Black Forest Labs ve středu vydaly FLUX 3 Image Klein, model s otevřenou váhou s 5,6 miliardami parametrů pro generování textu na obrázek, úpravu obrázků a generování více referencí, který přenáší hlavní možnosti vlajkového systému společnosti FLUX 3 Image až na hardware tak skromný, jako je 8GB spotřebitelská grafická karta.
Vydání, oznámené na blogu Black Forest Labs, zahrnuje nativní generování 4K obrázků, dokonalou editaci pixelů a ovládací prvky bounding boxu, které určují, kde jsou prvky umístěny, nebo omezují úpravy na definovanou oblast – funkce, které společnost dříve vyhradila pro úplný model FLUX 3 Image. Hmotnosti jsou k dispozici ke stažení pod licencí FLUX Komunity a model je také poskytován prostřednictvím hostovaného API společnosti. Jde o jedno z nejnáslednějších vydání modelu otevřeného obrazu roku a je známkou toho, jak rychle nejnovější vývoj umělé inteligence prosazuje schopnou generaci na každodenní hardware – o průběžném pokrytí se podívejte na AI Buzz Wire.
Malý model s vlajkovými funkcemi
Navzdory své kompaktní velikosti sdílí FLUX 3 Image Klein své základní dovednosti s větším FLUX 3 Image. Podporuje generování více referencí s až 10 referenčními obrázky, což uživatelům umožňuje spojit velkou sadu vizuálních vstupů do jediného výstupu. Nativní generování 4K a dokonalá úprava pixelů se přenáší z vlajkové lodi, stejně jako ohraničující rámečky, které řídí kompozici nebo omezují úpravy na určitou oblast plátna.
Black Forest Labs říká, že model staví na sdílených poznatcích FLUX 3 napříč obrázky, videem a zvukem: obrázky přispívají k prostorovým detailům, video přidává pohyb a fyzickou dynamiku a zvuk poskytuje informace o událostech a interakcích. Podle společnosti tyto kombinované signály pomáhají modelu vytvářet obrazy, které se cítí zakotveny v reálném světě.
Vydání se dodává ve dvou variantách – základní model určený pro jemné ladění a model s postupnou destilací vytvořený pro generování s nízkou latencí – spolu s kvantovanými sestaveními FP8, INT8 a NVFP4 vyvinutými s podporou NVIDIA. Hmotnosti generátoru vyžadují 11,2 GB paměti v přesnosti BF16 a 5,6 GB v FP8.
Srovnání nároků proti větším rivalům
V interních hodnoceních Black Forest Labs řadí FLUX 3 Image Klein na první místo v převodu textu na obrázek, generování více referencí a editaci obrázků mezi modely s otevřenými váhami a před uzavřenými modely ve své srovnávací sadě Ideogram V4.5 a FLUX.2 [pro]. S parametry 5,6B je to nejmenší model v tomto srovnání: Qwen-Image 2.1 se přihlásí s parametry 7B a Krea 2 s 12,9B.
Oproti vlastnímu předchůdci jsou zisky konkrétnější. Ve srovnání s FLUX.2 [klein], modelem 9B, má nová verze o 91 Elo vyšší v převodu textu na obrázek a o 70 Elo vyšší v úpravě obrázků při použití o 38 procent méně parametrů. Stejně jako u všech hodnocení zveřejněných dodavatelem čísla pocházejí spíše z vlastního interního testování společnosti než z nezávislého žebříčku, takže je nejlépe číst jako silné úvodní tvrzení, nikoli jako ustálený fakt.
Vytvořeno pro spotřebitelské GPU
Nejpraktičtější titulek pro fandy a malá studia je hardware. Díky sestavení INT8 běží FLUX 3 Image Klein na GPU NVIDIA GeForce RTX s pouhými 8 GB paměti VRAM prostřednictvím rozhraní ComfyUI nebo difuzorů – což rozšiřuje to, co začal FLUX.2 [klein] na ještě menší stroje.
Údaje o rychlosti zveřejněné společností, měřené společností NVIDIA, udávají krokově destilovaný model 16 kroků na obrázek: zhruba 4 sekundy pro jeden megapixelový obrázek na RTX 5090 a méně než 9 sekund na RTX 4070 pomocí ComfyUI. Základní model v 50 krocích vyměňuje rychlost za jemné doladění světlé výšky.
Pro týmy s požadavky na suverenitu dat nebo s místními mandáty pro nasazení společnost nabízí přesně to: schopnost vyhodnotit a přizpůsobit schopný model úprav zcela na jejich vlastní infrastruktuře. Na straně spotřebitele jsou díky malým rozměrům úpravy obrázků na zařízeních na přenosných počítačích spíše realistické než ambiciózní.
Jemné doladění od prvního dne
Základní kontrolní bod je postaven pro přizpůsobení. Difuzory a Ostris's AI Toolkit podporují LoRA školení ihned po vybalení a NVIDIA NeMo AutoModel dodává recepty, které fungují přímo z uvolněných kontrolních bodů. Tato podpora prvního dne je důležitá pro ekosystém otevřených vah, kde přesně vyladěné komunitní varianty často určují, jak rychle se model rozšíří.
Příběh API: Rozšíření hranice mezi rychlostí a kvalitou
Pro uživatele, kteří by raději nic lokálně nespouštěli, Black Forest Labs slouží FLUX 3 Image Klein prostřednictvím svého API a tvrdí, že rozšiřuje hranici rychlosti a kvality Pareto: nižší latence než Qwen-Image 2.1, FLUX.2 [pro], Ideogram V4.5 a Krea 2, s nejvyšším hodnocením v bodě latence a výše.
Co to znamená pro Open-Weights Image Race
Vydání přichází v přeplněném týdnu pro generování obrázků, několik dní poté, co Krea představila Krea 3, model zaměřený na úpravy, který stejná komunita porovnávala s uzavřenými nástroji. Vzor je konzistentní: počty parametrů klesají, zatímco nároky na kvalitu rostou, a propast mezi tím, co běží na GPU datového centra, a tím, co běží na herním PC, se stále zmenšuje.
Pokud tvrzení benchmarku obstojí pod nezávislou kontrolou, FLUX 3 Image Klein učiní místní, vysoce kvalitní úpravy obrázků výchozím očekáváním spíše než kompromisem – a vyvíjí další tlak na ceny na uzavřená rozhraní API pro obrázky. Komerční uživatelé by si měli pozorně přečíst licenční podmínky FLUX Kommunity, než jej odešlou do výroby, protože licenční podmínky, nikoli schopnosti, jsou stále více rozhodujícím faktorem pro přijetí open-weights.
---
Stay Ahead of AIZískejte nejnovější zprávy, analýzy a průlomové informace o umělé inteligenci – vše na jednom místě.
Přečtěte si další zprávy o AI →
