FLUX 3 Klein 開源,8GB 顯示卡能跑

Black Forest Labs(BFL)在 10 月 15 日釋出 FLUX 3 Image Klein 的權重。這是一個 56 億參數(不含文字編碼器)的文字生成圖像模型,同一個模型就能處理文字生成圖像、圖像編輯與多參考圖生成,最多可輸入 10 張參考圖;原生 4K 輸出、精確編輯與邊界框版面控制等能力,與完整版 FLUX 3 Image 相同。它是 FLUX 3 家族繼 FLUX 3 Action 之後,第二個開放權重的模型。

本站先前曾報導 FLUX 3 Image 開放 API 呼叫,那是閉源的完整版;這次的 Klein 則是可以下載到本機的小尺寸版本。

顯示記憶體與速度

BFL 發布了兩個變體:供微調使用的基礎版,以及主打低延遲出圖的步數蒸餾版,另有 FP8、INT8、NVFP4 三種量化版本。生成器權重在 BF16 下為 11.2GB,FP8 下為 5.6GB,INT8 版本最低只要 8GB 顯示記憶體的 GeForce RTX 顯示卡就能執行。

官方公布的本機速度以 100 萬像素計算:蒸餾版搭配 INT8,在 ComfyUI 裡 RTX 5090 約 4 秒一張,RTX 4070 不到 9 秒。蒸餾版以 16 步生成 1024×1024 圖像,從 GB300 的 0.55 秒到 RTX 4070 的 8.9 秒不等;基礎版跑 50 步,GB300 上需 1.7 秒,DGX Spark 上則要 43.8 秒。載入 LoRA 大約多花 5% 的時間。若使用 BFL 自家 API,文字生成圖像的端到端延遲中位數為 4.54 秒,圖像編輯為 7.18 秒。

與幾款開源模型比較

BFL 拿來對照的開源模型,尺寸都比 Klein 大:Qwen-Image 2.1 約 70 億參數,Krea 2 為 129 億,自家上一代 FLUX.2 [klein] 則是 90 億。與 FLUX.2 [klein] 9B 相比,新模型參數少 38%,文字生成圖像的 Elo 高 91 分,圖像編輯的 Elo 高 70 分。

BFL 的結論是「FLUX 3 Image Klein ranks first in text-to-image, multi-reference generation and image editing」(在文字生成圖像、多參考圖生成與圖像編輯上排名第一),在同一套評測中也高過閉源的 Ideogram V4.5 與 FLUX.2 [pro]。這些排名都出自 BFL 內部評測,第三方盲測的資料尚未公布。

放在開源文字生成圖像這條路線上來看,阿里巴巴的 Qwen-Image 系列是 Klein 最直接的對手,兩邊都主打編輯與多圖參考。BFL 押注的是尺寸:參數少一截,顯示記憶體門檻低一檔,官方的說法是「Fewer parameters make it practical to run locally and cheaper to adapt」(參數更少,本機執行更務實,調適成本也更低)。對於已經用 ComfyUI 跑工作流程、手上只有一張中階顯示卡的創作者來說,能否換過來,取決於它在中文提示詞與中文字體渲染上的表現,BFL 這次並未特別提及。

授權與安全

權重採用 FLUX Kommunity License:年營收低於 500 萬美元的個人與公司可免費商用,研究與非商業用途同樣免費;規模更大的組織需要購買自行代管授權,或改走 API。獨立開發者與小型工作室基本上落在免費範圍內,營收超過門檻後則須另行洽談授權。

安全方面,BFL 在發布前委請外部機構 Cinder 進行評估,官方稱其漏洞明顯少於其他常見的開放權重模型,但評估方法與資料並未公開。基礎模型是在 NVIDIA GB200 NVL72 上訓練的。

參考來源:Black Forest Labs 官方部落格、CocoLoop;已核對參數量、顯示記憶體占用、各硬體出圖耗時與授權營收門檻。