Black Forest Labs (BFL) publicó el 15 de octubre los pesos de FLUX 3 Image Klein. Se trata de un modelo de texto a imagen de 5.600 millones de parámetros (sin contar el codificador de texto). El mismo modelo sirve para generar imágenes a partir de texto, editar imágenes y generar con varias referencias, admitiendo hasta 10 imágenes de referencia. La salida nativa en 4K, la edición precisa y el control del diseño mediante cuadros delimitadores (bounding boxes) coinciden con las capacidades de la versión completa, FLUX 3 Image. Es el segundo modelo de la familia FLUX 3 con pesos abiertos, después de FLUX 3 Action.
Ya informamos de que FLUX 3 Image abría su acceso por API, pero aquella era la versión completa y cerrada. Este Klein es la versión de menor tamaño que se puede descargar y ejecutar en local.
Memoria de vídeo y velocidad
BFL lanzó dos variantes: una base, pensada para el ajuste fino (fine-tuning), y otra destilada en pasos para baja latencia, además de tres versiones cuantizadas: FP8, INT8 y NVFP4. Los pesos del generador ocupan 11,2 GB en BF16 y 5,6 GB en FP8; la versión INT8 funciona con una tarjeta GeForce RTX de al menos 8 GB de VRAM.
Las velocidades locales que ofrece la compañía se miden a 1 megapíxel: con la variante destilada en INT8 dentro de ComfyUI, una RTX 5090 tarda unos 4 segundos por imagen y una RTX 4070 menos de 9. La variante destilada genera 1024×1024 en 16 pasos, desde 0,55 segundos en una GB300 hasta 8,9 segundos en una RTX 4070; la versión base usa 50 pasos, con 1,7 segundos en la GB300 y 43,8 segundos en el DGX Spark. Cargar LoRA añade alrededor de un 5 % de tiempo. Con la API propia de BFL, la latencia mediana de extremo a extremo es de 4,54 segundos en texto a imagen y de 7,18 segundos en edición de imágenes.
Comparación con otros modelos abiertos
Los modelos abiertos con los que BFL se compara son todos de mayor tamaño que Klein: Qwen-Image 2.1 ronda los 7.000 millones de parámetros, Krea 2 tiene 12.900 millones y FLUX.2 [klein], la generación anterior de la propia empresa, 9.000 millones. Frente a FLUX.2 [klein] 9B, el nuevo modelo tiene un 38 % menos de parámetros, 91 puntos más de Elo en texto a imagen y 70 puntos más de Elo en edición de imágenes.
La conclusión de BFL es que "FLUX 3 Image Klein ranks first in text-to-image, multi-reference generation and image editing" (queda primero en texto a imagen, generación con varias referencias y edición de imágenes), y que en la misma evaluación supera también a los modelos cerrados Ideogram V4.5 y FLUX.2 [pro]. Todas estas clasificaciones proceden de la evaluación interna de BFL; todavía no hay datos de pruebas ciegas de terceros.
Dentro de la línea de modelos abiertos de texto a imagen, la serie Qwen-Image de Alibaba es el rival más directo de Klein, y ambos hacen hincapié en la edición y las referencias múltiples. BFL apuesta por el tamaño: algo menos de parámetros y un escalón menos de exigencia en VRAM. En palabras de la empresa: "Fewer parameters make it practical to run locally and cheaper to adapt" (menos parámetros hacen práctico ejecutarlo en local y más barato adaptarlo). Para los creadores que ya trabajan con flujos en ComfyUI y solo tienen una tarjeta de gama media, que den el salto dependerá de cómo se comporte con prompts en chino y con la representación de tipografías chinas, algo que BFL no ha mencionado en esta ocasión.
Licencia y seguridad
Los pesos se distribuyen con la FLUX Kommunity License: las personas y empresas con ingresos anuales inferiores a 5 millones de dólares pueden usarlos comercialmente sin coste, y el uso en investigación y no comercial también es gratuito; las organizaciones mayores deben adquirir una licencia de autoalojamiento o pasar a la API. Los desarrolladores independientes y los estudios pequeños quedan, en lo básico, dentro del tramo gratuito; quien supere el umbral de ingresos tendrá que negociar la licencia por separado.
En cuanto a seguridad, antes del lanzamiento BFL encargó una evaluación a la entidad externa Cinder, que según la compañía halló claramente menos vulnerabilidades que en otros modelos de pesos abiertos habituales; el método y los datos de la evaluación no se han hecho públicos. El modelo base se entrenó en NVIDIA GB200 NVL72.
Fuentes: blog oficial de Black Forest Labs, CocoLoop; se contrastaron el número de parámetros, el uso de VRAM, los tiempos de generación en cada hardware y el umbral de ingresos de la licencia.