صدر FLUX 3 Image Klein: 5.6 مليار معامل، و8 جيجابايت من VRAM، وبند بقيمة 5 ملايين دولار في الترخيص

نشرت Black Forest Labs FLUX 3 Image Klein في 15 أكتوبر 2026: نموذج صور مفتوح الأوزان بمعاملات 5.6B يعمل أيضًا كنقطة نهاية مدفوعة حسب الاستخدام تُسمى flux-3-image-klein/ على واجهة API الخاصة بالشركة نفسها، بدءًا من $0.009 لكل 1000 صورة. وهو يقع تحت النموذج الأكبر FLUX 3 Image ويرث المزايا الرئيسية لذلك النموذج — إخراج 4K أصلي، وحتى عشر صور مرجعية، ومربعات إحاطة لوضع العناصر أو تحريرها — بنحو خُمس سعر 1K وجزء يسير من البصمة. تلك هي ادعاءات الإطلاق، ويمكن التحقق منها مقابل الأوزان والترخيص وجدول التسعير. وما لا يمكن التحقق منه بعد هو الادعاء الواحد الذي يحسم معظم عمليات الشراء: أن نموذجًا بمعاملات 5.6B يتفوق على منافسين أكبر مفتوحي الأوزان في الجودة.

كل رقم جودة في الإصدار يأتي من داخل Black Forest Labs. لم ينشر أي شخص خارج الشركة معيارًا مرجعيًا، ولا تضم لوحات الصدارة العامة أي مدخل لـ Klein حتى الآن. وهذا أمر طبيعي لنموذج عمره يوم واحد، ويستحق الذكر صراحةً منذ البداية، لأن بقية هذا المقال ملموسة بشكل غير معتاد — أحجام الملفات، ومعدلات لكل صورة، وحدود الترخيص — ومسألة الجودة تقف منفصلة عن كل ذلك.

ما الذي صدر فعليًا في 15 أكتوبر؟

الإعلان بعنوان FLUX 3 Image Klein: أوزان مفتوحة، 5.6 مليار معامل وهو يسرد إصدارًا كاملاً بدلاً من طرح نقطة تحقق واحدة:

• Two checkpoints. Klein Base is undistilled bfloat16, runs 50 steps at guidance 3.5, and is the one meant for fine-tuning, LoRA training and research. Klein distilled is bfloat16 at 16 steps with no guidance, and is the checkpoint behind the B​FL API.

• Three quantisation formats. FP8 and NVFP4 builds ship alongside the BF16 transformer in the main repository, with an INT8 build developed with N​VIDIA support. The ComfyUI repackaging carries INT8 versions of both the transformer and the text encoder.

• نموذج واحد لثلاث مهام. توليد الصور من النص، والتحرير بمرجع واحد، والتركيب متعدد المراجع تعمل جميعها عبر الأوزان نفسها. تُثبّت الصور المرجعية المحتوى بدلًا من تثبيت البنية، ويقبل النموذج ما يصل إلى عشرة منها.

• Bounding boxes on a 0–1000 grid. Each element gets a box and a description, written as [top, left, bottom, right]/, and the box can either place a new element or confine an edit to a region. B​FL is explicit in the model card that boxes guide placement and scale rather than constraining pixels to a hard mask — small requested elements may not appear at all, and an element can extend past its box.

• Day-one runtime support in ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion and vLLM-Omni, plus LoRA training through Ostris's AI Toolkit and recipes in N​VIDIA NeMo AutoModel. The model was trained on N​VIDIA GB200 NVL72.

نُشرت المستودعات قبل الإعلان — أُنشئ المستودعان الأساسي والمقطّر في 13 أكتوبر، ومستودعا ComfyUI وprompt-upsampler في 14 أكتوبر — ثم تبع ذلك منشور الإطلاق ونقطة نهاية API وصفحة الأسعار في 15 أكتوبر. img src="2.png" alt="لقطة من متصفح بلا واجهة لصفحة مستودع Hugging Face الخاص بـ black-forest-labs/flux-3-image-klein، تُظهر بوابة قبول الترخيص، وشارة flux-kommunity-license، وحجم النموذج المذكور بـ 6B من المعاملات بنوع موتر BF16، و3,241 عملية تنزيل الشهر الماضي، و219 إعجابًا، وشجرة النموذج التي تسرد المهايئات والنماذج المضبوطة بدقة، ملتقطة بالإنجليزية في 16 أكتوبر 2026." />

ادعاء 8 GB، ومن قام بقياسه

"Runs on a single consumer GPU" is the sentence that will get quoted most, and B​FL does give it a number: with the INT8 build, Klein runs on GeForce RTX GPUs with as little as 8 GB of VRAM through ComfyUI or Diffusers. The generator weights themselves are 11.2 GB in BF16 and 5.6 GB in FP8, per the blog post.

The speed figures come from N​VIDIA, not from Black Forest Labs, and they are specific about the setup: the step-distilled model with the INT8 build produces a 1 MP image in about 4 seconds on an RTX 5090 and under 9 seconds on an RTX 4070, measured in ComfyUI. On a GB300 running NVFP4, the same distilled model lands under 0.6 seconds. Serving a LoRA adds roughly 5% to generation time.

One structural caveat sits in the latency chart B​FL published alongside the numbers, and the post discloses it itself: Klein was timed on B​FL's own servers, while the compared models — Q​wen-Image 2.1, FLUX.2 [pro], I​deogram V4.5 and K​rea 2 — were timed from the client, which includes polling and network time. The RTX figures are N​VIDIA's ComfyUI measurements. Neither set is an independent benchmark of quality.

أين يقف ادعاء الجودة، بصدق

B​FL's position is that Klein "ranks first in text-to-image, multi-reference generation and image editing, ahead of larger open weights models" in its internal evaluations, and that it rates above the closed models in its comparison. Against its own previous small model, FLUX.2 [klein] 9B, B​FL reports a gain of 91 Elo in text-to-image and 70 in image editing with 38% fewer parameters.

Those are vendor-reported and unreproduced. Two details make them easier to weigh. First, the comparison set: 7B for Q​wen-Image 2.1 and 12.9B for K​rea 2, with parameter counts taken as each publisher reports them and text encoders excluded from every count — the same accounting that makes Klein "5.6B" while shipping an 8.9 GB Qwen3-VL-4B-Instruct text encoder next to it. Second, the model B​FL did not put in the chart: FLUX 3 Image, the larger sibling, is absent from its own smaller model's comparison. There is no published number anywhere saying how far Klein sits below it.

Independent boards have not caught up. As of 16 October, Artificial Analysis carries an entry for FLUX 3 Image on its text-to-image board and none for Klein, so there is no third-party Elo for the model at all. The first number that does not come from B​FL will be the interesting one.

ما تكلفته، وكيف ينحني المنحنى

The API rate is the sharpest thing in the release. On B​FL's published image pricing, the distilled Klein checkpoint is:

• 768 × 768 — $0.008 لكل صورة

• 1K — 0.009 دولار لكل صورة

• 1.5K — $0.011 لكل صورة

• 2K — 0.014 دولار لكل صورة

• 4K — 0.036 دولار لكل صورة

يسعّر الجدول نفسه FLUX 3 Image عند 0.041 دولار، و0.048 دولار، و0.07 دولار، و0.10 دولار، و0.607 دولار لتلك الفئات الخمس. وهذا فرق قدره 5.3× عند 1K ونحو 17× عند 4K، وهو الحجة التجارية الكاملة لصالح Klein: إذا كان عبء عملك هو تحويل النص إلى صورة بدقة 4K وبحجم كبير، فإن النموذج الأصغر ليس تخفيضًا تتحمله، بل بند تكلفة يتغير بمقدار مرتبة عشرية.

لاحِظ شكل المنحنى بدلًا من سعر الدخول. أرخص فئة لدى Klein هي 0.008 دولار، لكن السعر شبه ثابت حتى 2K ثم يقفز 2.6× عند 4K، بينما يقفز FLUX 3 Image أكثر من 6×. إذا كانت مخرجاتك 1K، فالنموذجان متقاربان في السعر بدرجة كافية بحيث ينبغي أن تحسم الجودة الأمر. أما إذا كانت 4K، فهما ليسا في نفس المقارنة.

الترخيص هو ما يحدد ما إذا كان يمكنك الإطلاق فعليًا.

Weights under the FLUX Kommunity License v1.0 are free for non-commercial use, and the licence grants a commercial-output exception to "Qualifying Users" — individuals and companies with under US$5M in gross annualized revenue. Above that line, deploying Klein commercially means a self-hosted licence from B​FL or going through the API.

اقرأ الصياغة بعناية، لأن ملخصين لها يختلفان في النطاق. يصف منشور الإطلاق "استخدامًا تجاريًا مجانيًا للأفراد والشركات التي يقلّ إيرادها السنوي عن $5M". وتؤطّر بطاقة النموذج الاستثناء نفسه باعتباره يغطي توليد المخرجات التجارية من قِبل المستخدمين المؤهلين، وتضيف أنه "ليس إذنًا شاملًا للضبط الدقيق التجاري أو التوزيع". وبالنسبة لفريق خطته أن يضبط Klein ضبطًا دقيقًا على بيانات مملوكة، ويشحن النموذج الناتج داخل منتج، فإن منشور الإطلاق ليس المستند الذي يجيب عن السؤال. النص الكامل للترخيص هو.

هناك أيضًا بند يجدر معرفته قبل أن تصمم خط أنابيب بيانات حول Klein: يقيّد الترخيص استخدام النموذج أو مشتقاته أو مخرجاته لتحسين نموذج ذكاء اصطناعي آخر يؤدي وظيفة مشابهة لنموذج FLUX. إن توليد البيانات الاصطناعية لتدريب نموذج صور منافس هو بالضبط الحالة التي كُتب هذا البند من أجلها.

الشيء الوحيد الذي يجب ألا تتخطاه

Klein does not take short prompts. Both the model card and B​FL's page say the same thing in different words: it expects full scene captions covering framing, subject, background and lighting, and a one-line request sent as typed returns generic output. The reference implementation therefore runs a prompt upsampler before every generation — text-to-image and editing alike — and the model card is blunt about it: Do not use the model without a prompt upsampler.

The cost of that is real. B​FL's upsampler, flux-3-image-klein-pup/, is a separate 18.8 GB download in BF16 and adds about 28 GB of GPU memory on an 80 GB card when it runs alongside the generator. The documented opt-out is to supply your own: any LLM can take its place if you feed it B​FL's system prompt and pass the caption it returns. For anyone planning an on-device or low-VRAM deployment, the upsampler is the piece that quietly breaks the 8 GB budget, and the fix is to run captioning somewhere else and send Klein the finished caption with the prompt-as-typed flag.

الشروع فيه، وما يحدث بعد ذلك

الأوزان موجودة على Hugging Face خلف بوابة قبول الترخيص، مع شفرة استدلال مرجعية وعرض Gradio للتحكم في المربعات المحيطة في المؤسسة نفسها. نقطة النهاية المستضافة هي واجهة API الخاصة بالمورّد. Klein ليس ضمن كتالوج OrcaRouter اليوم، لذا لا يوجد شيء لنوجّهه هنا، ونفضّل قول ذلك بوضوح بدلًا من الإيحاء بخلاف ذلك. ما يمنحك إياه OrcaRouter فعلًا هو النصف الآخر من مسار صور حقيقي: نماذج الصور المستضافة التي توجد في الكتالوج وتُتاح عبر مفتاح واحد إلى جانب أكثر من 200 نموذج آخر، مع سعر القائمة الخاص بالمزوّد يُمرَّر كما هو بهامش ربح 0% وتحويل تلقائي عند تعثّر أحد المزوّدين. الفرق التي ينتهي بها الأمر إلى تشغيل Klein للمهام الكبيرة بدقة 4K واستدعاء نموذج مستضاف للمسار التفاعلي تقوم بالضبط بالتقسيم الذي صُمّمت من أجله نقطة نهاية واحدة.

What to watch over the next fortnight is narrower than usual. Three things would settle the open questions: an independent Elo for Klein, ideally on the same board as the Q​wen and K​rea models B​FL benchmarked itself against; a reported memory figure for the INT8 build with the upsampler actually in the loop, rather than the generator alone; and a first look at what fine-tunes do to the model's behaviour, given that LoRA training was supported on day one and the licence has opinions about what those fine-tunes may be used for. Until the first of those lands, treat every quality comparison — including the one in this article — as a vendor's own chart.

تشيخ المعايير وتتحرك الأسعار؛ أما سجل الإخفاقات فلا: تُجمع حوادث الذكاء الاصطناعي الموثّقة وإخفاقات الوكلاء الكامنة خلف النماذج في هذه الفئة في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.