Black Forest Labs выпустила FLUX 3 Image Klein для работы на обычных видеокартах
Девять секунд в окне ComfyUI — ровно столько теперь требуется видеокарте среднего звена вроде GeForce RTX 4070, чтобы выдать мегапиксельный кадр без облачных подписок и очередей на сервере. Black Forest Labs выкатила открытую модель FLUX 3 Image Klein. В ней 5,6 миллиарда параметров, открытые веса и наглая заявка на то, чтобы вытеснить из продакшена тяжеловесные закрытые сервисы. Нас здесь подкупает не сам факт релиза, а прямое попадание в запросы арт-директоров: контроль композиции через координаты, одновременная работа с десятком референсов и нативное разрешение 4K.
Архитектура Klein выросла из сквозных исследований Black Forest Labs в области трех сред — статической графики, видео и звука. Разработчики объединили эти слои в единую базу: массив изображений отвечает за пространственную резкость, видеоряд привносит понимание физики материалов и динамики движения, а звуковые данные передают информацию о событиях и характере взаимодействия объектов. Результатом стал генератор, способный выдавать готовый визуал в 4K и выполнять пиксельно-точное локальное редактирование.
Геометрия кадра и мультиреференс
Главная головная боль при работе с нейросетями в агентствах — невозможность заставить алгоритм поставить чашку строго слева, а персонажа справа без мучительных перерисовок масками. В FLUX 3 Image Klein управление объектами завязано на ограничивающие рамки (bounding boxes). Вы задаете габариты и положение конкретных элементов прямоугольниками, а модель распределяет их в пространстве строго по координатам. Дополняет эту связку мультиреференсная генерация: в один пайплайн можно скормить до десяти исходных картинок. Модель собирает стиль, фактуру, позу и свет из разных источников без каши в итоговом файле.
Команда подготовила два основных варианта весов: базовый релиз для тонкой настройки (fine-tuning) и дистиллированную версию для генерации с низкой задержкой. Дообучение через LoRA запустили прямо в день релиза в связках с Diffusers и Ostris's AI Toolkit, а для масштабных пайплайнов выкатили рецепты в NVIDIA NeMo AutoModel. Совместно с инженерами NVIDIA компания сразу подготовила квантованные сборки FP8, INT8 и NVFP4, сняв необходимость ждать оптимизаций от сторонних энтузиастов.
Аппаратные требования и скорость
Потребности модели в ресурсах заметно скромнее предыдущих поколений. Если исходный вариант в формате BF16 требует 11,2 ГБ видеопамяти, то версия FP8 укладывается в 5,6 ГБ. Сборка INT8 без проблем запускается на потребительских картах NVIDIA GeForce RTX с 8 ГБ VRAM прямо через привычный ComfyUI или библиотеку Diffusers.
| Конфигурация железа | Формат весов | Время генерации 1 МП |
|---|---|---|
| NVIDIA GeForce RTX 4070 | Дистиллированная INT8 | Менее 9 секунд |
| NVIDIA GeForce RTX 5090 | Дистиллированная INT8 | Около 4 секунд |
| NVIDIA GB300 | Дистиллированная NVFP4 | Менее 0,6 секунды |
В тестах разработчиков компактная модель на 5,6 млрд параметров обошла решения, которые превосходят ее по весу в два-три раза. Сравнение проводилось как с открытыми конкурентами, так и с проприетарными системами:
| Модель | Параметры | Прирост Elo к FLUX.2 [klein] 9B (текст) | Прирост Elo к FLUX.2 [klein] 9B (редактирование) |
|---|---|---|---|
| FLUX 3 Image Klein | 5,6B | +91 пункт | +70 пунктов |
| FLUX.2 [klein] | 9,0B | Базовое значение | Базовое значение |
| Qwen-Image 2.1 | 7,0B | Ниже Klein во внутренних тестах | Ниже Klein во внутренних тестах |
| Krea 2 | 12,9B | Ниже Klein во внутренних тестах | Ниже Klein во внутренних тестах |
Внутренние замеры показывают, что новинка превзошла и закрытые сервисы Ideogram V4.5, и собственного старшего собрата FLUX.2 [pro]. По сравнению с девятимиллиардной FLUX.2 [klein] модель похудела на 38% по числу параметров, но заметно выросла в точности следования промпту и чистоте правок.
Условия использования и инфраструктура
Юридическая сторона релиза выглядит практично. Black Forest Labs выпустила новинку под лицензией FLUX Kommunity License. Она разрешает бесплатное коммерческое использование студиям и авторам с годовым доходом до 5 млн долларов, а также исследователям для некоммерческих задач. Корпорациям с большими оборотами предлагают покупать коммерческий хостинг либо подключаться по API. Перед открытием кода веса проверили на уязвимости через внутренний ред-тимминг и независимый аудит безопасности с компанией Cinder.
Инфраструктура готова к боевой нагрузке с первого дня. Модель выложена на Hugging Face, доступна в фирменном веб-плейсграунде и через официальный BFL API по цене от $0,009 за 1 000 изображений. Для пайплайнов любого масштаба реализована поддержка в ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion и vLLM-Omni.
По-нашему, именно такой софт возвращает дизайнерам контроль над рабочим процессом. Когда генерация в 4K с десятью референсами и точными координатами объектов работает локально на обычной рабочей станции, зависимость продакшена от чужих облаков окончательно теряет смысл.
