بلیک فاریسٹ لیبز نے بدھ کو FLUX 3 امیج کلین جاری کیا، ٹیکسٹ ٹو امیج جنریشن، امیج ایڈیٹنگ اور ملٹی ریفرنس جنریشن کے لیے ایک 5.6 بلین پیرامیٹر اوپن ویٹ ماڈل جو کمپنی کے فلیگ شپ FLUX 3 امیج سسٹم کی ہیڈ لائن کی صلاحیتوں کو ہارڈ ویئر تک لے جاتا ہے جیسا کہ 8GB صارف گرافکس کارڈ کی طرح معمولی ہے۔

بلیک فاریسٹ لیبز بلاگ پر اعلان کردہ ریلیز میں مقامی 4K امیج جنریشن، پکسل پرفیکٹ ایڈیٹنگ اور باؤنڈنگ باکس کنٹرولز شامل ہیں جو یہ بتاتے ہیں کہ عناصر کہاں رکھے جاتے ہیں یا ترمیم کو ایک متعین علاقے تک محدود رکھتے ہیں — وہ خصوصیات جو کمپنی نے پہلے مکمل FLUX 3 امیج ماڈل کے لیے محفوظ کی تھیں۔ وزن FLUX کمیونٹی لائسنس کے تحت ڈاؤن لوڈ کے لیے دستیاب ہے، اور ماڈل کو کمپنی کے میزبان API کے ذریعے بھی پیش کیا جاتا ہے۔ یہ سال کے سب سے زیادہ نتیجہ خیز اوپن امیج ماڈل ریلیزز میں سے ایک ہے، اور اس بات کی علامت ہے کہ AI کی تازہ ترین پیشرفت کتنی تیزی سے قابل نسل کو روزمرہ کے ہارڈ ویئر پر دھکیل رہی ہے — جاری کوریج کے لیے، دیکھیں AI Buzz Wire۔

فلیگ شپ خصوصیات کے ساتھ ایک چھوٹا ماڈل

اپنے کومپیکٹ سائز کے باوجود، FLUX 3 امیج کلین اپنی بنیادی مہارت کا سیٹ بڑی FLUX 3 امیج کے ساتھ شیئر کرتا ہے۔ یہ 10 ریفرنس امیجز کے ساتھ ملٹی ریفرنس جنریشن کو سپورٹ کرتا ہے، جس سے صارفین کو ایک ہی آؤٹ پٹ میں بصری ان پٹ کے ایک بڑے سیٹ کو ملانے دیتا ہے۔ مقامی 4K جنریشن اور پکسل پرفیکٹ ایڈیٹنگ فلیگ شپ سے ہوتی ہے، جیسا کہ باؤنڈنگ باکسز جو کمپوزیشن کو کنٹرول کرتے ہیں یا ترمیم کو کینوس کے مخصوص علاقے تک محدود کرتے ہیں۔

بلیک فاریسٹ لیبز کا کہنا ہے کہ ماڈل تصاویر، ویڈیو اور آڈیو میں FLUX 3 کی مشترکہ سیکھنے پر تیار کرتا ہے: تصاویر مقامی تفصیلات میں حصہ ڈالتی ہیں، ویڈیو حرکت اور جسمانی حرکیات کو شامل کرتی ہے، اور آڈیو واقعات اور تعاملات کے بارے میں معلومات فراہم کرتا ہے۔ کمپنی کے مطابق، وہ مشترکہ سگنلز ماڈل کو ایسی تصاویر بنانے میں مدد کرتے ہیں جو حقیقی دنیا میں محسوس ہوتی ہیں۔

ریلیز بحری جہاز دو مختلف حالتوں میں — ایک بیس ماڈل جس کا مقصد فائن ٹیوننگ ہے اور ایک سٹیپ ڈسٹل ماڈل جو کم لیٹنسی جنریشن کے لیے بنایا گیا ہے — اس کے ساتھ ساتھ FP8، INT8 اور NVFP4 کوانٹائزڈ بلڈز جو NVIDIA سپورٹ کے ساتھ تیار کی گئی ہیں۔ جنریٹر کے وزن کے لیے BF16 درستگی میں 11.2GB میموری اور FP8 میں 5.6GB کی ضرورت ہوتی ہے۔

بڑے حریفوں کے خلاف بینچ مارک کا دعویٰ

اندرونی تشخیص میں، Black Forest Labs FLUX 3 امیج کلین کو اوپن ویٹ ماڈلز میں ٹیکسٹ ٹو امیج، ملٹی ریفرنس جنریشن اور امیج ایڈیٹنگ میں پہلے نمبر پر رکھتا ہے، اور اس کے موازنہ سیٹ، Ideogram V4.5 اور FLUX.2 [pro] میں بند ماڈلز سے آگے ہے۔ 5.6B پیرامیٹرز پر، یہ اس مقابلے میں سب سے چھوٹا ماڈل ہے: Qwen-Image 2.1 7B پیرامیٹرز پر اور Krea 2 12.9B پر چیک کرتا ہے۔

اس کے اپنے پیشرو کے خلاف، فوائد زیادہ ٹھوس ہیں۔ FLUX.2 [کلین] کے مقابلے میں، ایک 9B ماڈل، نئی ریلیز نے 38 فیصد کم پیرامیٹرز استعمال کرتے ہوئے ٹیکسٹ ٹو امیج میں 91 Elo زیادہ اور امیج ایڈیٹنگ میں 70 Elo زیادہ حاصل کیے ہیں۔ جیسا کہ وینڈر کی طرف سے شائع شدہ تمام تشخیصات کے ساتھ، نمبرز ایک آزاد لیڈر بورڈ کے بجائے کمپنی کے اپنے اندرونی ٹیسٹنگ سے آتے ہیں، اس لیے انہیں فیکٹڈ فیکٹ کے بجائے ایک مضبوط افتتاحی دعوے کے طور پر پڑھا جاتا ہے۔

صارفین کے GPUs کے لیے بنایا گیا ہے۔

شوق رکھنے والوں اور چھوٹے اسٹوڈیوز کے لیے سب سے زیادہ عملی سرخی ہارڈ ویئر ہے۔ INT8 کی تعمیر کے ساتھ، FLUX 3 امیج کلین NVIDIA GeForce RTX GPUs پر چلتا ہے جس میں ComfyUI یا Diffusers کے ذریعے VRAM کے 8GB سے بھی کم کے ساتھ - FLUX.2 [کلین] نے اس سے بھی چھوٹی مشینوں تک توسیع کی۔

کمپنی کی طرف سے جاری کردہ رفتار کے اعداد و شمار، NVIDIA کے ذریعے ماپا گیا، سٹیپ ڈسٹل ماڈل کو 16 سٹیپس فی امیج پر رکھتا ہے: RTX 5090 پر ایک میگا پکسل کی تصویر کے لیے تقریباً 4 سیکنڈ اور RTX 4070 پر 9 سیکنڈ سے کم، ComfyUI کا استعمال کرتے ہوئے۔ بیس ماڈل، 50 قدموں پر، فائن ٹیوننگ ہیڈ روم کے لیے رفتار کی تجارت کرتا ہے۔

ڈیٹا کی خودمختاری کے تقاضوں یا مقامی تعیناتی کے مینڈیٹ والی ٹیموں کے لیے، کمپنی بالکل اس بات کو یقینی بناتی ہے: ایک قابل ایڈیٹنگ ماڈل کو مکمل طور پر ان کے اپنے بنیادی ڈھانچے پر جانچنے اور ڈھالنے کی صلاحیت۔ صارفین کی طرف، چھوٹا سا نقشہ لیپ ٹاپ پر آلے کی تصویری ترمیم کو خواہش کے بجائے حقیقت پسندانہ بناتا ہے۔

پہلے دن سے فائن ٹیوننگ

بیس چوکی موافقت کے لیے بنائی گئی ہے۔ Diffusers اور Ostris کی AI ٹول کٹ LoRA کی تربیت کو باکس سے باہر کی حمایت کرتی ہے، اور NVIDIA کی NeMo AutoModel جہازوں کی ترکیبیں جو براہ راست جاری کردہ چوکیوں سے کام کرتی ہیں۔ اوپن ویٹ ایکو سسٹم کے لیے اس دن کا ایک سپورٹ اہمیت رکھتا ہے، جہاں ٹھیک ٹیونڈ کمیونٹی ویریئنٹس اکثر اس بات کا تعین کرتے ہیں کہ ماڈل کتنی تیزی سے پھیلتا ہے۔

API کی کہانی: اسپیڈ کوالٹی فرنٹیئر کو بڑھانا

ایسے صارفین کے لیے جو مقامی طور پر کچھ نہیں چلانا چاہتے، بلیک فارسٹ لیبز اپنے API کے ذریعے FLUX 3 امیج کلین پیش کرتی ہے اور دعوی کرتی ہے کہ اس نے رفتار کے معیار کے Pareto فرنٹیئر کو بڑھایا ہے: Qwen-Image 2.1، FLUX.2 [pro]، Ideogram V4.5 اور Krea 2 کے مقابلے میں کم لیٹنسی، اعلی ترین درجہ بندی کے ساتھ اور اس سے اوپر۔

اوپن ویٹ امیج ریس کے لیے اس کا کیا مطلب ہے۔

یہ ریلیز امیج جنریشن کے لیے ایک پرہجوم ہفتے میں اترتی ہے، Krea کے Krea 3 کو متعارف کرانے کے چند دن بعد، ایک ایڈیٹنگ پر مرکوز ماڈل وہی کمیونٹی بند ٹولز کے خلاف بینچ مارکنگ کر رہی ہے۔ پیٹرن مستقل ہے: معیار کے دعوے بڑھنے کے دوران پیرامیٹر کی تعداد کم ہو رہی ہے، اور ڈیٹا سینٹر GPU پر چلنے والی چیزوں اور گیمنگ پی سی میں چلنے والی چیزوں کے درمیان فرق کم ہوتا جا رہا ہے۔

اگر بینچ مارک کے دعوے آزاد جانچ پڑتال کے تحت برقرار رہتے ہیں، تو FLUX 3 امیج کلین مقامی، اعلیٰ معیار کی تصویر میں ترمیم کو سمجھوتہ کرنے کی بجائے پہلے سے طے شدہ توقع بناتا ہے — اور بند امیج APIs پر قیمتوں کا مزید دباؤ ڈالتا ہے۔ تجارتی صارفین کو FLUX Community License کی شرائط کو پروڈکشن میں بھیجنے سے پہلے اسے پڑھنا چاہیے، کیونکہ لائسنس کی شرائط، صلاحیتیں نہیں، کھلے وزن کو اپنانے کا فیصلہ کن عنصر ہیں۔

---

AI سے آگے رہیں

تازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔

مزید AI خبریں پڑھیں →