Black Forest Labs (BFL) ngày 15/10 đã phát hành trọng số của FLUX 3 Image Klein. Đây là mô hình tạo ảnh từ văn bản với 5,6 tỷ tham số (không tính bộ mã hóa văn bản). Cùng một mô hình có thể tạo ảnh từ văn bản, chỉnh sửa ảnh và tạo ảnh từ nhiều ảnh tham chiếu, với tối đa 10 ảnh tham chiếu đầu vào. Các khả năng như xuất ảnh 4K gốc, chỉnh sửa chính xác và điều khiển bố cục bằng khung giới hạn (bounding box) đều giống bản FLUX 3 Image đầy đủ. Đây là mô hình thứ hai trong họ FLUX 3 mở trọng số, sau FLUX 3 Action.
Trước đó, chúng tôi từng đưa tin FLUX 3 Image mở quyền gọi API; đó là bản đầy đủ mã nguồn đóng. Klein lần này là phiên bản kích thước nhỏ có thể tải về chạy cục bộ.
Dung lượng VRAM và tốc độ
BFL phát hành hai biến thể: bản cơ sở dùng để tinh chỉnh (fine-tune) và bản chưng cất số bước (step-distilled) hướng tới độ trễ thấp, kèm ba phiên bản lượng tử hóa là FP8, INT8 và NVFP4. Trọng số bộ sinh ảnh nặng 11,2GB ở định dạng BF16 và 5,6GB ở FP8; riêng bản INT8 chỉ cần card đồ họa GeForce RTX có tối thiểu 8GB VRAM là chạy được.
Tốc độ chạy cục bộ do hãng công bố được tính ở mức 1 megapixel: với bản chưng cất kết hợp INT8 trong ComfyUI, RTX 5090 mất khoảng 4 giây một ảnh, còn RTX 4070 dưới 9 giây. Bản chưng cất tạo ảnh 1024×1024 trong 16 bước, từ 0,55 giây trên GB300 đến 8,9 giây trên RTX 4070; bản cơ sở chạy 50 bước, mất 1,7 giây trên GB300 và 43,8 giây trên DGX Spark. Việc nạp LoRA tốn thêm khoảng 5% thời gian. Khi dùng API riêng của BFL, độ trễ trung vị đầu cuối là 4,54 giây với tạo ảnh từ văn bản và 7,18 giây với chỉnh sửa ảnh.
So với một số mô hình mã nguồn mở khác
Các mô hình mã nguồn mở mà BFL dùng để đối chiếu đều lớn hơn Klein: Qwen-Image 2.1 khoảng 7 tỷ tham số, Krea 2 có 12,9 tỷ, còn FLUX.2 [klein] thế hệ trước của chính hãng là 9 tỷ. So với FLUX.2 [klein] 9B, mô hình mới có ít tham số hơn 38%, điểm Elo tạo ảnh từ văn bản cao hơn 91 điểm và điểm Elo chỉnh sửa ảnh cao hơn 70 điểm.
Kết luận của BFL là "FLUX 3 Image Klein ranks first in text-to-image, multi-reference generation and image editing" (xếp hạng nhất ở tạo ảnh từ văn bản, tạo ảnh đa tham chiếu và chỉnh sửa ảnh), và trong cùng bộ đánh giá còn vượt cả Ideogram V4.5 và FLUX.2 [pro] mã nguồn đóng. Tất cả thứ hạng này đều đến từ đánh giá nội bộ của BFL; số liệu thử nghiệm mù của bên thứ ba vẫn chưa có.
Đặt vào dòng mô hình tạo ảnh mã nguồn mở, series Qwen-Image của Alibaba là đối thủ trực tiếp nhất của Klein, cả hai đều lấy chỉnh sửa ảnh và đa ảnh tham chiếu làm điểm nhấn. BFL đặt cược vào kích thước: ít tham số hơn một bậc, ngưỡng VRAM thấp hơn một bậc, và nguyên văn lời hãng là "Fewer parameters make it practical to run locally and cheaper to adapt" (ít tham số hơn giúp việc chạy cục bộ khả thi hơn và chi phí tùy biến cũng rẻ hơn). Với những nhà sáng tạo đã chạy quy trình làm việc trên ComfyUI và chỉ có một card đồ họa tầm trung, việc có chuyển sang hay không còn tùy vào chất lượng của mô hình với prompt tiếng Trung và khả năng hiển thị phông chữ tiếng Trung, điều mà BFL lần này không đề cập riêng.
Giấy phép và an toàn
Trọng số được phát hành theo FLUX Kommunity License: cá nhân và công ty có doanh thu hằng năm dưới 5 triệu USD được dùng thương mại miễn phí, mục đích nghiên cứu và phi thương mại cũng miễn phí; các tổ chức lớn hơn cần mua giấy phép tự lưu trữ hoặc chuyển sang dùng API. Nhà phát triển độc lập và studio nhỏ về cơ bản nằm trong ngưỡng miễn phí, còn khi doanh thu vượt ngưỡng thì phải thương lượng giấy phép riêng.
Về an toàn, trước khi phát hành BFL đã nhờ tổ chức bên ngoài là Cinder đánh giá; hãng cho biết mô hình có ít lỗ hổng rõ rệt hơn so với các mô hình mở trọng số phổ biến khác, nhưng phương pháp và dữ liệu đánh giá không được công khai. Mô hình cơ sở được huấn luyện trên NVIDIA GB200 NVL72.
Nguồn tham khảo: blog chính thức của Black Forest Labs, CocoLoop; đã đối chiếu số lượng tham số, mức VRAM chiếm dụng, thời gian tạo ảnh trên từng phần cứng và ngưỡng doanh thu của giấy phép.