У середу Black Forest Labs випустила FLUX 3 Image Klein, модель відкритих ваг з 5,6 мільярдами параметрів для генерації тексту в зображення, редагування зображень і генерації кількох посилань, яка передає головні можливості флагманської системи FLUX 3 Image компанії до скромного апаратного забезпечення, як споживча відеокарта на 8 ГБ.
Випуск, оголошений у блозі Black Forest Labs, включає власне створення зображень 4K, ідеальне редагування пікселів і елементи керування обмежувальною рамкою, які визначають місце розміщення елементів або обмежують редагування певною областю — функції, які компанія раніше зарезервувала для повної моделі FLUX 3 Image. Вагові коефіцієнти доступні для завантаження за ліцензією FLUX Community License, а модель також обслуговується через розміщений компанією API. Це один із найбільш значущих випусків відкритих моделей зображень року та ознака того, як швидко останні розробки штучного інтелекту просувають потужне покоління на повсякденне обладнання — для постійного висвітлення див. AI Buzz Wire.
Маленька модель із флагманськими функціями
Незважаючи на компактні розміри, FLUX 3 Image Klein має такі ж основні навички, як і більший FLUX 3 Image. Він підтримує генерацію кількох еталонних зображень із до 10 еталонними зображеннями, що дозволяє користувачам поєднувати великий набір візуальних вхідних даних в один вихід. Нативна генерація 4K і ідеальне редагування пікселів переходять із флагмана, як і обмежувальні рамки, які контролюють композицію або обмежують редагування певною областю полотна.
У Black Forest Labs кажуть, що модель побудована на спільних знаннях FLUX 3 щодо зображень, відео та аудіо: зображення додають просторові деталі, відео додає рух і фізичну динаміку, а аудіо надає інформацію про події та взаємодії. За словами компанії, ці комбіновані сигнали допомагають моделі створювати зображення, які відчувають себе приземленими в реальному світі.
Випуск поставляється у двох варіантах — базова модель, призначена для тонкого налаштування, і поетапна модель, створена для генерації з низькою затримкою — разом із квантованими збірками FP8, INT8 і NVFP4, розробленими за підтримки NVIDIA. Вага генератора потребує 11,2 ГБ пам’яті в BF16 precision і 5,6 ГБ у FP8.
Позовні вимоги до більших конкурентів
У внутрішніх оцінках Black Forest Labs ставить FLUX 3 Image Klein на перше місце в моделях з відкритими вагами за перетворення тексту в зображення, генерацію кількох посилань і редагування зображень і випереджає закриті моделі у своєму наборі для порівняння Ideogram V4.5 і FLUX.2 [pro]. З параметрами 5,6 B це найменша модель у цьому порівнянні: Qwen-Image 2.1 відповідає параметрам 7 B, а Krea 2 — 12,9 B.
У порівнянні з власним попередником успіхи більш конкретні. Порівняно з FLUX.2 [klein], моделлю 9B, новий випуск має вищий бал на 91 Elo при перетворенні тексту в зображення та на 70 Elo при редагуванні зображень, використовуючи на 38 відсотків менше параметрів. Як і у випадку з усіма опублікованими постачальниками оцінками, цифри отримано з власного внутрішнього тестування компанії, а не з незалежної таблиці лідерів, тому їх найкраще сприймати як серйозну початкову заяву, а не встановлений факт.
Створено для споживчих графічних процесорів
Найбільш практичним заголовком для любителів і невеликих студій є обладнання. Завдяки збірці INT8 FLUX 3 Image Klein працює на графічних процесорах NVIDIA GeForce RTX із лише 8 ГБ відеопам’яті через ComfyUI або Diffusers — поширюючи те, що почав FLUX.2 [klein], на навіть менші машини.
Опубліковані компанією показники швидкості, виміряні NVIDIA, свідчать про 16 кроків на зображення в поетапній моделі: приблизно 4 секунди для 1-мегапіксельного зображення на RTX 5090 і менше 9 секунд на RTX 4070 за допомогою ComfyUI. Базова модель із 50 кроками змінює швидкість на точне налаштування запасу.
Командам із вимогами щодо суверенітету даних або локальних мандатів на розгортання компанія пропонує саме це: можливість оцінити та адаптувати ефективну модель редагування повністю на власній інфраструктурі. З точки зору споживача, невеликий розмір робить редагування зображень на пристрої на ноутбуках реалістичнішим, а не бажаним.
Точне налаштування з першого дня
База КПП побудована для адаптації. Diffusers і Ostris AI Toolkit підтримують тренування LoRA з коробки, а NeMo AutoModel від NVIDIA постачає рецепти, які працюють безпосередньо з випущених контрольних точок. Ця підтримка з першого дня має значення для екосистеми відкритих ваг, де точно налаштовані варіанти спільноти часто визначають, наскільки швидко поширюється модель.
Історія API: розширення меж швидкості та якості
Для користувачів, які не бажають запускати нічого локально, Black Forest Labs обслуговує FLUX 3 Image Klein через свій API і стверджує, що він розширює межі швидкості та якості за Парето: менша затримка, ніж у Qwen-Image 2.1, FLUX.2 [pro], Ideogram V4.5 і Krea 2, з найвищим рейтингом у точці затримки та вище.
Що це означає для гонки іміджу Open-Weights
Реліз вийшов у насичений тиждень для створення зображень, кілька днів після того, як Krea представила Krea 3, орієнтовану на редагування модель, яку та сама спільнота порівнювала з закритими інструментами. Схема незмінна: кількість параметрів падає, а вимоги до якості зростають, а розрив між тим, що працює на GPU центру обробки даних, і тим, що працює на ігровому ПК, продовжує звужуватися.
Якщо твердження щодо порівняльного тесту витримають під час незалежної перевірки, FLUX 3 Image Klein робить локальне високоякісне редагування зображень очікуванням за замовчуванням, а не компромісом — і чинить подальший тиск на ціни для закритих API зображень. Комерційним користувачам слід уважно ознайомитися з умовами ліцензії FLUX Community, перш ніж запускати їх у виробництво, оскільки умови ліцензії, а не можливості, дедалі частіше стають вирішальним фактором для прийняття відкритих ваг.
---
Будьте попереду ШІОтримуйте останні новини штучного інтелекту, аналіз і прориви — усе в одному місці.
Читати більше новин AI →
