FLUX 3 Image Klein ist da: 5,6 Mrd. Parameter, 8 GB VRAM und eine 5-Millionen-Dollar-Klausel in der Lizenz

Black Forest Labs veröffentlichte FLUX 3 Image Klein am 15. Oktober 2026: ein Bildmodell mit 5,6 Mrd. Parametern und offenen Gewichten, das zusätzlich als nutzungsabhängig abgerechneter Endpunkt namens flux-3-image-klein/ über die eigene API des Unternehmens läuft, ab $0.009 pro 1K-Bild. Es steht unter dem größeren FLUX 3 Image und erbt die herausragenden Merkmale dieses Modells – native 4K-Ausgabe, bis zu zehn Referenzbilder und Bounding Boxes zum Platzieren oder Bearbeiten von Elementen – bei etwa einem Fünftel des 1K-Preises und einem Bruchteil des Ressourcenbedarfs. Das sind die Behauptungen zum Marktstart, und sie lassen sich anhand der Gewichte, der Lizenz und der Preistabelle überprüfen. Was sich noch nicht überprüfen lässt, ist die eine Behauptung, die die meisten Kaufentscheidungen bestimmt: dass ein 5,6B-Modell größere Open-Weights-Wettbewerber bei der Qualität übertrifft.

Jede Qualitätsangabe in der Veröffentlichung stammt aus Black Forest Labs selbst. Niemand außerhalb des Unternehmens hat einen Benchmark veröffentlicht, und die öffentlichen Bestenlisten führen noch keinen Eintrag für Klein. Das ist normal für ein Modell, das einen Tag alt ist, und es lohnt sich, das vorab zu nennen, denn der Rest dieses Artikels ist ungewöhnlich konkret — Dateigrößen, Preise pro Bild, Lizenzschwellen — und die Qualitätsfrage steht abseits von alldem.

Was wurde tatsächlich am 15. Oktober veröffentlicht

Die Ankündigung trägt den Titel FLUX 3 Image Klein: offene Gewichte, 5,6 Mrd. Parameter und sie zählt eine vollständige Veröffentlichung statt eines einzelnen Checkpoint-Drops auf:

• 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.

• Ein Modell für drei Aufgaben. Text-zu-Bild, Bearbeitung mit einer einzelnen Referenz und Komposition mit mehreren Referenzen laufen über dieselben Gewichte. Referenzbilder verankern den Inhalt, statt die Struktur festzuschreiben, und das Modell akzeptiert bis zu zehn davon.

• 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.

Die Repositories gingen noch vor der Ankündigung online – das Basis- und das Distilled-Repo wurden am 13. Oktober angelegt, die ComfyUI- und Prompt-Upsampler-Repos am 14. Oktober –, während der Launch-Beitrag, der API-Endpunkt und die Preisseite erst am 15. folgten.img src="2.png" alt="Headless-Browser-Aufnahme der Hugging-Face-Repository-Seite für black-forest-labs/flux-3-image-klein, die das Gate zur Annahme der Lizenz, das Badge flux-kommunity-license, die Modellgröße von 6B Parametern mit BF16-Tensor-Typ, 3.241 Downloads im letzten Monat, 219 Likes und den Modellbaum mit der Auflistung von Adaptern und Fine-Tunes zeigt; aufgenommen in englischer Sprache am 16. Oktober 2026." />

Die 8-GB-Behauptung, und wer es gemessen hat

"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.

Wo die Qualitätsbehauptung steht, ehrlich gesagt

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.

Was es kostet und wie sich die Kurve biegt

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 $ pro Bild

• 1K — $0,009 pro Bild

• 1,5K — 0,011 $ pro Bild

• 2K — 0,014 $ pro Bild

• 4K — $0,036 pro Bild

Dieselbe Tabelle bepreist FLUX 3 Image mit 0,041 $, 0,048 $, 0,07 $, 0,10 $ und 0,607 $ für diese fünf Stufen. Das ist ein 5,3-facher Unterschied bei 1K und ungefähr ein 17-facher bei 4K, und es ist das gesamte kommerzielle Argument für Klein: Wenn es bei Ihrer Arbeitslast um 4K-Text-zu-Bild in großem Umfang geht, ist das kleinere Modell kein Downgrade, das Sie tolerieren, sondern ein Kostenposten, der sich um eine Größenordnung ändert.

Achte eher auf die Form der Kurve als auf den Einstiegspreis. Kleins günstigste Stufe kostet 0,008 $, aber der Preis bleibt bis 2K ziemlich konstant und springt dann bei 4K um das 2,6-Fache, während FLUX 3 Image um mehr als das 6-Fache springt. Wenn deine Outputs 1K sind, liegen die beiden Modelle preislich nah genug beieinander, dass die Qualität den Ausschlag geben sollte. Wenn sie 4K sind, sind sie nicht in derselben Liga.

Die Lizenz entscheidet, ob Sie tatsächlich ausliefern können.

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.

Lies die Formulierung sorgfältig, denn zwei Zusammenfassungen davon unterscheiden sich im Umfang. Der Launch-Beitrag beschreibt „kostenlose kommerzielle Nutzung für Einzelpersonen und Unternehmen mit einem Jahresumsatz unter 5 Mio. USD“. Die Modellkarte fasst dieselbe Ausnahme so, dass sie die kommerzielle Erzeugung von Outputs durch qualifizierte Nutzer abdeckt, und fügt hinzu, dass sie „keine pauschale Erlaubnis für kommerzielles Fine-Tuning oder Vertrieb“ ist. Für ein Team, dessen Plan es ist, Klein auf proprietären Daten zu fine-tunen und das daraus entstehende Modell in einem Produkt auszuliefern, ist der Launch-Beitrag nicht das Dokument, das die Frage beantwortet. Der vollständige Lizenztext ist es.

Es gibt außerdem eine Klausel, die man kennen sollte, bevor man eine Datenpipeline um Klein herum entwirft: Die Lizenz schränkt die Nutzung des Modells, seiner Ableitungen oder seiner Ausgaben ein, um ein anderes KI-Modell zu verbessern, das eine ähnliche Funktion wie ein FLUX-Modell erfüllt. Die Generierung synthetischer Daten zum Trainieren eines konkurrierenden Bildmodells ist genau der Fall, für den diese Klausel geschrieben wurde.

Das Eine, das Sie nicht auslassen dürfen

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.

Dazu kommen wir, und was als Nächstes passiert

Die Gewichte sind auf Hugging Face hinter einem Lizenzakzeptanz-Gate, mit Referenz-Inferenzcode und einer Gradio-Demo zur Bounding-Box-Steuerung in derselben Organisation. Der gehostete Endpunkt ist die API des Anbieters. Klein ist heute nicht im Katalog von OrcaRouter, also gibt es für uns hier nichts zu routen, und wir sagen das lieber klar, als etwas anderes anzudeuten. Was OrcaRouter Ihnen gibt, ist die andere Hälfte einer echten Bildpipeline: die gehosteten Bildmodelle, die sich im Katalog befinden, stehen hinter einem einzigen Schlüssel zusammen mit 200+ anderen Modellen, wobei der Listenpreis des Anbieters mit 0 % Aufschlag weitergegeben wird und bei Problemen eines Anbieters automatisch ein Failover erfolgt. Teams, die am Ende Klein für Massen-4K-Arbeit einsetzen und ein gehostetes Modell für den interaktiven Pfad aufrufen, machen genau die Aufteilung, für die ein einziger Endpunkt gebaut ist.

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.

Benchmarks veralten und Preise bewegen sich; die Fehlerhistorie nicht: Die dokumentierten KI-Vorfälle und Agentenfehler hinter Modellen dieser Klasse sind gesammelt im OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Konfidenzgrad und eine Kennzeichnung als umstritten enthält.