都会报告它们；文本编码器不计算在内。 Krea 2不支持图像编辑，因此不包含在图像编辑比较中。 FLUX 3 Image Klein 还针对消费级 GPU 进行了优化。更少的参数使得本地运行变得可行并且适应成本更低，并且具有数据主权或本地部署要求的团队可以在自己的基础设施上评估和适应模型。这也是设备上图像编辑的关键，允许消费者直接在他们喜欢的笔记本电脑上编辑图像。 BF16 中的发电机重量需要 11.2 GB，FP8 中的发电机重量需要 5.6 GB。通过 INT8 构建，FLUX 3 Image Klein 通过 ComfyUI 或 Diffusers 在 NVIDIA GeForce RTX GPU 上运行，VRAM 低至 8GB，将 FLUX.2 [klein] 开始的功能扩展到更小的硬件。通过精炼模型和 INT8 构建，它通过 ComfyUI 在 NVIDIA GeForce RTX 5090 上大约需要 4 秒生成 1MP 图像，在 RTX 4070 上生成 1MP 图像不到 9 秒。 GPU 生成时间：逐步蒸馏模型，16 个步骤。每张图像需要几秒，每次运行一张图像。越低越好。由 NVIDIA 测量； ComfyUI 中的 RTX 结果；数据结果是每种配置的性能最佳框架。每个 GPU 都显示其最快的构建速度。 GPU 本身的生成时间；第 02 节中的 API 延迟还包括排队、网络和提示上采样。 GPU 生成时间：基本模型，50 个步骤。每张图像需要几秒，每次运行一张图像。越低越好。由 NVIDIA 测量； ComfyUI 中的 RTX 结果。每个 GPU 都显示其最快的构建速度。基础检查点是为微调而构建的：Diffusers 和 Ostris 的 AI Toolkit 从第一天起就支持 LoRA 训练，NVIDIA 的 NeMo AutoModel 提供了直接从已发布的检查点运行的配方。为了实现更快、更低延迟的生产工作负载，我们还与团队合作进行特定的定制，帮助您实现这一目标。取得联系。在速度-质量前沿 FLUX 3 Image Klein 还扩展了速度-质量帕累托前沿。通过 BFL API，它提供了比 Qwen-Image 2.1、FLUX.2 [pro]、Ideogram V4.5 和 Krea 2 更低的延迟，并且在其延迟及以上时提供了最高评级。在下面的图表中，紫线描绘了每个延迟下可用的最高评级，灰线显示了之前的前沿。延迟是端到端测量的，从请求提交到完成的 1 MP 图像，包括排队。 FLUX 3 Image Klein 在我们的服务器上进行了计时。其他模型是从客户端计时的，其中包括轮询和网络时间。 Krea 2 被定为中级； Large 层的文本到图像耗时 31.1 秒。开始使用 FLUX 3 Image Klein 现已作为开放权重并通过 BFL API 提供。尝试一下 BFL API：蒸馏模型可用作 Flux-3-image-klein，具有快速上采样和像素恢复功能，可准确保留图像的未编辑区域。起价为每 1K 图像 0.009 美元。操场或拥抱的脸。用它在拥抱面上构建重量：基础和蒸馏。参考推理代码 ，包括用于边界框控制的 Gradio 演示。在“拥抱脸部空间”上尝试一下。 ComfyUI、Hugging Face Diffusers、TensorRT-LLM、SGLang Diffusion 和 vLLM-Omni 的第一天支持。使用 Ostris 的 AI 工具包和 NVIDIA NeMo AutoModel 中的配方进行 LoRA 训练。在 NVIDIA GB200 NVL72 上进行训练，并针对 NVIDIA 的加速计算平台进行了优化，通过 NVIDIA TensorRT LLM、vLLM-Omni 和 SGLang Diffusion 提供服务。在 NVIDIA GB300 上，蒸馏模式