Black Forest Labsは、多目的な画像生成タスク向けに設計された56億パラメータのオープンウェイトモデル、FLUX 3 Image Kleinをリリースしました。多くの大規模モデルとは異なり、KleinはコンシューマーグレードのGPU向けに特別に最適化されており、ローカルへの展開やプライベートなインフラでの利用が容易になっています。このモデルは、ネイティブな4K生成、ピクセル単位の正確な画像編集、および最大10枚の参照画像を使用して出力をガイドするマルチリファレンス生成をサポートしています。また、要素の配置を正確に制御したり、フレームの特定のエリアに編集を限定したりするためのバウンディングボックスの使用など、フルサイズのFLUX 3 Imageモデルと核となる機能を共有しています。
Black Forest Labsは、多目的な画像生成タスク向けに設計された56億パラメータのオープンウェイトモデル、FLUX 3 Image Kleinをリリースしました。
このモデルのアーキテクチャは、画像、ビデオ、オーディオにわたる共有の学習を活用することで、空間的に根拠のある結果を生成します。Black Forest Labsによると、これらのマルチモーダルな信号は、モデルが物理的なダイナミクスや相互作用をより効果的に理解するのに役立ちます。内部評価において、FLUX 3 Image Kleinは、テキストから画像への生成やマルチリファレンス生成などのカテゴリーで、より大きなオープンウェイトモデルや、Ideogram V4.5、FLUX.2 [pro]を含むいくつかのクローズドモデルを上回りました。特筆すべきは、前身であるFLUX.2 [klein]と比較して、パラメータ数が38%少ないにもかかわらず、テキストから画像への生成で91 Eloポイント、画像編集で70 Eloポイントという大幅な性能向上を達成したことです。
このモデルは、テキストから画像への生成やマルチリファレンス生成などのカテゴリーにおいて、より大きなオープンウェイトモデルや、Ideogram V4.5、FLUX.2 [pro]を含むいくつかのクローズドモデルを上回りました。
特筆すべきは、前身であるFLUX.2 [klein]と比較して、パラメータ数が38%少ないにもかかわらず、テキストから画像への生成で91 Eloポイント、画像編集で70 Eloポイントという大幅な性能向上を達成したことです。
速度と品質のバランスをとるため、今回のリリースにはファインチューニング用のベースモデルと、低レイテンシのプロダクション向けのステップ蒸留（step-distilled）モデルの両方が含まれています。16ステップを使用する蒸留バージョンは、NVIDIA GeForce RTX 4070上で1MPの画像を9秒未満で生成できます。高性能な環境では、モデルはNVIDIAのアクセラレーテッド・コンピューティング・プラットフォームに最適化されており、NVFP4量子化を使用することで、NVIDIA GB300上で1MPの画像を0.6秒未満で生成することが可能です。ウェイトはFLUX Kommunityライセンスの下で利用可能であり、これは年間売上高500万ドル未満の個人および企業に対して無料の商用利用を許可するものですが、モデルを効果的に機能させるには特定のプロンプトアップサンプラーが必要です。短い入力プロンプトのみでは、アップサンプラーによって提供される拡張されたシーンキャプションがない場合、汎用的な出力になってしまう可能性があるためです。
16ステップを使用する蒸留バージョンは、NVIDIA GeForce RTX 4070上で1MPの画像を9秒未満で生成できます。