Laboratoria Black Forest Labs wypuściły w środę FLUX 3 Image Klein, model z otwartymi ciężarami o 5,6 miliardach parametrów do generowania tekstu na obraz, edycji obrazu i generowania wielu odniesień, który przenosi podstawowe możliwości flagowego systemu FLUX 3 Image firmy do sprzętu tak skromnego jak konsumencka karta graficzna o pojemności 8 GB.
Wydanie, ogłoszone na blogu Black Forest Labs, obejmuje generowanie obrazu w natywnej rozdzielczości 4K, edycję z doskonałą precyzją w pikselach oraz elementy sterujące ramkami ograniczającymi, które decydują o rozmieszczeniu elementów lub ograniczają edycję do określonego obszaru — funkcje, które firma wcześniej zarezerwowała dla pełnego modelu obrazu FLUX 3. Wagi są dostępne do pobrania w ramach licencji FLUX Kommunity, a model jest również obsługiwany poprzez hostowane przez firmę API. Jest to jedna z najbardziej znaczących premier tego roku modeli otwartego obrazu i znak, jak szybko najnowsze osiągnięcia sztucznej inteligencji wprowadzają generację wydajnych technologii na sprzęt codziennego użytku — bieżące informacje można znaleźć w AI Buzz Wire.
Mały model z flagowymi funkcjami
Pomimo niewielkich rozmiarów, FLUX 3 Image Klein dzieli swój podstawowy zestaw umiejętności z większym FLUX 3 Image. Obsługuje generowanie wielu odniesień z maksymalnie 10 obrazami referencyjnymi, umożliwiając użytkownikom łączenie dużego zestawu wejść wizualnych w jeden wynik. Natywne generowanie rozdzielczości 4K i edycja z dokładnością do pikseli zostały przeniesione z modelu flagowego, podobnie jak ramki ograniczające, które kontrolują kompozycję lub ograniczają edycję do określonego obszaru płótna.
Black Forest Labs twierdzi, że model opiera się na współdzielonej wiedzy FLUX 3 z obrazów, wideo i dźwięku: obrazy dostarczają szczegółów przestrzennych, wideo dodaje ruch i dynamikę fizyczną, a dźwięk dostarcza informacji o zdarzeniach i interakcjach. Według firmy te połączone sygnały pomagają modelowi generować obrazy, które wydają się osadzone w prawdziwym świecie.
Wydanie jest dostępne w dwóch wariantach — modelu podstawowym przeznaczonym do dostrajania i modelu etapowo destylowanym, stworzonym do generowania niskich opóźnień — wraz ze skwantowanymi wersjami FP8, INT8 i NVFP4 opracowanymi przy wsparciu NVIDIA. Odważniki generatorów wymagają 11,2 GB pamięci w precyzji BF16 i 5,6 GB w FP8.
Porównaj roszczenia z większymi rywalami
W wewnętrznych ocenach firma Black Forest Labs plasuje FLUX 3 Image Klein na pierwszym miejscu w zakresie przetwarzania tekstu na obraz, generowania wielu odniesień i edycji obrazów wśród modeli z wagami otwartymi oraz przed modelami zamkniętymi w zestawie porównawczym Ideogram V4.5 i FLUX.2 [pro]. Przy parametrach 5,6B to najmniejszy model w tym porównaniu: Qwen-Image 2.1 sprawdza się przy parametrach 7B, a Krea 2 przy 12,9B.
W porównaniu z własnym poprzednikiem korzyści są bardziej konkretne. W porównaniu z FLUX.2 [klein], modelem 9B, nowa wersja uzyskała o 91 punktów Elo więcej w przypadku zamiany tekstu na obraz i o 70 Elo więcej w edycji obrazu przy użyciu o 38 procent mniejszej liczby parametrów. Podobnie jak w przypadku wszystkich ocen publikowanych przez dostawców, liczby pochodzą z wewnętrznych testów firmy, a nie z niezależnej tabeli liderów, dlatego najlepiej je czytać jako mocne stwierdzenie wstępne, a nie ustalony fakt.
Zbudowany dla konsumenckich procesorów graficznych
Najbardziej praktycznym nagłówkiem dla hobbystów i małych studiów jest sprzęt. W wersji INT8 FLUX 3 Image Klein działa na procesorach graficznych NVIDIA GeForce RTX z zaledwie 8 GB pamięci VRAM za pośrednictwem ComfyUI lub dyfuzorów — rozszerzając to, co zaczął FLUX.2 [klein] na jeszcze mniejsze maszyny.
Dane dotyczące prędkości opublikowane przez firmę, mierzone przez firmę NVIDIA, wskazują, że model destylowany etapowo wynosi 16 kroków na obraz: około 4 sekundy w przypadku jednomegapikselowego obrazu na RTX 5090 i poniżej 9 sekund na RTX 4070 przy użyciu ComfyUI. Podstawowy model z 50 krokami zamienia prędkość na precyzyjne dostrojenie przestrzeni nad głową.
W przypadku zespołów mających wymagania w zakresie suwerenności danych lub zadań związanych z wdrażaniem lokalnym firma oferuje dokładnie to: możliwość oceny i dostosowania wydajnego modelu edycji całkowicie w oparciu o własną infrastrukturę. Z punktu widzenia konsumenta niewielkie rozmiary sprawiają, że edycja obrazów na urządzeniu na laptopach jest realistyczna, a nie zamierzona.
Dostrajanie od pierwszego dnia
Bazowy punkt kontrolny jest przystosowany do adaptacji. Dyfuzory i zestaw narzędzi AI firmy Ostris wspierają trening LoRA od razu po wyjęciu z pudełka, a NeMo AutoModel firmy NVIDIA udostępnia receptury, które działają bezpośrednio z udostępnionych punktów kontrolnych. To wsparcie już pierwszego dnia ma znaczenie dla ekosystemu otwartych wag, w którym dopracowane warianty społeczności często decydują o szybkości rozprzestrzeniania się modelu.
Historia API: poszerzanie granicy szybkości i jakości
Użytkownikom, którzy woleliby nie uruchamiać niczego lokalnie, Black Forest Labs udostępnia FLUX 3 Image Klein za pośrednictwem swojego API i twierdzi, że rozszerza granicę Pareto w zakresie szybkości: mniejsze opóźnienia niż Qwen-Image 2.1, FLUX.2 [pro], Ideogram V4.5 i Krea 2, z najwyższą oceną w punkcie opóźnienia i powyżej.
Co to oznacza dla wyścigu obrazów z otwartymi ciężarami
Wydanie następuje w tygodniu, w którym panuje tłok pod względem generowania obrazów, kilka dni po wprowadzeniu przez Krea Krea 3, modelu skoncentrowanego na edycji, który ta sama społeczność porównuje z zamkniętymi narzędziami. Schemat jest spójny: liczba parametrów spada, podczas gdy wymagania dotyczące jakości rosną, a różnica między tym, co działa na GPU w centrum danych, a tym, co działa na komputerze do gier, stale się zmniejsza.
Jeśli twierdzenia dotyczące testów porównawczych sprawdzą się w niezależnej analizie, FLUX 3 Image Klein sprawi, że lokalna edycja obrazu o wysokiej jakości stanie się domyślnym oczekiwaniem, a nie kompromisem – i wywiera dodatkową presję cenową na API zamkniętych obrazów. Użytkownicy komercyjni powinni dokładnie zapoznać się z warunkami licencji FLUX Kommunity przed wysłaniem jej do środowiska produkcyjnego, ponieważ warunki licencji, a nie możliwości, są coraz częściej czynnikiem decydującym o przyjęciu otwartych wag.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →
