FLUX 3 Image Klein Prompt Upsampler: النموذج بحجم 18.8 غيغابايت الذي أطلقته BFL دون تسميته

Black Forest Labs shipped two models on 15 October 2026 and announced one of them. The announced model is FLUX 3 Image Klein, the 5.6B open-weights image generator that drew the launch post, the pricing table, the ComfyUI workflow and a round of trade coverage. The other is the FLUX 3 Image Klein Prompt Upsampler — an 18.8 GB fine-tune of Qwen3.5-9B that rewrites your short request into the long caption the image model expects — and it is the single most permissive artifact in the release. Its repository is public, requires no account, and carries the Apache License 2.0, where each of its three sibling repositories carries the FLUX Kommunity License and an access gate. B​FL's launch post never names it. Neither does the model page, the release notes, or the API documentation for FLUX 3 Image Klein, which does not contain the word "upsampler" once in 35,000 characters.

That gap is checkable in about five minutes, and it is worth checking, because the upsampler decides more about what your images look like than most of the settings you will spend the weekend adjusting. It also raises a question the announcement does not answer: whether B​FL intends it as a standalone model you can build on, or as a load-bearing dependency of its own inference code that happened to get published with an Apache header. This piece separates what the repository proves from what only B​FL can confirm. Every number below comes from the model card, the Hugging Face API, the reference inference code or B​FL's own documentation, and none of it has been independently benchmarked by a third party.

ما الذي تم شحنه فعليًا، وأي جزء لم يُسمَّ

ابدأ بالتواريخ، لأنها دقيقة. أُنشئ مستودع upsampler على Hugging Face في الساعة 20:40 بتوقيت UTC يوم 14 أكتوبر 2026، وآخر كتابة فيه كانت في الساعة 15:32 بتوقيت UTC يوم 15 أكتوبر — وهي النافذة نفسها على مستوى الدقائق التي شهدتها مستودعات FLUX 3 Image Klein التي يخدمها. تاريخ منشور الإطلاق هو 15 أكتوبر. لذا فهذا ليس تسريبًا، ولا معاينة، ولا نقطة تحقق يحتفظ بها أحد: بل هو إصدار من الطرف الأول نُشر إلى جانب النموذج الذي ينتمي إليه.

What it did not get is a name in the announcement. Read B​FL's own enumeration of the release and the pattern is consistent:

• The launch post describes FLUX 3 Image Klein's weights, its FP8, INT8 and NVFP4 builds built with N​VIDIA, its day-one ComfyUI and Diffusers support, and its licence. It mentions "prompt upsampling" once, as a feature of the hosted API endpoint, without naming a model or linking a repository.

• صفحة النموذج على bfl.ai/models/flux-3-image-klein تُدرِج الإصدارين غير المقطّر والمقطّر، وتصف الوصول إلى API بأنه يتضمن "تحسين المطالبات". كما لا يوجد مستودع.

• ملاحظات إصدار 15 أكتوبرتسرد الأوزان: Klein (المقطّر)، Klein Base، وأوزان ComfyUI. أداة رفع الدقة ليست من بينها.

• توثيق API لـ FLUX 3 Image Klein يبلغ 35,148 حرفًا. البحث غير الحساس لحالة الأحرف عن "upsampl" يعيد صفر نتائج.

• كود الاستدلال المرجعي على GitHub هو حيث يظهر أخيرًا — قسم في README بعنوان "Prompt upsampling"، وعلم --no-pup في واجهة سطر الأوامر، وميزانية --pup-memory، ووحدة flux3/pup.py. وهذا هو الجواب الصادق عن سؤال "هل هو مخفي؟": لا. فهو موثّق، ومدمج، ويعمل افتراضيًا، وإذا استنسخت المستودع فستصادفه فورًا.

الفرق مهم ويسهل طمسه. هذا ليس إصدارًا خفيًا؛ بل إصدار عومل فيه المكوّن الأكثر تسامحًا في ترخيصه كما لو كان مجرد بنية تحتية. لاحظ المجتمع ذلك أسرع مما لاحظته الصحافة — فبحلول 15 أكتوبر كانت هناك بالفعل تكميمات GGUF من أطراف ثالثة لمُكبِّر العيّنات على Hugging Face، وكانت مؤسسة مرآة قد نسخت المستودعات الأربعة كلها.

ما هو مُرفع معدل العينات فعليًا

بطاقة النموذج صريحة بشأن النسب: إنه ضبط دقيق كامل لـ Qwen3.5-9B مع تجميد برج الرؤية. ويؤكد ملف الإعدادات البنية — 32 طبقة، وحالة مخفية بعرض 4,096، و16 رأس انتباه مقابل 4 رؤوس مفتاح-قيمة، وسقف موضعي يبلغ 262,144 رمزًا، ومفردات بحجم 248,320. ومكدّس الطبقات ليس موحّدًا: ثلاث من كل أربع طبقات تستخدم انتباهًا خطيًا، مع طبقة انتباه كامل كل رابعة. وبرج الرؤية بعمق 27 طبقة وعرض 1,152، وحجم رقعة 16، ودمج مكاني 2. هذا نموذج لغوي-بصري هجين الانتباه من الجيل الحالي، وليس قالب توجيه أُضيف إليه نموذج لغوي فحسب.

على القرص، هو ملف safetensors واحد بحجم 18.82 GB بصيغة bfloat16، بالإضافة إلى tokenizer وقالب دردشة وملف واحد أكثر إثارة للاهتمام من الباقي: system_prompts.json، بحجم 12.6 KB ويحتوي على أربعة مطالبات نظام كاملة باسم t2i وi2i وt2i_bbox وi2i_bbox. هذه المطالبات الأربع هي الواجهة الفعلية للنموذج. وهي أيضًا قابلة للقراءة، ما يعني أن سلوك مُرفِّع الدقة ليس صندوقًا أسود — يمكنك أن تقرأ بالضبط ما تم توجيهه لفعله، ثم تتحقق مما إذا كان قد فعله.

جاء التدريب على مرحلتين، وفقًا للبطاقة: ضبط دقيق خاضع للإشراف على أزواج من الطلبات القصيرة ومطالباتها الموسّعة، ثم ضبط التفضيلات على أزواج من مخرجات النموذج نفسه، تُعرض عبر FLUX 3 Image Klein ببذرة ثابتة وتُرتّب على الصورة الناتجة. تلك المرحلة الثانية هي الجديرة بالملاحظة. لم يتم ضبط المُوسّع لكتابة مطالبات تُقرأ جيدًا؛ بل تم ضبطه على أي من مطالباته الخاصة أنتجت الصورة الأفضل عندما شغّلها نموذج الصور. هذه منهجية مُبلّغ عنها من قبل المورّد، وليست استئصالًا منشورًا، ولا يوجد تقييم مستقل لها.

الأوضاع الأربعة، وكيف يختار خط الأنابيب أحدها

ليس المُكبِّر دائمًا أداة من نص إلى صورة. يعتمد موجّه النظام الذي يحمّله على ما تُسلِّمه إياه، والقاعدة موجودة في bbox.py:

• لا توجد صور مرجعية، ولا مربعات — موجّه t2i. يوسّع الطلب إلى وصف تفصيلي واحد.

• صور مرجعية، بلا مربعات — مُوجِّه i2i. ينظر إلى الصور المرجعية ويكتب تعليمة تحرير تحدِّد كل مُشار إليه من خلال ما يبدو عليه فعليًا. يُفسَّر الطلب الغامض على أنه التعديل الأكثر معقولية للصور المزوَّدة.

• الصناديق المُقدَّمة، نص إلى صورة — موجّه t2i_bbox. يتحوّل الناتج إلى تعليق يتبعه جدول عناصر بصيغة JSON، بصفٍّ واحد لكل كائن على لوحة من 0 إلى 1000، ويستشهد التعليق بكل صف عبر معرّف بين قوسين زاويّين.

• مربعات بالإضافة إلى مراجع — الأمر i2i_bbox، الذي يُعيد سجلًّا توضيحيًّا يتضمّن حقل from يُميّز المحتوى المأخوذ من ref_image_N عن المحتوى المعلَّم بـ target، إضافةً إلى مربّع في المصدر ومربّع في المخرجات المتخيَّلة.

تفوز مربعاتك في أي تعارض. يحوّل الكود إحداثياتك من 0 إلى 1 إلى شبكة من 0 إلى 1000، ويمرّرها إلى النموذج كقائمة مقفلة مرجعية، ثم يوفّق الإجابة: أي صف أعاد النموذج تخطيطه تحت معرّفه الخاص ويتقاطع مع مربع مقفل بنسبة تقاطع على الاتحاد (IoU) تبلغ 0.9 أو أعلى يأخذ المعرّف المقفل، وتُكتب الصفوف المقفلة مرة أخرى حرفيًا مع اعتماد وصف النموذج. تخطيطك ليس اقتراحًا يجوز للنموذج تحسينه.

فك الترميز ثابت ويستحق النسخ إذا استدعيته بنفسك: الطريقة الجشعة، وtop-p 0.95، وtop-k 20، وسقف 3,584 رمزًا جديدًا، وعقوبة تواجد 1.5 للتحويل من النص إلى صورة مقابل 0.0 للتعديلات. هذا التفاوت متعمد — فالعقوبة موجودة لمنع مولّد الأوصاف من تكرار نفسه، كما أن تعليمة التحرير التي تذكر العنصر نفسه مرتين بشكل مشروع لا ينبغي أن تُعاقب على ذلك.

ما الذي تتطلبه المطالبات — ولماذا تبدو مطالباتك على هذا النحو

يُعدّ موجّه النظام t2i المستند الأكثر فائدة في الإصدار لأي شخص وجد سلوك FLUX 3 Image Klein غريبًا. توضّح بعض تعليماته أسلوب مخرجات النموذج مباشرةً:

• الطول. "الطول النموذجي هو من 100 إلى 350 كلمة، وأكثر من ذلك للمشاهد المعقدة." إنّ مُكبِّر العيّنات لا يضغط طلبك النصي أو يلخّصه. بل يوسّعه بنحو مرتبة عشرية كاملة، وقد دُرّب نموذج الصور على تعليقات توضيحية ضمن هذا النطاق.

• كل شخص في بؤرة التركيز يحصل على ملف تعريف.الإثنية، والجنس، والفئة العمرية، ولون البشرة، والشعر والملابس — كسمات قابلة للملاحظة. يقدّم النص التوجيهي مثالين: "بشرة فاتحة" و"بشرة بنية".

• تحصل الخلفية على نحو سُدس التسمية التوضيحية. صريح. كما يقتضي الموجّه أن تُوصَف المحتويات خارج نطاق التركيز والبعيدة كأشكال وألوان وظلال بدلًا من هويات أو نص قابل للقراءة.

• النمط الافتراضي هو التصوير الفوتوغرافي. من دون نمط محدَّد، يخطط النموذج لصورة فوتوغرافية فعلية ويفتتح باصطلاح للوسيط — «صورة فوتوغرافية خارجية كاملة الألوان»، «صورة فوتوغرافية في الاستوديو» — مع تخصيص «واقعية فوتوغرافية» للتصييرات. ويُحوَّل طلب شيء «واقعي» إلى اصطلاح الصورة الفوتوغرافية بدلًا من إعادته.

• المحظورات. لا ظروف تحوّط. لا أحكام على الجودة أو العاطفة. لا جملة ختامية عن المزاج. تُعاد صياغة النفي كإفادات عمّا هو موجود. الصوت التوليدي إلزامي: "تُظهر هذه الصورة" و"يمكننا أن نرى" ممنوعان منعًا باتًا.

• مضادّ لصور المخزون. يطلب الموجّه "بضعة تفاصيل عادية غير مثالية مستمدّة من أشياء المشهد نفسه بدلًا من النموذج المثالي لصور المخزون". وهذا تعليم يهدف إلى جعل الصور أقل نمطية، مكتوب في موجّه النظام.

• معالجة النصوص. يجب نقل النص المعروض حرفيًا داخل علامات اقتباس مزدوجة بلغته وخطه الأصليين، مع الحفاظ على فواصل الأسطر، وتحديد الطباعة واللون والموضع. وحيثما يحتاج الطلب إلى نص لم يقدّمه، يصوغ النموذج صياغة ملموسة وصحيحة في المجال.

اقرأ تلك القائمة في مقابل توليد مخيب للآمال، وستجد عادةً أي قاعدة لم تُمنح ما يكفي للعمل به. صورة شخصية مسطحة بخلفية فارغة هي طلب لا مشهد فيه ولا إضاءة ولا تفاصيل عادية. موجّه نصي قام النموذج مع ذلك بتوسيعه، فملأ الفجوة بخطة عامة من اختياره الخاص.

ما يكلفك من الذاكرة والوقت

The upsampler is on by default in B​FL's own pipeline, and the practical reason to care is that "on by default" means a second model resident while the first one generates. From the reference code and documentation:

• القرص — 18.82 غيغابايت لأوزان bfloat16، مقابل 11.1 غيغابايت لملفات safetensors الخاصة بنموذج الصورة المُقطَّر نفسه، وحوالي 11 غيغابايت للنموذج الأساسي.

• VRAM — the reference implementation gives the upsampler a share of the GPU, defaulting to 0.35 in the Python API and 0.85 in the standalone module's command line. B​FL's memory table, measured on a B200, runs 31 GB in bf16 for the image model with --no-pup; the upsampler's reserved share sits on top of that.

• The 8 GB story gets more complicated. B​FL's headline is that the INT8 build of FLUX 3 Image Klein runs on an RTX GPU with as little as 8 GB of VRAM, and that is the image model. In the ComfyUI repository the prompt upsampler ships as a separate 9.75 GB INT8 text encoder file. Nobody has published a configuration in which both an 8 GB card and the upsampler are resident at once.

• مفتاح الإيقاف هو راية واحدة. --no-pup يرسل موجّهك كما كُتب. يحتوي العرض التجريبي على مفتاح التبديل نفسه، وتحسين الموجّه في واجهة API المستضافة جزء من نقطة النهاية بدلًا من بند منفصل في بطاقة الأسعار المنشورة: $0.008 عند 768 مربعًا، و$0.009 عند 1K، و$0.011 عند 1.5K، و$0.014 عند 2K، و$0.036 عند 4K، مع تسعير التوليد والتحرير بالمثل.

• يتم تصغير المراجع قبل أن يراها المُكبِّر.يُحدّ المرجع الواحد بحد أقصى نحو ميغابكسل واحد؛ ويحصل المرجعان على 724×724 لكل منهما؛ أما ثلاثة مراجع أو أكثر فتحصل على 512×512 لكل منها، مع إعادة ترميزها إلى JPEG بجودة 92. تُدرج بطاقة النموذج هذا كقيد بعبارات صريحة — فقد تُوصف التفاصيل الصغيرة في أحد المراجع بشكل خاطئ — وهو الآلية الكامنة وراء فشل معيّن يمكنك إعادة إنتاجه: اطلب تعديلًا يعتمد على تفصيل مطبوع صغير، وقد تعود التعليمات واصفة الشيء الخطأ، لأن المُكبِّر لم يرَه بالدقة الكاملة. أما نموذج الصورة فيحصل على نسختك الأصلية.

الرخصة هي الجزء الذي يستحق الجدل

هذا هو اللاتماثل، بوضوح تام. تحمل أوزان FLUX 3 Image Klein رخصة FLUX Kommunity License، التي تسمح بالاستخدام التجاري المجاني فقط للأفراد والشركات التي تقل إيراداتها السنوية عن 5 ملايين دولار، بينما تُوجَّه المؤسسات الأكبر إلى الترخيص المستضاف ذاتيًا أو إلى API. أطلق استفسارًا بشأن ترخيص تجاري على منتج، فلن يكون النموذج الذي تشحنه هو العنصر الوحيد المشمول بالنطاق.

كانت أربعة مستودعات جزءًا من هذا الإصدار. ثلاثة منها — النموذج المُقطَّر، والنموذج الأساسي، وأوزان ComfyUI — تُدرجها واجهة Hugging Face API على أنها gated: auto، وهو ما يعني أنه يجب عليك قبول الشروط قبل أن تتمكن من تنزيل الملفات. وواحد منها غير مقيّد على الإطلاق، ويحمل رخصة Apache License 2.0: وهو prompt upsampler. وهو أيضًا الوحيد من بين الأربعة الذي تنص بطاقة نموذجه مباشرةً على رخصة متسامحة، كما يوضّح ملف README الخاص بالمستودع المرجعي نفسه الحد الفاصل صراحةً — الكود بموجب Apache 2.0، وأوزان Klein تخضع لـ FLUX Kommunity، و"prompt upsampler بموجب Apache 2.0."

What that buys you depends on the unresolved question. If the upsampler is genuinely a standalone artifact, it is a 9B-class vision-language model you can fine-tune, redistribute and ship in a commercial product without a revenue threshold, and it is currently the cheapest way to acquire that capability from a frontier image lab under terms that do not require a lawyer. If it is intended only as a dependency of B​FL's reference code, then repurposing it carries a risk that no document currently resolves.

ما هو المؤكد، وما هو غير المؤكد؟

مؤكَّد من المستودع وواجهة برمجة تطبيقات Hugging Face، وكل ذلك قابل لإعادة التحقق: جرد الملفات وأحجامها بالبايت، ورخصة Apache 2.0، وغياب بوابة الوصول، وقاعدة Qwen3.5-9B، والمطالبات النظامية الأربع ونصها الكامل، ومعاملات فك الترميز، وميزانية المعالجة المسبقة المرجعية، وسلوك تسوية الصناديق، ووصف التدريب على مرحلتين، والقيود المنشورة.

Not confirmed, and stated as open rather than guessed: whether B​FL considers the upsampler a supported product or an internal dependency; whether the Apache 2.0 header was a deliberate licensing decision or an inherited default from Qwen3.5-9B; how much the upsampler actually improves output, since no third party has run a controlled comparison and B​FL has published no ablation; whether the preference-tuning stage generalises beyond the prompts in its training set; and whether the 9.75 GB INT8 ComfyUI file is the same model at lower precision or a differently prepared one, since that repository's model card is gated and could not be read.

مفتوح أيضًا: الأرقام على المستودع نفسه صغيرة. ثلاثة عشر تنزيلًا وعشرة إعجابات على أداة الرفع (upsampler)، مقابل 3,241 تنزيلًا و128 إعجابًا على نموذج الصورة المُقطَّر، بعد أربع وعشرين ساعة من الإصدار. هذا ليس دليلًا على أن النموذج غير مهم — بل دليل على أن أحدًا تقريبًا لم يكن يعلم بوجوده.

أين يتلاءم OrcaRouter، وأين لا يتلاءم

النسخة الصادقة أولاً: لا تستضيف OrcaRouter أي نموذج من Black Forest Labs. تم فحص الكتالوج بدلاً من افتراضه، ولا يوجد فيه أي إدخال FLUX. لا شيء أدناه يشير إلى خلاف ذلك.

What does sit in the catalogue is the comparison set. If you are going to spend a weekend testing whether prompt expansion helps your images, the interesting experiment is running the same request through FLUX 3 Image Klein with the upsampler on and off, and then against a hosted image model that does its own prompt handling — G​oogle's image models, O​penAI's, G​rok's — to see whether the gap you are measuring is the upsampler or the generator. Those hosted models are reachable from a single key on OrcaRouter, at the provider's list price with no markup added, so the cost of the experiment is the provider's own rate and nothing on top of it. That is a cheaper way to answer the question than downloading 18.82 GB four times.

مع ذلك، يجدر التحلي بالدقة بشأن حدود تلك النصيحة. إذا كنت ترغب فعلاً في ضبط مُكبِّر العينات ضبطًا دقيقًا بموجب ترخيص Apache 2.0، فأنت بحاجة إلى الأوزان على عتادك الخاص، وإلى بيئة تشغيل قادرة على تقديم نموذج لغوي بصري بحجم 9B. لا يقوم OrcaRouter بذلك الجزء، ومسألة الترخيص الواردة أعلاه متروكة لك لحسمها.

ما الذي سيجعل هذا قصة أكبر؟

Four things, in rough order of how much they would change. First, a named mention from B​FL — a model card, a docs page, a line in the release notes — which would settle the framing here and probably force an update to this piece. Second, a controlled evaluation, ours or anyone's, of images generated with and without the upsampler at a fixed seed; that number is currently missing and it is the one everyone actually wants. Third, a statement on whether the Apache 2.0 licence is deliberate, since that is what makes the artifact interesting rather than merely unlisted. Fourth, the same treatment applied to the rest of the FLUX 3 family: if the upsampler pattern holds, other tiers will ship with permissive helper models attached and unannounced.

حتى ذلك الحين، القراءة العملية ضيقة وغير مبهرة. ولأن نموذج الصور الذي جرى تنزيله مقيّد بالوصول وترخيصه يحمل عتبة إيرادات، فإن معظم من يريدون البناء على FLUX 3 Image Klein سيبدأون من الـAPI، حيث لا يكون مُكبّر الدقة قرارًا تتخذه أنت — بل هو شيء تقوم به نقطة النهاية، ومُسعّر ضمن بطاقة أسعار تبدأ من 0.008 دولار للصورة. أما من ينبغي أن يهمهم المستودع فهم من يستضيفون بأنفسهم، وبالنسبة لهم فإن الحقيقة المفيدة هذا الأسبوع هي ببساطة أن الجزء الأكثر تسامحًا في الترخيص من الإصدار هو أيضًا الجزء الذي لم يخبرهم به أحد.

بالنسبة لنموذج لا تزال أنماط فشله غير موثقة، فإن النظير المفيد هو سجل ما حدث بالفعل من أخطاء في مكان آخر: إن حوادث الذكاء الاصطناعي الموثقة وإخفاقات الوكلاء حول النماذج من هذه الفئة مجمّعة في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة نزاعه.