ब्लैक फॉरेस्ट लैब्स ने बुधवार को FLUX 3 इमेज क्लेन जारी किया, जो टेक्स्ट-टू-इमेज जेनरेशन, इमेज एडिटिंग और मल्टी-रेफरेंस जेनरेशन के लिए 5.6 बिलियन-पैरामीटर ओपन-वेट मॉडल है, जो कंपनी के फ्लैगशिप FLUX 3 इमेज सिस्टम की हेडलाइन क्षमताओं को 8GB उपभोक्ता ग्राफिक्स कार्ड के समान हार्डवेयर तक ले जाता है।

ब्लैक फ़ॉरेस्ट लैब्स ब्लॉग पर घोषित रिलीज़ में देशी 4K इमेज जेनरेशन, पिक्सेल-परफेक्ट एडिटिंग और बाउंडिंग-बॉक्स नियंत्रण शामिल हैं जो यह तय करते हैं कि तत्वों को कहाँ रखा गया है या संपादन को एक परिभाषित क्षेत्र तक सीमित रखा गया है - ऐसी सुविधाएँ जिन्हें कंपनी ने पहले पूर्ण FLUX 3 इमेज मॉडल के लिए आरक्षित किया था। वेट फ्लक्स कम्यूनिटी लाइसेंस के तहत डाउनलोड के लिए उपलब्ध हैं, और मॉडल को कंपनी के होस्ट किए गए एपीआई के माध्यम से भी परोसा जाता है। यह साल के सबसे परिणामी ओपन इमेज मॉडल रिलीज़ में से एक है, और यह इस बात का संकेत है कि नवीनतम एआई विकास कितनी तेजी से रोजमर्रा के हार्डवेयर पर सक्षम पीढ़ी को आगे बढ़ा रहा है - चल रहे कवरेज के लिए, देखें [एआई बज़ वायर] (https://aibuzzwire.news)।

प्रमुख सुविधाओं वाला एक छोटा मॉडल

अपने कॉम्पैक्ट आकार के बावजूद, FLUX 3 Image Klein अपने मूल कौशल सेट को बड़े FLUX 3 Image के साथ साझा करता है। यह 10 संदर्भ छवियों के साथ बहु-संदर्भ पीढ़ी का समर्थन करता है, जिससे उपयोगकर्ताओं को दृश्य इनपुट के एक बड़े सेट को एक ही आउटपुट में मिश्रित करने की सुविधा मिलती है। नेटिव 4K जेनरेशन और पिक्सेल-परफेक्ट एडिटिंग फ्लैगशिप से आगे बढ़ती है, जैसे बाउंडिंग बॉक्स होते हैं जो संरचना को नियंत्रित करते हैं या संपादन को कैनवास के एक विशिष्ट क्षेत्र तक सीमित करते हैं।

ब्लैक फॉरेस्ट लैब्स का कहना है कि मॉडल छवियों, वीडियो और ऑडियो में FLUX 3 की साझा सीख पर आधारित है: छवियां स्थानिक विवरण में योगदान करती हैं, वीडियो गति और भौतिक गतिशीलता जोड़ता है, और ऑडियो घटनाओं और इंटरैक्शन के बारे में जानकारी प्रदान करता है। कंपनी के अनुसार, वे संयुक्त सिग्नल मॉडल को ऐसी छवियां उत्पन्न करने में मदद करते हैं जो वास्तविक दुनिया से जुड़ी हुई लगती हैं।

रिलीज़ को दो वेरिएंट में पेश किया गया है - फाइन-ट्यूनिंग के लिए एक बेस मॉडल और कम-विलंबता पीढ़ी के लिए बनाया गया एक स्टेप-डिस्टिल्ड मॉडल - NVIDIA समर्थन के साथ विकसित FP8, INT8 और NVFP4 क्वांटाइज्ड बिल्ड के साथ। जनरेटर भार के लिए BF16 प्रिसिजन में 11.2GB मेमोरी और FP8 में 5.6GB मेमोरी की आवश्यकता होती है।

बड़े प्रतिद्वंद्वियों के ख़िलाफ़ बेंचमार्क दावे

आंतरिक मूल्यांकन में, ब्लैक फॉरेस्ट लैब्स ने ओपन-वेट मॉडल के बीच टेक्स्ट-टू-इमेज, मल्टी-रेफरेंस जेनरेशन और इमेज एडिटिंग में FLUX 3 इमेज क्लेन को पहले स्थान पर रखा है, और इसके तुलना सेट, Ideogram V4.5 और FLUX.2 [pro] में बंद मॉडल से आगे है। 5.6B पैरामीटर पर, यह उस तुलना में सबसे छोटा मॉडल है: क्वेन-इमेज 2.1 7B पैरामीटर पर और Krea 2 12.9B पर चेक इन करता है।

अपने ही पूर्ववर्ती के मुकाबले, लाभ अधिक ठोस हैं। FLUX.2 [klein], एक 9B मॉडल की तुलना में, नया रिलीज़ स्कोर टेक्स्ट-टू-इमेज में 91 Elo अधिक और छवि संपादन में 70 Elo अधिक है, जबकि 38 प्रतिशत कम मापदंडों का उपयोग करता है। जैसा कि सभी विक्रेता-प्रकाशित मूल्यांकनों के साथ होता है, आंकड़े स्वतंत्र लीडरबोर्ड के बजाय कंपनी के स्वयं के आंतरिक परीक्षण से आते हैं, इसलिए उन्हें स्थापित तथ्य के बजाय एक मजबूत प्रारंभिक दावे के रूप में पढ़ा जाना चाहिए।

उपभोक्ता जीपीयू के लिए निर्मित

शौकीनों और छोटे स्टूडियो के लिए सबसे व्यावहारिक शीर्षक हार्डवेयर है। INT8 बिल्ड के साथ, FLUX 3 इमेज क्लेन, ComfyUI या डिफ्यूज़र के माध्यम से कम से कम 8GB VRAM के साथ NVIDIA GeForce RTX GPU पर चलता है - जो कि FLUX.2 [klein] द्वारा शुरू किया गया था, उसे छोटी मशीनों तक भी विस्तारित करता है।

कंपनी द्वारा जारी किए गए स्पीड आंकड़े, एनवीआईडीआईए द्वारा मापे गए, स्टेप-डिस्टिल्ड मॉडल को प्रति छवि 16 चरणों पर रखते हैं: आरटीएक्स 5090 पर एक मेगापिक्सेल छवि के लिए लगभग 4 सेकंड और कॉम्फीयूआई का उपयोग करके आरटीएक्स 4070 पर 9 सेकंड से कम। बेस मॉडल, 50 कदमों पर, हेडरूम को ठीक करने के लिए गति प्रदान करता है।

डेटा संप्रभुता आवश्यकताओं या स्थानीय परिनियोजन जनादेश वाली टीमों के लिए, कंपनी बिल्कुल यही बात पेश करती है: पूरी तरह से अपने स्वयं के बुनियादी ढांचे पर एक सक्षम संपादन मॉडल का मूल्यांकन और अनुकूलन करने की क्षमता। उपभोक्ता-पक्ष, छोटा पदचिह्न लैपटॉप पर ऑन-डिवाइस छवि संपादन को आकांक्षात्मक के बजाय यथार्थवादी बनाता है।

पहले दिन से ही फाइन-ट्यूनिंग

बेस चेकपॉइंट अनुकूलन के लिए बनाया गया है। डिफ्यूज़र्स और ऑस्ट्रिस के एआई टूलकिट बॉक्स से बाहर लोआरए प्रशिक्षण का समर्थन करते हैं, और एनवीआईडीआईए के नेमो ऑटोमॉडल व्यंजनों को शिप करते हैं जो सीधे जारी चेकपॉइंट्स से काम करते हैं। ओपन-वेट इकोसिस्टम के लिए वह पहला दिन का समर्थन मायने रखता है, जहां सुव्यवस्थित समुदाय वेरिएंट अक्सर यह निर्धारित करते हैं कि कोई मॉडल कितनी तेजी से फैलता है।

एपीआई कहानी: स्पीड-क्वालिटी फ्रंटियर का विस्तार

उन उपयोगकर्ताओं के लिए जो स्थानीय रूप से कुछ भी नहीं चलाना चाहते हैं, ब्लैक फॉरेस्ट लैब्स अपने एपीआई के माध्यम से FLUX 3 इमेज क्लेन की सेवा करता है और दावा करता है कि यह गति-गुणवत्ता पेरेटो फ्रंटियर का विस्तार करता है: क्वेन-इमेज 2.1, FLUX.2 [pro], Ideogram V4.5 और Krea 2 की तुलना में कम विलंबता, इसके विलंबता बिंदु और उससे ऊपर उच्चतम रेटिंग के साथ।

ओपन-वेट इमेज रेस के लिए इसका क्या मतलब है

छवि निर्माण के लिए भीड़-भाड़ वाले सप्ताह में रिलीज़ भूमि, Krea द्वारा Krea 3 पेश करने के कुछ दिनों बाद, एक संपादन-केंद्रित मॉडल जिसे वही समुदाय बंद टूल के विरुद्ध बेंचमार्क कर रहा है। पैटर्न सुसंगत है: गुणवत्ता के दावे बढ़ने के साथ-साथ पैरामीटर गिनती गिर रही है, और डेटा सेंटर जीपीयू पर जो चलता है और गेमिंग पीसी में जो चलता है उसके बीच का अंतर कम होता जा रहा है।

यदि बेंचमार्क दावे स्वतंत्र जांच के दायरे में आते हैं, तो FLUX 3 इमेज क्लेन स्थानीय, उच्च-गुणवत्ता वाली छवि संपादन को समझौता करने के बजाय एक डिफ़ॉल्ट अपेक्षा बनाता है - और बंद छवि एपीआई पर मूल्य निर्धारण का दबाव डालता है। वाणिज्यिक उपयोगकर्ताओं को उत्पादन में शिपिंग से पहले फ्लक्स कम्यूनिटी लाइसेंस की शर्तों को बारीकी से पढ़ना चाहिए, क्योंकि लाइसेंस की शर्तें, क्षमताएं नहीं, ओपन-वेट अपनाने के लिए निर्णायक कारक बन रही हैं।

---

एआई से आगे रहें

नवीनतम एआई समाचार, विश्लेषण और सफलताएँ प्राप्त करें - सभी एक ही स्थान पर।

अधिक AI समाचार पढ़ें →