模型能力與技術架構

FLUX 3 Image Klein 是 FLUX 3 系列的第二款開放權重發布，延續了該系列在圖像、影片和音訊上的共同學習成果。它支援原生 4K 生成、像素級精確編輯，以及透過邊界框（bounding boxes）控制元素位置或限定編輯區域的功能。

該模型基於 FLUX 3 的共享架構，利用圖像提供空間細節、影片提供動態與物理特性、音訊提供事件與互動資訊，旨在生成更具現實感基礎的影像。發布內容包含一個用於微調（fine-tuning）的基礎模型，以及一個用於低延遲生成的步驟蒸餾（step distilled）模型。

開發團隊與 NVIDIA 合作推出了 FP8、INT8 和 NVFP4 版本的權重，以適應不同的硬體環境。這些版本旨在讓模型能在消費級 GPU 上運行，並降低本地部署與適配的成本。

效能評估與參數比較

根據 Black Forest Labs 的內部評估，FLUX 3 Image Klein 在文字生成圖片、多參考圖生成和圖片編輯任務中排名第一，領先於其他開放權重模型。它也被評為優於閉源模型 Ideogram V4.5 和 FLUX.2 [pro]。

與前一代 FLUX.2 [klein] 9B 相比，FLUX 3 Image Klein 在參數減少 38% 的情況下，文字生成圖片的 Elo 分數提升了 91 分，圖片編輯提升了 70 分。在比較範圍內，它是參數量最小的開放模型（5.6B），對比對象包括 Qwen-Image 2.1 (7B) 和 Krea 2 (12.9B)。

透過 BFL API 服務時，該模型展現出比 Qwen-Image 2.1、FLUX.2 [pro]、Ideogram V4.5 和 Krea 2 更低的延遲，並在相同或更高的延遲水平下獲得最高評分。測試數據顯示其擴展了速度與品質的帕累托前沿（Pareto frontier）。

硬體需求與生成速度

生成器權重在 BF16 格式下需要 11.2 GB 記憶體，在 FP8 格式下則為 5.6 GB。使用 INT8 版本時，模型可在僅有 8GB VRAM 的 NVIDIA GeForce RTX GPU 上運行，透過 ComfyUI 或 Diffusers 進行推論。

在使用步驟蒸餾模型和 INT8 版本的情況下，於 NVIDIA GeForce RTX 5090 上生成一張 1MP 影像約需 4 秒，而在 RTX 4070 上則少於 9 秒。這些數據由 NVIDIA 測量，RTX 結果基於 ComfyUI，並顯示各配置下最快的框架表現。

基礎模型（Base model）需要 50 個步驟進行生成，而蒸餾模型僅需 16 個步驟。在 NVIDIA GB300 硬體上，使用 NVFP4 格式的蒸餾模型可在 0.6 秒內生成一張 1MP 影像。若服務一個 LoRA 適配器，生成時間會增加約 5%。

授權條款與商業應用

FLUX 3 Image Klein 的權重採用 FLUX Kommunity License 發布。該授權允許個人以及年營收低於 500 萬美元的企業進行免費商用，同時支援研究和非商業用途。

對於年營收超過 500 萬美元的大型組織，若要進行商業部署，需透過 Black Forest Labs 提供的自託管授權選項或 API 服務。API 定價起點為每 1K 圖片 0.009 美元，並提供提示詞上採樣（prompt upsampling）和像素修復功能以保留未編輯區域。

該模型已整合至 BFL API、Hugging Face、ComfyUI、TensorRT-LLM、SGLang Diffusion 和 vLLM-Omni 等生態系中。開發者可使用 Ostris's AI Toolkit 進行 LoRA 訓練，或使用 NVIDIA NeMo AutoModel 提供的配方直接從發布的檢查點開始工作。

社群回饋與潛在限制

社群討論指出，部分使用者認為該模型在生成人物影像方面表現不佳，推測原因可能是訓練集中移除了接近 NSFW（非工作場所安全）的內容。另有使用者反映其在處理精細文字細節時能力有限，並有關於「身體恐怖」（body horror）輸出的報告，但這些問題尚未得到官方證實或系統性解決。

有使用者比較指出，透過 OpenRouter API 使用該模型速度很快，但其品質明顯低於 FLUX 3 的標準版模型。此外，也有評論提到新發布的 Moss Image 在當前看起來效果更佳，引發了對選擇 FLUX 系列的質疑。

儘管存在上述批評，仍有使用者肯定其圖片編輯能力相當穩健，並對能在不到 10GB 的記憶體中儲存世界外觀知識感到驚嘆。這些回饋顯示模型在不同使用情境下的表現可能存在差異，使用者需根據具體需求評估適用性。