Η Black Forest Labs κυκλοφόρησε την Τετάρτη το FLUX 3 Image Klein, ένα μοντέλο ανοιχτού βάρους 5,6 δισεκατομμυρίων παραμέτρων για δημιουργία κειμένου σε εικόνα, επεξεργασία εικόνας και δημιουργία πολλαπλών αναφορών που μεταφέρει τις βασικές δυνατότητες του κορυφαίου συστήματος εικόνας FLUX 3 της εταιρείας σε υλικό τόσο μέτριο όσο μια κάρτα γραφικών καταναλωτών 8 GB.
Η κυκλοφορία, που ανακοινώθηκε στο blog του Black Forest Labs, περιλαμβάνει παραγωγή εγγενών εικόνων 4K, τέλεια επεξεργασία pixel και χειριστήρια οριοθέτησης που υπαγορεύουν πού τοποθετούνται τα στοιχεία ή περιορίζουν τις επεξεργασίες σε μια καθορισμένη περιοχή — χαρακτηριστικά που η εταιρεία είχε προηγουμένως δεσμεύσει για το πλήρες μοντέλο εικόνας FLUX 3. Τα βάρη είναι διαθέσιμα για λήψη υπό την άδεια FLUX Kommunity, και το μοντέλο εξυπηρετείται επίσης μέσω του φιλοξενούμενου API της εταιρείας. Είναι μια από τις πιο σημαντικές εκδόσεις ανοιχτών μοντέλων εικόνας της χρονιάς και ένα σημάδι του πόσο γρήγορα οι τελευταίες εξελίξεις της τεχνητής νοημοσύνης ωθούν την ικανή παραγωγή σε καθημερινό υλικό — για συνεχή κάλυψη, ανατρέξτε στο AI Buzz Wire.
Ένα μικρό μοντέλο με εμβληματικά χαρακτηριστικά
Παρά το μικρό μέγεθος του, το FLUX 3 Image Klein μοιράζεται το βασικό του σύνολο δεξιοτήτων με το μεγαλύτερο FLUX 3 Image. Υποστηρίζει παραγωγή πολλαπλών αναφορών με έως και 10 εικόνες αναφοράς, επιτρέποντας στους χρήστες να συνδυάζουν ένα μεγάλο σύνολο οπτικών εισόδων σε μια ενιαία έξοδο. Η εγγενής παραγωγή 4K και η τέλεια επεξεργασία εικονοστοιχείων μεταφέρονται από τη ναυαρχίδα, όπως και τα πλαίσια οριοθέτησης που ελέγχουν τη σύνθεση ή περιορίζουν τις επεξεργασίες σε μια συγκεκριμένη περιοχή του καμβά.
Η Black Forest Labs λέει ότι το μοντέλο βασίζεται στις κοινές γνώσεις του FLUX 3 σε εικόνες, βίντεο και ήχο: οι εικόνες συμβάλλουν στη χωρική λεπτομέρεια, το βίντεο προσθέτει κίνηση και φυσική δυναμική και ο ήχος παρέχει πληροφορίες για συμβάντα και αλληλεπιδράσεις. Σύμφωνα με την εταιρεία, αυτά τα συνδυασμένα σήματα βοηθούν το μοντέλο να δημιουργήσει εικόνες που αισθάνονται γειωμένες στον πραγματικό κόσμο.
Η έκδοση διατίθεται σε δύο παραλλαγές - ένα βασικό μοντέλο που προορίζεται για λεπτομέρεια και ένα μοντέλο με βαθμιαία απόσταξη κατασκευασμένο για παραγωγή χαμηλής καθυστέρησης - μαζί με κβαντισμένες κατασκευές FP8, INT8 και NVFP4 που αναπτύχθηκαν με υποστήριξη NVIDIA. Τα βάρη της γεννήτριας απαιτούν 11,2 GB μνήμης με ακρίβεια BF16 και 5,6 GB στο FP8.
Αξιώσεις αναφοράς κατά μεγαλύτερων αντιπάλων
Σε εσωτερικές αξιολογήσεις, η Black Forest Labs κατατάσσει το FLUX 3 Image Klein πρώτο στη δημιουργία κειμένου σε εικόνα, στη δημιουργία πολλαπλών αναφορών και στην επεξεργασία εικόνας μεταξύ των μοντέλων ανοιχτού βάρους και μπροστά από τα κλειστά μοντέλα στο σετ σύγκρισης, Ideogram V4.5 και FLUX.2 [pro]. Σε παραμέτρους 5,6B, είναι το μικρότερο μοντέλο σε αυτή τη σύγκριση: το Qwen-Image 2.1 κάνει check in σε παραμέτρους 7B και το Krea 2 στα 12,9B.
Σε σχέση με τον προκάτοχό του, τα κέρδη είναι πιο συγκεκριμένα. Σε σύγκριση με το FLUX.2 [klein], ένα μοντέλο 9Β, η νέα έκδοση έχει 91 Elo υψηλότερη βαθμολογία στην επεξεργασία κειμένου σε εικόνα και 70 Elo υψηλότερη στην επεξεργασία εικόνας ενώ χρησιμοποιεί 38 τοις εκατό λιγότερες παραμέτρους. Όπως συμβαίνει με όλες τις αξιολογήσεις που δημοσιεύονται από προμηθευτές, οι αριθμοί προέρχονται από τις εσωτερικές δοκιμές της ίδιας της εταιρείας και όχι από έναν ανεξάρτητο πίνακα κατάταξης, επομένως είναι καλύτερο να διαβαστούν ως ισχυρός εναρκτήριος ισχυρισμός και όχι ως δεδομένο γεγονός.
Κατασκευάστηκε για GPU καταναλωτών
Ο πιο πρακτικός τίτλος για χομπίστες και μικρά στούντιο είναι το υλικό. Με την έκδοση INT8, το FLUX 3 Image Klein τρέχει σε NVIDIA GeForce RTX GPU με μόλις 8 GB VRAM μέσω ComfyUI ή Diffusers — επεκτείνοντας αυτό που ξεκίνησε το FLUX.2 [klein] σε ακόμη μικρότερα μηχανήματα.
Τα στοιχεία ταχύτητας που δημοσίευσε η εταιρεία, μετρημένα από τη NVIDIA, έθεσαν το μοντέλο σταδιακής απόσταξης στα 16 βήματα ανά εικόνα: περίπου 4 δευτερόλεπτα για μια εικόνα ενός megapixel σε μια RTX 5090 και κάτω από 9 δευτερόλεπτα σε μια RTX 4070, χρησιμοποιώντας ComfyUI. Το βασικό μοντέλο, στα 50 βήματα, ανταλλάσσει την ταχύτητα με τη βελτιστοποίηση του χώρου κεφαλής.
Για ομάδες με απαιτήσεις κυριαρχίας δεδομένων ή τοπικές εντολές ανάπτυξης, η εταιρεία θέτει ακριβώς αυτό: την ικανότητα αξιολόγησης και προσαρμογής ενός ικανού μοντέλου επεξεργασίας αποκλειστικά στη δική τους υποδομή. Από πλευράς καταναλωτή, το μικρό αποτύπωμα κάνει την επεξεργασία εικόνας στη συσκευή σε φορητούς υπολογιστές ρεαλιστική και όχι φιλόδοξη.
Βελτιστοποίηση από την πρώτη μέρα
Το βασικό σημείο ελέγχου είναι κατασκευασμένο για προσαρμογή. Οι Diffusers και το AI Toolkit της Ostris υποστηρίζουν την εκπαίδευση LoRA out of the box, και το NeMo AutoModel της NVIDIA αποστέλλει συνταγές που λειτουργούν απευθείας από τα απελευθερωμένα σημεία ελέγχου. Αυτή η υποστήριξη της πρώτης ημέρας έχει σημασία για το οικοσύστημα ανοιχτών βαρών, όπου οι προσαρμοσμένες παραλλαγές της κοινότητας συχνά καθορίζουν πόσο γρήγορα θα εξαπλωθεί ένα μοντέλο.
Η ιστορία του API: Επέκταση των ορίων ταχύτητας-ποιότητας
Για χρήστες που προτιμούν να μην εκτελούν τίποτα τοπικά, το Black Forest Labs εξυπηρετεί το FLUX 3 Image Klein μέσω του API του και ισχυρίζεται ότι επεκτείνει τα όρια ποιότητας ταχύτητας Pareto: χαμηλότερη καθυστέρηση από το Qwen-Image 2.1, το FLUX.2 [pro], το Ideogram V4.5 και το Krea 2, με την υψηλότερη βαθμολογία και πάνω από το latency του.
Τι σημαίνει για τον αγώνα εικόνας Open-Weights
Η κυκλοφορία προσγειώνεται σε μια πολυσύχναστη εβδομάδα για τη δημιουργία εικόνων, μέρες αφότου η Krea παρουσίασε το Krea 3, ένα μοντέλο που εστιάζει στην επεξεργασία, η ίδια κοινότητα έχει συγκριθεί με κλειστά εργαλεία. Το μοτίβο είναι συνεπές: ο αριθμός των παραμέτρων μειώνεται ενώ οι αξιώσεις ποιότητας αυξάνονται και το χάσμα μεταξύ του τι εκτελείται σε μια GPU κέντρου δεδομένων και του τι εκτελείται σε έναν υπολογιστή παιχνιδιών συνεχίζει να μειώνεται.
Εάν οι αξιώσεις αναφοράς διατηρούνται υπό ανεξάρτητο έλεγχο, το FLUX 3 Image Klein καθιστά την τοπική, υψηλής ποιότητας επεξεργασία εικόνας προεπιλεγμένη προσδοκία και όχι συμβιβασμό — και ασκεί περαιτέρω πίεση στις τιμές στα API κλειστών εικόνων. Οι εμπορικοί χρήστες θα πρέπει να διαβάσουν προσεκτικά τους όρους της άδειας χρήσης FLUX Kommunity πριν την αποστείλουν στην παραγωγή, καθώς οι όροι άδειας χρήσης, όχι οι δυνατότητες, είναι όλο και περισσότερο ο καθοριστικός παράγοντας για την υιοθέτηση ανοιχτών βαρών.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα πιο πρόσφατα νέα, αναλύσεις και ανακαλύψεις για την τεχνητή νοημοσύνη — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →
