Black Forest Labs จัดส่ง FLUX 3 Image Klein: โมเดล Open-Weights 5.6B พร้อมการแก้ไข Native 4K และ 8GB VRAM

Black Forest Labs เปิดตัว FLUX 3 Image Klein เมื่อวันพุธ ซึ่งเป็นโมเดล open-weights 5.6 พันล้านพารามิเตอร์สำหรับการสร้างข้อความเป็นรูปภาพ การแก้ไขภาพ และการสร้างการอ้างอิงหลายรายการ ซึ่งนำพาดหัวข่าวของระบบรูปภาพ FLUX 3 ซึ่งเป็นเรือธงของบริษัท ไปจนถึงฮาร์ดแวร์ที่มีขนาดพอเหมาะพอๆ กับการ์ดกราฟิกสำหรับผู้บริโภคขนาด 8GB

การเปิดตัวซึ่งประกาศในบล็อกของ Black Forest Labs ประกอบด้วยการสร้างภาพ 4K แบบเนทีฟ การแก้ไขพิกเซลที่สมบูรณ์แบบ และการควบคุมกรอบขอบเขตที่กำหนดตำแหน่งองค์ประกอบต่างๆ หรือจำกัดการแก้ไขให้อยู่ในพื้นที่ที่กำหนด ซึ่งเป็นฟีเจอร์ที่บริษัทสงวนไว้ก่อนหน้านี้สำหรับโมเดลรูปภาพ FLUX 3 แบบเต็ม ตุ้มน้ำหนักพร้อมให้ดาวน์โหลดภายใต้ FLUX Kommunity License และโมเดลดังกล่าวยังให้บริการผ่าน API ที่โฮสต์ของบริษัทอีกด้วย นี่เป็นหนึ่งในการเปิดตัวโมเดลอิมเมจแบบเปิดที่เป็นผลสืบเนื่องมากที่สุดแห่งปี และเป็นสัญญาณบ่งบอกว่าการพัฒนา AI ล่าสุดกำลังผลักดันการสร้างความสามารถบนฮาร์ดแวร์ในชีวิตประจำวันได้รวดเร็วเพียงใด หากต้องการความครอบคลุมอย่างต่อเนื่อง โปรดดู AI Buzz Wire

โมเดลขนาดเล็กพร้อมคุณสมบัติเด่น

แม้จะมีขนาดกะทัดรัด แต่ FLUX 3 Image Klein ก็แบ่งปันทักษะหลักที่ตั้งไว้กับ FLUX 3 Image ที่ใหญ่กว่า รองรับการสร้างการอ้างอิงหลายรายการด้วยรูปภาพอ้างอิงสูงสุด 10 ภาพ ทำให้ผู้ใช้สามารถผสมผสานอินพุตภาพชุดใหญ่เป็นเอาต์พุตเดียว การสร้าง 4K แบบเนทีฟและการแก้ไขพิกเซลที่สมบูรณ์แบบสืบทอดมาจากรุ่นเรือธง เช่นเดียวกับ Bounding Box ที่ควบคุมองค์ประกอบหรือจำกัดการแก้ไขเฉพาะพื้นที่ของผืนผ้าใบ

Black Forest Labs กล่าวว่าโมเดลนี้สร้างขึ้นจากการเรียนรู้ร่วมกันของ FLUX 3 ทั้งรูปภาพ วิดีโอ และเสียง รูปภาพมีส่วนให้รายละเอียดเชิงพื้นที่ วิดีโอเพิ่มการเคลื่อนไหวและไดนามิกทางกายภาพ และเสียงให้ข้อมูลเกี่ยวกับเหตุการณ์และการโต้ตอบ จากข้อมูลของบริษัท สัญญาณที่รวมกันเหล่านี้ช่วยให้โมเดลสร้างภาพที่ให้ความรู้สึกเหมือนอยู่ในโลกแห่งความเป็นจริง

การเปิดตัวนี้มีสองรุ่น — รุ่นพื้นฐานที่มีไว้เพื่อการปรับแต่งอย่างละเอียดและรุ่นกลั่นขั้นที่สร้างขึ้นสำหรับการสร้างเวลาแฝงต่ำ — ควบคู่ไปกับ FP8, INT8 และ NVFP4 quantized builds ที่พัฒนาด้วยการสนับสนุนของ NVIDIA น้ำหนักตัวสร้างต้องใช้หน่วยความจำ 11.2GB ใน BF16 Precision และ 5.6GB ใน FP8

การเรียกร้องเกณฑ์มาตรฐานกับคู่แข่งที่ใหญ่กว่า

ในการประเมินภายใน Black Forest Labs จัดอันดับให้ FLUX 3 Image Klein เป็นอันดับแรกในด้านการสร้างข้อความเป็นรูปภาพ การสร้างการอ้างอิงหลายรายการ และการแก้ไขภาพในโมเดล open-weights และเหนือกว่าโมเดลแบบปิดในชุดเปรียบเทียบ Ideogram V4.5 และ FLUX.2 [pro] ที่พารามิเตอร์ 5.6B มันเป็นรุ่นที่เล็กที่สุดในการเปรียบเทียบ: Qwen-Image 2.1 เช็คอินที่พารามิเตอร์ 7B และ Krea 2 ที่ 12.9B

เมื่อเทียบกับรุ่นก่อนแล้ว ผลกำไรที่ได้นั้นเป็นรูปธรรมมากขึ้น เมื่อเปรียบเทียบกับ FLUX.2 [klein] รุ่น 9B รุ่นใหม่ได้คะแนน Elo สูงกว่า 91 Elo ในด้านข้อความเป็นรูปภาพ และ 70 Elo สูงกว่าในการแก้ไขภาพ ขณะที่ใช้พารามิเตอร์น้อยกว่า 38 เปอร์เซ็นต์ เช่นเดียวกับการประเมินที่เผยแพร่โดยผู้ขายทั้งหมด ตัวเลขดังกล่าวมาจากการทดสอบภายในของบริษัทเอง แทนที่จะเป็นกระดานผู้นำอิสระ ดังนั้นจึงควรอ่านว่าเป็นข้อกล่าวอ้างที่เปิดกว้างที่ชัดเจน แทนที่จะเป็นข้อเท็จจริงที่ตกลงกันไว้

สร้างขึ้นเพื่อผู้บริโภค GPU

หัวข้อข่าวที่เป็นประโยชน์ที่สุดสำหรับมือสมัครเล่นและสตูดิโอขนาดเล็กคือฮาร์ดแวร์ ด้วย INT8 build ทำให้ FLUX 3 Image Klein ทำงานบน NVIDIA GeForce RTX GPU โดยมี VRAM เพียง 8GB ผ่าน ComfyUI หรือ Diffusers — ขยายสิ่งที่ FLUX.2 [klein] เริ่มต้นไปสู่เครื่องที่มีขนาดเล็กลง

ตัวเลขความเร็วที่บริษัทเผยแพร่ ซึ่งวัดโดย NVIDIA วางโมเดลกลั่นทีละขั้นตอนที่ 16 ขั้นตอนต่อภาพ: ประมาณ 4 วินาทีสำหรับภาพหนึ่งเมกะพิกเซลบน RTX 5090 และน้อยกว่า 9 วินาทีบน RTX 4070 โดยใช้ ComfyUI โมเดลพื้นฐานที่ระยะ 50 ขั้น จะแลกความเร็วเพื่อปรับแต่งเฮดรูมแบบละเอียด

สำหรับทีมที่มีข้อกำหนดด้านอธิปไตยของข้อมูลหรือข้อบังคับในการใช้งานในท้องถิ่น บริษัทเน้นย้ำอย่างชัดเจนว่า: ความสามารถในการประเมินและปรับใช้โมเดลการแก้ไขที่มีความสามารถทั้งหมดบนโครงสร้างพื้นฐานของตนเอง ฝั่งผู้บริโภค การใช้พื้นที่ขนาดเล็กทำให้การแก้ไขภาพบนอุปกรณ์บนแล็ปท็อปมีความสมจริงมากกว่าสร้างแรงบันดาลใจ

การปรับแต่งอย่างละเอียดตั้งแต่วันแรก

ด่านฐานถูกสร้างขึ้นเพื่อการปรับตัว ชุดเครื่องมือ AI ของ Diffusers และ Ostris รองรับการฝึกอบรม LoRA ทันที และ NeMo AutoModel ของ NVIDIA จัดส่งสูตรอาหารที่ทำงานโดยตรงจากจุดตรวจที่ปล่อยออกมา การสนับสนุนในวันนั้นมีความสำคัญต่อระบบนิเวศแบบ open-weights ซึ่งตัวแปรของชุมชนที่ได้รับการปรับแต่งอย่างละเอียดมักจะเป็นตัวกำหนดว่าโมเดลจะแพร่กระจายได้เร็วแค่ไหน

เรื่องราวของ API: การขยายขอบเขตคุณภาพความเร็ว

สำหรับผู้ใช้ที่ไม่ต้องการเรียกใช้งานใดๆ ในพื้นที่ Black Forest Labs ให้บริการ FLUX 3 Image Klein ผ่านทาง API และอ้างว่าขยายขอบเขต Pareto คุณภาพความเร็ว: เวลาแฝงต่ำกว่า Qwen-Image 2.1, FLUX.2 [pro], Ideogram V4.5 และ Krea 2 โดยมีคะแนนสูงสุดที่จุดแฝงและสูงกว่า

ความหมายสำหรับการแข่งขัน Open-Weights Image

การเปิดตัวเกิดขึ้นในสัปดาห์ที่มีผู้คนหนาแน่นสำหรับการสร้างภาพ ไม่กี่วันหลังจาก Krea เปิดตัว Krea 3 ซึ่งเป็นโมเดลที่เน้นการแก้ไข ซึ่งชุมชนเดียวกันนี้ได้ทำการเปรียบเทียบกับเครื่องมือแบบปิด รูปแบบมีความสอดคล้องกัน: จำนวนพารามิเตอร์ลดลงในขณะที่การอ้างคุณภาพเพิ่มขึ้น และช่องว่างระหว่างสิ่งที่ทำงานบน GPU สำหรับศูนย์ข้อมูลและสิ่งที่ทำงานในพีซีสำหรับเล่นเกมก็แคบลงเรื่อยๆ

หากการกล่าวอ้างด้านการวัดประสิทธิภาพอยู่ภายใต้การตรวจสอบโดยอิสระ FLUX 3 Image Klein จะทำให้การแก้ไขรูปภาพคุณภาพสูงในท้องถิ่นเป็นความคาดหวังเริ่มต้น แทนที่จะประนีประนอม และสร้างแรงกดดันด้านราคาเพิ่มเติมให้กับ API รูปภาพแบบปิด ผู้ใช้เชิงพาณิชย์ควรอ่านข้อกำหนดสิทธิ์การใช้งาน FLUX Kommunity อย่างละเอียดก่อนจัดส่งในการผลิต เนื่องจากเงื่อนไขสิทธิ์การใช้งาน ไม่ใช่ความสามารถ กลายเป็นปัจจัยในการตัดสินใจมากขึ้นสำหรับการนำน้ำหนักแบบเปิดมาใช้

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →