Black Forest Labs (BFL) a publié le 15 octobre les poids de FLUX 3 Image Klein. Il s'agit d'un modèle de génération d'images à partir de texte de 5,6 milliards de paramètres (encodeur de texte non compris). Un même modèle gère la génération depuis le texte, l'édition d'images et la génération multi-références, avec jusqu'à 10 images de référence en entrée. La sortie native en 4K, l'édition précise et le contrôle de la mise en page par zones englobantes (bounding boxes) sont identiques à ceux de la version complète, FLUX 3 Image. C'est le deuxième modèle de la famille FLUX 3 à poids ouverts, après FLUX 3 Action.
Nous avions déjà évoqué l'ouverture de FLUX 3 Image aux appels d'API ; c'était la version complète, propriétaire. Ce Klein est la version de petite taille, que l'on peut télécharger et exécuter en local.
Mémoire vidéo et vitesse
BFL propose deux variantes : une version de base destinée au fine-tuning et une version distillée en nombre d'étapes pour une faible latence, ainsi que trois versions quantifiées : FP8, INT8 et NVFP4. Les poids du générateur occupent 11,2 Go en BF16 et 5,6 Go en FP8 ; la version INT8 fonctionne dès qu'on dispose d'une carte GeForce RTX avec au moins 8 Go de VRAM.
Les vitesses locales annoncées par l'éditeur sont calculées pour 1 mégapixel : avec la variante distillée en INT8 dans ComfyUI, une RTX 5090 met environ 4 secondes par image et une RTX 4070 moins de 9 secondes. La variante distillée produit du 1024×1024 en 16 étapes, de 0,55 seconde sur un GB300 à 8,9 secondes sur une RTX 4070 ; la version de base demande 50 étapes, soit 1,7 seconde sur le GB300 et 43,8 secondes sur le DGX Spark. Le chargement d'un LoRA ajoute environ 5 % de temps. Via l'API propre à BFL, la latence médiane de bout en bout est de 4,54 secondes pour le texte-vers-image et de 7,18 secondes pour l'édition d'images.
Comparaison avec d'autres modèles ouverts
Les modèles ouverts auxquels BFL se compare sont tous plus gros que Klein : Qwen-Image 2.1 compte environ 7 milliards de paramètres, Krea 2 en a 12,9 milliards, et FLUX.2 [klein], la génération précédente de la société, 9 milliards. Face à FLUX.2 [klein] 9B, le nouveau modèle a 38 % de paramètres en moins, un Elo supérieur de 91 points en texte-vers-image et de 70 points en édition d'images.
La conclusion de BFL : "FLUX 3 Image Klein ranks first in text-to-image, multi-reference generation and image editing" (il se classe premier en texte-vers-image, en génération multi-références et en édition d'images) ; dans la même évaluation, il devance aussi les modèles propriétaires Ideogram V4.5 et FLUX.2 [pro]. Tous ces classements viennent de l'évaluation interne de BFL ; les résultats de tests à l'aveugle indépendants ne sont pas encore disponibles.
Dans la catégorie des modèles ouverts de texte-vers-image, la série Qwen-Image d'Alibaba est le rival le plus direct de Klein, les deux misant sur l'édition et les références multiples. BFL parie sur la taille : un cran de paramètres en moins, un cran de VRAM requise en moins. Selon la formule de l'entreprise, "Fewer parameters make it practical to run locally and cheaper to adapt" (moins de paramètres rendent l'exécution locale réaliste et l'adaptation moins coûteuse). Pour les créateurs qui font déjà tourner leurs workflows sous ComfyUI avec une simple carte milieu de gamme, la bascule dépendra des performances avec des prompts en chinois et du rendu des polices chinoises, ce que BFL n'a pas abordé cette fois.
Licence et sécurité
Les poids sont distribués sous la FLUX Kommunity License : les particuliers et les entreprises dont le chiffre d'affaires annuel est inférieur à 5 millions de dollars peuvent les utiliser gratuitement à des fins commerciales, et la recherche comme l'usage non commercial sont également gratuits ; les organisations plus grandes doivent acheter une licence d'auto-hébergement ou passer par l'API. Les développeurs indépendants et les petits studios se retrouvent pour l'essentiel dans la tranche gratuite ; au-delà du seuil de chiffre d'affaires, la licence se négocie séparément.
Côté sécurité, BFL a fait évaluer le modèle avant sa sortie par un organisme externe, Cinder, qui, selon l'entreprise, y a relevé nettement moins de vulnérabilités que dans d'autres modèles à poids ouverts courants ; la méthode et les données de l'évaluation ne sont pas publiques. Le modèle de base a été entraîné sur des NVIDIA GB200 NVL72.
Sources : blog officiel de Black Forest Labs, CocoLoop ; ont été vérifiés le nombre de paramètres, l'occupation de VRAM, les temps de génération sur chaque matériel et le seuil de chiffre d'affaires de la licence.