FLUX 3 Image Klein Inafanya kazi

FLUX 3 Image Klein ni modeli ya AI ya kutengeneza picha yenye msimbo huria kutoka Black Forest Labs, ikiwa na vigezo bilioni 5.6 pekee na inaweza kuendeshwa kwenye kadi moja ya kawaida ya picha za watumiaji. FLUX 3 Image Klein inasaidia kwa wakati mmoja kutengeneza picha kutoka maandishi, kuhariri picha kwa maagizo na kutengeneza picha nyingi kwa kutumia hadi picha 10 za marejeo, ikiwa na uwezo wa kutoa picha asilia za 4K, uhariri sahihi katika kiwango cha pikseli na udhibiti wa mpangilio kwa kutumia visanduku vya kuratibu. Katika majaribio rasmi ya ndani, ilishika nafasi ya kwanza katika kutengeneza picha za Kichina, kuhariri na kutumia marejeo mengi, ikizidi Qwen-Image 2.1 na Krea 2.

Kutengeneza picha kutoka maandishi: Inasaidia kutengeneza picha zenye ubora wa juu hadi mwonekano asilia wa 4K.
Uhariri wa picha kwa maagizo: Rekebisha sehemu yoyote ya picha kwa lugha ya kawaida; pikseli za maeneo ambayo hayajatajwa hubaki bila kubadilika.
Utengenezaji kwa picha nyingi za marejeo: Inaweza kupokea hadi picha 10 za marejeo kwa wakati mmoja na kudumisha mwendelezo wa mhusika, mtindo au bidhaa.
Udhibiti wa mpangilio kwa visanduku vya kuratibu: Tumia visanduku vya kuratibu vya gridi ya 0–1000 kubainisha kwa usahihi eneo la vipengele au kuweka mipaka ya eneo la kuhariri.
Usanifu wa uzani mmoja: Kazi za kutengeneza, kuhariri na kutumia marejeo mengi hushiriki uzani uleule wa vigezo bilioni 5.6, bila kubadilisha modeli.
Inaendeshwa kwenye maunzi ya watumiaji: Toleo la INT8 lililopunguzwa ukubwa linaweza kufanya kazi kwenye kadi yenye GB 8 za VRAM, huku toleo lililofundishwa kwa distillation likitoa picha kwa hatua 4.
Ikolojia ya fine-tuning: Uzani ulio wazi unaunga mkono mafunzo ya LoRA kwa kubinafsisha mtindo, chapa au mtiririko wa kazi.

Fuatilia akaunti ya WeChat na ujibu “开源” ili kujiunga na kikundi cha mawasiliano cha miradi ya AI yenye msimbo huria
Mtindo wa utengenezaji wa Rectified Flow: Tofauti na modeli za jadi za diffusion zinazojifunza njia za nasibu na zilizopinda kutoka kelele hadi picha, familia ya FLUX hujifunza njia iliyo karibu na mstari wa moja kwa moja inayounganisha kelele na data. Sampuli hukamilishwa kwa kutatua mlinganyo wa kawaida wa tofauti badala ya mlinganyo wa nasibu wa tofauti. Kadiri njia inavyokuwa nyooka, ndivyo hatua chache za ujumuishaji zinavyohitajika; hivyo toleo la distillation linaweza kupata matokeo ya ubora wa juu kwa sampuli za hatua 16 au hata 4.
Msingi wa MMDiT wa Transformer yenye mikondo miwili: Modeli hii inategemea Multimodal Diffusion Transformer. Tokeni za picha na tokeni za maandishi huchakatwa kwa pamoja katika vizuizi vya awali vya mikondo miwili, zikibadilishana taarifa kupitia umakini wa pamoja, kisha husafishwa kwa pamoja katika vizuizi vya mkondo mmoja. Hii huunganisha maagizo ya maandishi kwa kina na utengenezaji wa picha katika kila tabaka, na ndiyo msingi wa uwezo wake wa kufuata vidokezo tata na kutoa maandishi ndani ya picha.
Usanifu wa kisimbaji huru cha maandishi: Vigezo bilioni 5.6 vinarejelea tu kiini cha picha; uelewa wa maandishi unashughulikiwa na kisimbaji cha nje cha Qwen3-VL-4B-Instruct. Muundo huu uliotenganishwa huruhusu uwezo wa kuelewa maana na kiini cha utengenezaji kuboreshwa kwa kujitegemea, kumaanisha kuwa matumizi halisi ya VRAM lazima yajumuishe gharama ya kisimbaji.
Uhamishaji kupitia mafunzo ya pamoja ya multimodali: Klein hurithi moja kwa moja matokeo ya mafunzo ya awali ya modeli kubwa ya FLUX 3, iliyofundishwa kwa pamoja kwenye modaliti za picha, video na sauti. Utaratibu wa kutumia modaliti tofauti kama vizuizi vya kila mmoja huipa modeli hii ndogo uwezo wa kuona unaozidi kiwango kinachotarajiwa kutokana na idadi ya vigezo vyake.

Thibitisha maunzi: Toleo la distillation la BF16 linahitaji GB 11.2 za VRAM; kwa kadi ya GB 8, chagua toleo la INT8/FP8 lililopunguzwa ukubwa. Toleo la FP8 lina ukubwa wa GB 5.6 pekee.
Pakua uzani: Pakua uzani wa usahihi unaohitajika kutoka hazina ya black-forest-labs/FLUX.3-Klein kwenye Hugging Face, pamoja na kisimbaji cha maandishi cha Qwen3-VL-4B.
Kubali leseni: Bofya “Agree and access repository” kwenye hazina ili kukubali FLUX Kommunity License kabla ya kupakua. Kabla ya matumizi ya kibiashara, hakikisha mapato ya mwaka yako chini ya kizingiti cha dola milioni 5.
Chagua njia ya kupeleka: Watumiaji wa ComfyUI wasakinishe programu-jalizi rasmi ya BFL kupitia Manager, kisha wachague modeli ya Klein kwenye grafu ya nodi; au tumia Diffusers kuipakia kwa mistari michache ya msimbo wa Python.
Andika vidokezo: Kwa utengenezaji wa kawaida kutoka maandishi, andika maelezo moja kwa moja. Kwa mpangilio tata, washa Prompt Upsampler rasmi ili kuboresha kidokezo kiotomatiki.
Tumia mpangilio wa visanduku vya kuratibu: Katika kidokezo, weka visanduku vya kuratibu vya [y_min, x_min, y_max, x_max] kwa vipengele kama maandishi na mhusika mkuu; modeli itaweka vipengele hivyo kwa usahihi kulingana na gridi.
Uhariri wa picha: Pakia picha ya awali na eleza kwa lugha ya kawaida unachotaka kubadilisha, kama vile «geuza barabara hii iwe mandhari ya theluji»; pikseli za maeneo ambayo hayajatajwa hubaki bila kubadilika.
Utengenezaji kwa picha nyingi za marejeo: Katika API au UI, pakia hadi picha 10 za marejeo pamoja na maelezo; modeli itatengeneza picha mpya huku ikidumisha mwendelezo wa vipengele vya marejeo.
Rekebisha vigezo: Toleo la distillation linaweza kutumika moja kwa moja bila CFG; kwa toleo la Base, inapendekezwa CFG 3.5 na hatua 50. VRAM ikiwa haitoshi, punguza mwonekano au washa upunguzaji wa ukubwa.

Ufanisi wa vigezo: Ikiwa na vigezo bilioni 5.6 pekee, ilizidi Qwen-Image 2.1 yenye vigezo bilioni 7 na Krea 2 yenye vigezo bilioni 12.9 katika majaribio rasmi ya upofu, na ikaishinda Ideogram V4.5 yenye msimbo wa kufungwa.
Kizingiti cha chini cha maunzi: Toleo la INT8 lililopunguzwa ukubwa linaweza kufanya kazi kwenye kadi ya kawaida ya watumiaji yenye VRAM ya GB 8, na kuifanya kuwa suluhisho la msimbo huria lenye gharama ya chini zaidi ya kupeleka miongoni mwa uwezo wa kiwango cha juu wa aina hii.
Uzani mmoja kwa kazi tatu: Kutengeneza picha kutoka maandishi, kuhariri picha na kutengeneza kwa picha nyingi za marejeo hushiriki uzani mmoja, bila kuhitaji kubadilisha au kuchanganya modeli kwa kazi tofauti.
Uwezo wa kudhibiti mpangilio: Visanduku vya kuratibu hudhibiti kwa usahihi nafasi ya vipengele. Uwezo huu hapo awali ulionekana hasa kwenye modeli kubwa zenye msimbo wa kufungwa; katika eneo la msimbo huria bado hakuna mshindani wa kiwango sawa.
Uaminifu wa uhariri katika kiwango cha pikseli: Wakati wa kuhariri, pikseli za maeneo ambayo hayajatajwa hazibadiliki kabisa, jambo linalofaa kwa biashara ya mtandaoni, usanifu na hali zinazohitaji picha ya awali isiharibiwe.
Matokeo asilia ya 4K: Tengeneza moja kwa moja kwa mwonekano wa 4K bila mchakato wa kuongeza mwonekano, hivyo kuepuka kupoteza ubora wakati wa uchakataji wa pili.

Tovuti rasmi ya mradi: https://bfl.ai/models/flux-3-image-klein
Hifadhidata ya modeli kwenye Hugging Face: https://huggingface.co/collections/black-forest-labs/flux-3-image-klein

Utengenezaji wa picha kuu za bidhaa za biashara ya mtandaoni ya kuvuka mipaka: Pakia picha 10 za marejeo, tumia visanduku vya kuratibu kubainisha nafasi za bidhaa, hoja kuu za kuuza na lebo ya bei, kisha tengeneza kwa wakati mmoja picha kuu za bidhaa za 4K katika lugha nyingi.
Uhariri wa picha za bidhaa kwa misimu ya mauzo: Weka maagizo kama «geuza barabara hii iwe mandhari ya theluji» kwenye picha iliyopo ya bidhaa; mandhari yote hubadilika kuwa ya msimu wa baridi huku pikseli za bidhaa zenyewe zikihifadhiwa moja baada ya nyingine, na hivyo kutoa toleo la msimu wa baridi bila gharama ya kuhariri kwa mikono.
Mpangilio wa haraka wa mabango na Banner: Tumia visanduku vya kuratibu vya gridi ya 0–1000 kuweka kwa usahihi nafasi za kichwa, Logo na picha kuu, kisha tengeneza bango la tukio lenye maandishi yaliyopangiliwa vizuri moja kwa moja.
Usanifu wa jalada la kitabu au jarida: Tumia visanduku vya kuratibu kuweka uhusiano wa nafasi kati ya jina la kitabu na mchoro; matokeo asilia ya 4K yanatosheleza moja kwa moja mwonekano wa uchapishaji, bila marekebisho ya pili kwenye programu ya mpangilio.
Ubinafsishaji wa LoRA ya chapa: Tumia picha za bidhaa zako kufundisha LoRA; baada ya hapo, kila picha inayotengenezwa itafunga kiotomatiki rangi za chapa, fonti na mwonekano wa bidhaa, na kuwezesha utengenezaji wa nyenzo za mitandao ya kijamii zenye mtindo unaofanana.