Black Forest Labs Ships FLUX 3 Image Klein: ម៉ូដែល Open-Weights 5.6B ជាមួយនឹងការកែសម្រួល VRAM ដើមកំណើត 4K និង 8GB

Black Forest Labs បានចេញផ្សាយ FLUX 3 Image Klein កាលពីថ្ងៃពុធ ដែលជាគំរូ open-weights ទំហំ 5.6 ពាន់លានសម្រាប់ការបង្កើតអត្ថបទទៅរូបភាព ការកែរូបភាព និងការបង្កើតឯកសារយោងច្រើន ដែលផ្ទុកនូវសមត្ថភាពចំណងជើងនៃប្រព័ន្ធរូបភាព FLUX 3 របស់ក្រុមហ៊ុនឈានមុខគេទៅលើផ្នែករឹងដូចជាកាតក្រាហ្វិកអ្នកប្រើប្រាស់ 8GB ។

ការចេញផ្សាយដែលបានប្រកាសនៅលើប្លក់ Black Forest Labs រួមមានការបង្កើតរូបភាព 4K ដើម ការកែសម្រួលភីកសែលល្អឥតខ្ចោះ និងការគ្រប់គ្រងប្រអប់ព្រំដែន ដែលកំណត់កន្លែងដែលធាតុត្រូវបានដាក់ ឬបង្ខាំងការកែសម្រួលទៅតំបន់ដែលបានកំណត់ — លក្ខណៈពិសេសដែលក្រុមហ៊ុនបានបម្រុងទុកពីមុនសម្រាប់គំរូរូបភាព FLUX 3 ពេញលេញ។ ទម្ងន់អាចរកបានសម្រាប់ការទាញយកក្រោមអាជ្ញាប័ណ្ណ FLUX Kommunity ហើយម៉ូដែលនេះក៏ត្រូវបានបម្រើតាមរយៈ API របស់ក្រុមហ៊ុនផងដែរ។ វាគឺជាការចេញផ្សាយគំរូរូបភាពបើកចំហដ៏មានផលវិបាកបំផុតប្រចាំឆ្នាំ ហើយជាសញ្ញានៃល្បឿននៃការវិវឌ្ឍន៍ AI ចុងក្រោយបំផុតកំពុងជំរុញជំនាន់ដែលមានសមត្ថភាពទៅលើផ្នែករឹងប្រចាំថ្ងៃ — សម្រាប់ការគ្របដណ្តប់បន្ត សូមមើល AI Buzz Wire។

ម៉ូដែលតូចមួយដែលមានលក្ខណៈពិសេស

ទោះបីជាមានទំហំតូចក៏ដោយ FLUX 3 Image Klein ចែករំលែកសំណុំជំនាញស្នូលរបស់វាជាមួយនឹងរូបភាព FLUX 3 ដែលមានទំហំធំជាង។ វាគាំទ្រការបង្កើតឯកសារយោងច្រើនជាមួយនឹងរូបភាពយោងរហូតដល់ 10 ដែលអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់បញ្ចូលគ្នានូវសំណុំដ៏ធំនៃធាតុបញ្ចូលដែលមើលឃើញទៅក្នុងលទ្ធផលតែមួយ។ ជំនាន់ 4K ដើម និងការកែសម្រួលដ៏ល្អឥតខ្ចោះរបស់ភីកសែលបន្តពីស្មាតហ្វូន ក៏ដូចជាប្រអប់ព្រំដែនដែលគ្រប់គ្រងការតែងនិពន្ធ ឬដាក់កម្រិតការកែសម្រួលទៅតំបន់ជាក់លាក់នៃផ្ទាំងក្រណាត់។

Black Forest Labs និយាយថា គំរូនេះបង្កើតលើការរៀនចែករំលែករបស់ FLUX 3 លើរូបភាព វីដេអូ និងអូឌីយ៉ូ៖ រូបភាពរួមចំណែកលម្អិតក្នុងលំហ វីដេអូបន្ថែមចលនា និងសក្ដានុពលរាងកាយ ហើយសំឡេងផ្តល់ព័ត៌មានអំពីព្រឹត្តិការណ៍ និងអន្តរកម្ម។ យោងតាមក្រុមហ៊ុន សញ្ញារួមបញ្ចូលគ្នាទាំងនោះជួយឱ្យម៉ូដែលបង្កើតរូបភាពដែលមានអារម្មណ៍ថាមានមូលដ្ឋាននៅក្នុងពិភពពិត។

ការចេញផ្សាយនេះមានពីរវ៉ារ្យ៉ង់ - គំរូមូលដ្ឋានដែលមានបំណងសម្រាប់ការកែតម្រូវ និងគំរូចម្រោះមួយជំហានដែលត្រូវបានបង្កើតឡើងសម្រាប់ការបង្កើតភាពយឺតយ៉ាវទាប - រួមជាមួយ FP8, INT8 និង NVFP4 ដែលត្រូវបានបង្កើតឡើងដោយការគាំទ្រ NVIDIA ។ ទម្ងន់ម៉ាស៊ីនភ្លើងត្រូវការអង្គចងចាំ 11.2GB ក្នុងភាពជាក់លាក់ BF16 និង 5.6GB នៅក្នុង FP8 ។

Benchmark អះអាងប្រឆាំងនឹងគូប្រជែងធំជាង

នៅក្នុងការវាយតម្លៃផ្ទៃក្នុង Black Forest Labs ចាត់ចំណាត់ថ្នាក់ FLUX 3 Image Klein ជាលើកដំបូងនៅក្នុងអត្ថបទទៅរូបភាព ការបង្កើតឯកសារយោងច្រើន និងការកែសម្រួលរូបភាពក្នុងចំណោមគំរូទម្ងន់បើកចំហ និងនាំមុខម៉ូដែលបិទជិតនៅក្នុងសំណុំប្រៀបធៀបរបស់វា Ideogram V4.5 និង FLUX.2 [pro] ។ នៅប៉ារ៉ាម៉ែត្រ 5.6B វាគឺជាគំរូតូចបំផុតក្នុងការប្រៀបធៀបនោះ៖ Qwen-Image 2.1 ពិនិត្យនៅប៉ារ៉ាម៉ែត្រ 7B និង Krea 2 នៅ 12.9B។

ប្រឆាំងនឹងអ្នកកាន់តំណែងមុនរបស់ខ្លួន ការទទួលបានគឺកាន់តែជាក់ស្តែង។ បើប្រៀបធៀបជាមួយ FLUX.2 [klein] ដែលជាម៉ូដែល 9B ការចេញផ្សាយថ្មីទទួលបានពិន្ទុខ្ពស់ជាង 91 Elo ក្នុងអត្ថបទទៅរូបភាព និង 70 Elo ខ្ពស់ជាងក្នុងការកែរូបភាព ខណៈពេលដែលប្រើប៉ារ៉ាម៉ែត្រតិចជាង 38 ភាគរយ។ ដូចទៅនឹងការវាយតម្លៃដែលបានបោះពុម្ពផ្សាយដោយអ្នកលក់ទាំងអស់ លេខបានមកពីការធ្វើតេស្តផ្ទៃក្នុងរបស់ក្រុមហ៊ុនផ្ទាល់ ជាជាងតារាងពិន្ទុឯករាជ្យ ដូច្នេះពួកគេត្រូវបានគេអានបានល្អបំផុតថាជាការទាមទារបើកចំហដ៏រឹងមាំ ជាជាងដោះស្រាយការពិត។

បង្កើតឡើងសម្រាប់អ្នកប្រើប្រាស់ GPUs

ចំណងជើងជាក់ស្តែងបំផុតសម្រាប់អ្នកចូលចិត្ត និងស្ទូឌីយោតូចគឺផ្នែករឹង។ ជាមួយនឹងការបង្កើត INT8 FLUX 3 Image Klein ដំណើរការលើ NVIDIA GeForce RTX GPUs ជាមួយនឹង VRAM តិចបំផុត 8GB តាមរយៈ ComfyUI ឬ Diffusers — ពង្រីកអ្វីដែល FLUX.2 [klein] បានចាប់ផ្តើមទៅកាន់ម៉ាស៊ីនតូចជាង។

តួលេខល្បឿនដែលចេញផ្សាយដោយក្រុមហ៊ុនដែលវាស់វែងដោយ NVIDIA បានដាក់ម៉ូដែលជំហានចំហុយនៅ 16 ជំហានក្នុងមួយរូបភាព៖ ប្រហែល 4 វិនាទីសម្រាប់រូបភាពមួយមេហ្គាភិចសែលនៅលើ RTX 5090 និងក្រោម 9 វិនាទីនៅលើ RTX 4070 ដោយប្រើ ComfyUI ។ គំរូមូលដ្ឋាននៅ 50 ជំហាន ជួញដូរល្បឿនសម្រាប់ការលៃតម្រូវការផាកពិន័យ។

សម្រាប់ក្រុមដែលមានតម្រូវការអធិបតេយ្យភាពទិន្នន័យ ឬអាណត្តិនៃការដាក់ពង្រាយក្នុងតំបន់ ក្រុមហ៊ុនបានលើកឡើងយ៉ាងពិតប្រាកដថា: សមត្ថភាពក្នុងការវាយតម្លៃ និងសម្របតាមគំរូកែសម្រួលដែលមានសមត្ថភាពទាំងស្រុងលើហេដ្ឋារចនាសម្ព័ន្ធផ្ទាល់ខ្លួនរបស់ពួកគេ។ ខាងអ្នកប្រើប្រាស់ ស្នាមជើងតូចធ្វើឱ្យការកែសម្រួលរូបភាពនៅលើឧបករណ៍នៅលើកុំព្យូទ័រយួរដៃមានភាពប្រាកដនិយមជាជាងការចង់បាន។

ការកែសំរួលពីថ្ងៃដំបូង

ប៉ុស្តិ៍ត្រួតពិនិត្យមូលដ្ឋានត្រូវបានសាងសង់ឡើងសម្រាប់ការសម្របខ្លួន។ Diffusers និង AI Toolkit របស់ Ostris គាំទ្រការបណ្តុះបណ្តាល LoRA ចេញពីប្រអប់ ហើយ NeMo AutoModel របស់ NVIDIA បញ្ជូនរូបមន្តដែលធ្វើការដោយផ្ទាល់ពីប៉ុស្តិ៍ត្រួតពិនិត្យដែលបានចេញផ្សាយ។ ជំនួយនៅថ្ងៃដំបូងគឺសំខាន់សម្រាប់ប្រព័ន្ធអេកូឡូស៊ីបើកចំហ ដែលការប្រែប្រួលសហគមន៍ដែលបានកែតម្រូវជាញឹកញាប់កំណត់ថាតើគំរូរីករាលដាលលឿនប៉ុណ្ណា។

រឿង API៖ ការពង្រីកព្រំដែនគុណភាពល្បឿន

សម្រាប់អ្នកប្រើប្រាស់ដែលមិនចង់ដំណើរការអ្វីទាំងអស់នៅក្នុងមូលដ្ឋាន Black Forest Labs បម្រើ FLUX 3 Image Klein តាមរយៈ API របស់វា ហើយអះអាងថាវាពង្រីកគុណភាពល្បឿន Pareto Frontier៖ ភាពយឺតយ៉ាវទាបជាង Qwen-Image 2.1, FLUX.2 [pro], Ideogram V4.5 និង Krea 2 ជាមួយនឹងការវាយតម្លៃខ្ពស់បំផុតនៅកម្រិតភាពយឺតរបស់វា។

តើវាមានន័យយ៉ាងណាសម្រាប់ការប្រណាំងរូបភាព Open-Weights

ការចេញផ្សាយនេះកើតឡើងក្នុងរយៈពេលមួយសប្តាហ៍ដែលមានមនុស្សច្រើនសម្រាប់ការបង្កើតរូបភាព ប៉ុន្មានថ្ងៃបន្ទាប់ពី Krea ណែនាំ Krea 3 គំរូដែលផ្តោតលើការកែសម្រួលសហគមន៍ដូចគ្នាបានធ្វើការប្រៀបធៀបទៅនឹងឧបករណ៍បិទ។ លំនាំគឺស្របគ្នា៖ ចំនួនប៉ារ៉ាម៉ែត្រកំពុងធ្លាក់ចុះ ខណៈពេលដែលការទាមទារគុណភាពកើនឡើង ហើយគម្លាតរវាងអ្វីដែលដំណើរការលើមជ្ឈមណ្ឌលទិន្នន័យ GPU និងអ្វីដែលដំណើរការនៅក្នុងកុំព្យូទ័រលេងហ្គេមបន្តរួមតូច។

ប្រសិនបើការអះអាងគោលរក្សានៅក្រោមការត្រួតពិនិត្យដោយឯករាជ្យ FLUX 3 Image Klein ធ្វើឱ្យការកែសម្រួលរូបភាពដែលមានគុណភាពខ្ពស់ក្នុងស្រុកមានការរំពឹងទុកជាជាងការសម្របសម្រួល ហើយដាក់សម្ពាធលើតម្លៃបន្ថែមលើ APIs រូបភាពបិទជិត។ អ្នកប្រើប្រាស់ពាណិជ្ជកម្មគួរតែអានលក្ខខណ្ឌអាជ្ញាប័ណ្ណ FLUX Kommunity ឱ្យបានដិតដល់មុនពេលដឹកជញ្ជូនវានៅក្នុងផលិតកម្ម ដោយសារលក្ខខណ្ឌអាជ្ញាប័ណ្ណមិនមែនជាសមត្ថភាព គឺជាកត្តាសម្រេចចិត្តកាន់តែខ្លាំងឡើងសម្រាប់ការទទួលយកដោយទម្ងន់បើកចំហ។

---

ស្នាក់នៅមុន AI

ទទួលបានព័ត៌មាន AI ការវិភាគ និងរបកគំហើញចុងក្រោយបំផុត — ទាំងអស់នៅកន្លែងតែមួយ។

អានព័ត៌មាន AI បន្ថែម →