FLUX.3 Image Klein объединяет генерацию изображения по тексту, редактирование с референсами и управление компоновкой. По данным репозитория Black Forest Labs, в режиме редактирования модель может использовать до десяти референсных изображений.
Рамки вместо приблизительных указаний
Для компоновки объектов используются ограничивающие рамки в нормализованных координатах. Можно описать новый объект и место для него в кадре, а при редактировании — указать, из какой области референсного изображения взять элемент и куда его перенести.
От короткого запроса к описанию сцены
В поставку входит prompt upsampler — отдельная 9B vision-language модель, дообученная от Qwen3.5-9B. Она преобразует короткий запрос в развёрнутое описание композиции, света, материалов и расположения объектов. Разработчик включает этот компонент по умолчанию и указывает, что без него качество заметно снижается.
Две версии и поддержка Diffusers
Дистиллированная версия рассчитана на 16 шагов, базовая — на 50. В условиях Black Forest Labs на H200 для изображения в 1 Мп приведены ориентиры около 3 и 12 секунд соответственно. Это не универсальный бенчмарк: результат зависит от оборудования и настроек.
Пайплайн доступен в Diffusers в модульном виде. Разработчик может загружать компоненты отдельно и вынести расширение промпта в самостоятельный этап, что даёт больше контроля над ресурсами и процессом генерации.
- Поддерживаются текстовая генерация, редактирование по референсам и layout control.
- Для меньших объёмов памяти доступны варианты FP8 и NVFP4; NVFP4 требует GPU Blackwell.
- В документации Diffusers полный набор весов в BF16 оценивается примерно в 39 ГБ, без prompt upsampler — примерно в 20 ГБ.
