Phiên bản ảnh của FLUX 3 do Black Forest Labs phát triển đã mở cho người dùng công khai từ ngày 1 tháng 10. Tạo ảnh và chỉnh sửa dùng chung một giao diện API, Playground chính thức có thể dùng thử trực tiếp, OpenRouter đưa mô hình lên nền tảng ngay trong ngày, và Krea cũng công bố tích hợp. Trọng số thương mại hiện đã có thể lấy qua BFL; phía công ty chỉ nói phiên bản trọng số mở sẽ ra mắt "trong vài tuần tới".
Thời điểm này cách lần FLUX 3 ra mắt đầu tiên hơn hai tháng. Ngày 23 tháng 7, khi công bố FLUX 3, BFL định vị đây là một mô hình đa phương thức thống nhất, học chung ảnh, video và âm thanh trong cùng một kiến trúc, đồng thời có thể dự đoán chuyển động của robot; thời điểm đó chỉ công bố khả năng video, còn phiên bản ảnh chỉ được hẹn ra mắt "trong vài tuần".
Mô hình làm được gì
Theo tài liệu API của BFL, phiên bản ảnh có bốn mức đầu ra: 768 vuông, 1K, 2K, 4K, mặc định là 1K. Mức 4K khoảng 16 megapixel, ảnh minh họa chính thức có kích thước 5456 × 3072. Tỷ lệ khung hình có thể chọn từ 21:9 đến 9:21, tổng cộng 15 lựa chọn, cộng thêm chế độ tự động.
Một số tính năng chính:
- Tối đa 10 ảnh tham chiếu, truyền vào bằng URL hoặc base64;
- Chỉnh sửa theo lệnh, tạo ảnh từ văn bản và sửa ảnh dùng chung một giao diện;
- Bố cục được vẽ bằng tọa độ số nguyên từ 0 đến 1000 tạo khung, mỗi phần tử được định vị theo thứ tự trên, trái, dưới, phải, sau đó gọi tên để tham chiếu.
Tài liệu cũng nêu một số hạn chế. Ảnh tham chiếu quá 4 megapixel sẽ bị thu nhỏ về 4 megapixel trước khi xử lý; tạo ảnh 4K có thể mất vài phút; khi chỉnh sửa, các pixel ngoài khung "thường" được giữ nguyên — cách diễn đạt này không cam kết chắc chắn về độ chính xác tới từng pixel. BFL chưa công bố số lượng tham số, dung lượng trọng số hay yêu cầu về GPU.
Giá được tính như thế nào
Trên công cụ tính giá của trang giá BFL, ví dụ mặc định ghi giá 0,048 đô la, bị gạch ngang kèm giá khuyến mãi 0,024 đô la bên cạnh. Bảng giá đầy đủ do bên thứ ba tổng hợp cho thấy mức 1K là 0,048 đô la, mức 2K là 0,1 đô la, mức 4K là 0,607 đô la; ảnh tham chiếu và prompt đều đã tính trong giá mỗi ảnh, và trong thời gian khuyến mãi ra mắt từ 1 đến 8 tháng 10, tất cả các mức đều giảm 50%. Giá khởi điểm trên OpenRouter là 0,0205 đô la mỗi ảnh, khớp với mức giảm giá này.
Tính nhanh: với ảnh sản phẩm thương mại điện tử chỉ cần mức 1K, tạo 1.000 ảnh trong thời gian khuyến mãi tốn khoảng 24 đô la. Nếu đổi sang vật liệu in ấn mức 4K, cùng 1.000 ảnh đó tốn hơn 300 đô la, còn theo giá gốc thì vượt 600 đô la.
Đặt cạnh các lựa chọn trong nước
Ngay trong ngày ra mắt, phiên bản ảnh của FLUX 3 vẫn chưa xuất hiện trên các bảng xếp hạng công khai về tạo ảnh từ văn bản hay chỉnh sửa ảnh, và BFL cũng chưa công bố điểm đánh giá của riêng mình. Trên bảng xếp hạng tạo ảnh từ văn bản của Artificial Analysis, thế hệ trước FLUX.2 có điểm Elo là 1021, trong khi mô hình đóng dẫn đầu GPT Image 2.5 đạt 1197.
Đối chứng gần nhất với các nhà phát triển trong nước là Qwen-Image-2.1, do Alibaba mở nguồn vào cuối tháng 9. Mô hình này chỉ có 7 tỷ tham số, cũng hỗ trợ chỉnh sửa với tối đa 10 ảnh, và đứng đầu bảng xếp hạng tạo ảnh từ văn bản trọng số mở của Artificial Analysis với 1034 điểm, đồng thời cũng đứng đầu bảng xếp hạng chỉnh sửa trong nhóm trọng số mở. Tuy nhiên, giấy phép của Qwen-Image-2.1 cho mục đích thương mại có các điều khoản riêng cần ký kết thêm.
Sự lựa chọn giữa hai mô hình khá rõ ràng: FLUX 3 hiện chỉ có thể dùng qua các giao diện nước ngoài như BFL hay OpenRouter, trả tiền theo đô la cho mỗi ảnh; Qwen-Image-2.1 có thể tự triển khai, tiết kiệm phí sử dụng, đổi lại là chi phí GPU và các thủ tục cấp phép thương mại. Việc BFL có thực sự phát hành trọng số mở của FLUX 3 hay không, và giấy phép sẽ được viết ra sao, sẽ trực tiếp quyết định mô hình này có vào được danh sách ứng viên tự triển khai trong nước hay không.
Nguồn tham khảo: tài liệu API và trang giá của Black Forest Labs, trang mô hình của OpenRouter, CocoLoop, bảng xếp hạng Artificial Analysis, Decrypt; đã dùng bảng giá do bên thứ ba tổng hợp để đối chiếu giá theo độ phân giải và mức khuyến mãi.