FLUX 3 Image Klein ocupa el puesto n.º 1 entre los pesos abiertos — en la clasificación que diseñó su creador

Ese número ya está en todas partes. FLUX 3 Image Klein quedó primero entre los modelos de pesos abiertos en texto a imagen, primero en generación con múltiples referencias y primero en edición de imágenes, y superó al antiguo FLUX.2 [klein] 9B por 91 puntos Elo en texto a imagen y por 70 puntos Elo en edición, aunque tiene un 38 % menos de parámetros. Esas son las cifras que aparecen en la publicación de lanzamiento de Black Forest Labs, en los resúmenes y en la tarjeta para redes sociales. La frase que suele omitirse es la que aparece junto a ellas en la fuente: son evaluaciones internas.

Eso no es un escándalo. Es cómo se lanza casi todo modelo de imágenes, y es la única comparación que un laboratorio puede hacer antes de que nadie más tenga los pesos. Pero cambia lo que un lector debería hacer con la clasificación. FLUX 3 Image Klein está realmente publicado: 5,6 mil millones de parámetros, pesos abiertos, publicado el 15 de octubre de 2026 bajo la FLUX Kommunity License, invocable a $0.009 por cada 1000 imágenes en la propia API de BFL. Lo que todavía no existe es una puntuación de alguien que no sea Black Forest Labs. El modelo es real; la posición en la clasificación es una afirmación.

Lo que el comunicado realmente estableció

Separa los artefactos del marketing, porque tienen un peso distinto. Los artefactos se pueden comprobar hoy, por cualquiera, sin una GPU:

Pesos — un generador de imágenes de 5,6 mil millones de parámetros, con un checkpoint base para ajuste fino y un checkpoint destilado de 16 pasos para reducir la latencia

• Compilaciones de precisión: BF16 con 11,2 GB, FP8 con 5,6 GB, además de compilaciones INT8 y NVFP4 creadas con NVIDIA

• Licencia — Licencia FLUX Kommunity: uso comercial gratuito para personas y empresas con ingresos anuales inferiores a $5M, licencia autoalojada de pago o la API por encima de ese umbral

• Capacidades — texto a imagen, edición, generación con múltiples referencias con hasta 10 imágenes de referencia, 4K nativo y control de caja delimitadora

• Precio — $0.009 por 1K de imágenes en la API del proveedor, con un nivel de 2K por encima

• Herramientas — Recetas de entrenamiento LoRA para Diffusers, Ostris AI Toolkit y NVIDIA NeMo AutoModel

Todo eso está en el repositorio y en la documentación. Nada de eso depende de que un benchmark sea cierto. Un modelo puede ser pequeño, rápido, licenciable y descargable sin ser el mejor en nada, y esas propiedades valen la pena por sí mismas.

Lo que el lanzamiento no estableció es la calidad relativa. La publicación de lanzamiento muestra gráficos de Elo en lugar de imprimir puntuaciones exactas en el texto, así que la brecha precisa entre Klein y su conjunto de comparación ni siquiera se puede citar por completo — puedes leer las barras, no los números. Los comparadores nombrados son Qwen-Image 2.1 en 7B y Krea 2 en 12.9B, con Krea 2 excluido de la comparación de edición porque no admite edición. Esos son controles sensatos. Siguen siendo los controles propios del laboratorio, en el entorno de pruebas propio del laboratorio, con indicaciones elegidas por el laboratorio.

La palabra «third-party» está haciendo un trabajo que no se ha ganado.

Gran parte de la cobertura de este lanzamiento describe las clasificaciones como benchmarks de terceros. No lo son. Una búsqueda de una entrada independiente en una tabla de clasificación solo arroja la publicación del blog del proveedor y una docena de reescrituras de esta, y las reescrituras heredan el enfoque sin heredar la advertencia.

El tablero público más útil para modelos de imagen es Artificial Analysis, que clasifica por Elo a partir de votos de preferencia humana por pares. Su tabla de texto a imagen, versión 2.1, capturada el 16 de octubre de 2026, tiene 42 entradas visibles. GPT Image 2.5 Sunburst ocupa el primer puesto con 1218. Nano Banana 2 ocupa el séptimo puesto con 1139. FLUX 3 Image ocupa el decimotercer puesto con 1114, con 5.766 muestras, con un precio fijado por la tabla de $48 por cada mil imágenes. FLUX.2 [klein] 9B —la línea base en la comparación de BFL— ocupa el vigésimo sexto puesto con 1026.

FLUX 3 Image Klein no está en esa tabla. Ni en el lanzamiento, ni ocho días después. La entrada etiquetada «FLUX 3 Image» es un producto diferente: es el hermano mayor disponible únicamente por API, y la cifra de 48 dólares por mil de la tabla coincide con el rango publicado de ese modelo, no con los 9 dólares de Klein. Esto importa por una razón sencilla. En el único ranking independiente que existe, el modelo de imagen de pesos abiertos con la puntuación más alta no es Klein y no es en absoluto un modelo de Black Forest Labs: es Qwen-Image-3.0-Pro con 1093. Por lo tanto, la afirmación de que Klein es el primero entre los de pesos abiertos no queda contradicha por la tabla pública. Simplemente está ausente de ella.

Coloca el propio delta de BFL junto a un tablero público

Hay una forma de hacerse una idea aproximada sin pretender que sea una medición. BFL presenta sus mejoras como deltas frente a FLUX.2 [klein] 9B, y ese modelo más antiguo está en la tabla pública. Así que toma la puntuación pública y suma el delta del proveedor:

• Texto a imagen — FLUX.2 [klein] 9B con 1026 en Artificial Analysis, más el +91 de BFL, queda cerca de 1117

• Edición — FLUX.2 [klein] 9B en 1015 en el panel de edición, más el +70 de BFL, se sitúa cerca de 1085

Interprétalo como aritmética, no como una predicción. Los deltas de Elo no son portables entre arneses de evaluación. Una diferencia de 91 puntos medida en el conjunto de prompts de BFL no se traslada punto por punto a una tabla construida a partir de votos de la multitud sobre imágenes diferentes, con votantes diferentes y una ventana de muestreo distinta. El ejercicio solo es útil a efectos de escala: sugiere un modelo que quedaría en la parte baja de los 1100 en texto a imagen, que es más o menos donde ya se sitúa FLUX 3 Image y cómodamente por detrás de Nano Banana 2, en 1139. No sugiere un modelo que lideraría el ámbito de los pesos abiertos por un amplio margen, y desde luego no sugiere que el +91 se traduzca en el primer puesto global.

Si quieres la versión honesta en una línea: una entrada de 1100 y pocos sería muy probablemente el mejor modelo de pesos abiertos de esa tabla, ya que el líder actual allí es 1093. Así que la dirección de la afirmación de BFL es plausible. La magnitud no está verificada, y el margen sobre el rival más cercano de pesos abiertos podría ser mucho menor de lo que implica el encuadre del lanzamiento.

Lo que vimos cuando lo ejecutamos

Nuestra propia experiencia con el modelo apunta a algo más específico que «el mejor modelo de imagen de pesos abiertos». Hemos ejecutado FLUX 3 Image Klein a través de la API del proveedor, sin un conjunto fijo de prompts ni una rúbrica de puntuación, así que tómese esto como una observación y no como un resultado. La capacidad que destacó fue la edición precisa y localizada: cambiar un solo objeto en una escena, mover un elemento a una región delimitada o aplicar una instrucción que debería dejar intacto el resto del encuadre. Los casos en los que se permite cambiar casi todo —un cambio completo de estilo, un cambio integral de iluminación— fueron mucho más difíciles de separar de la generación anterior.

Ese es el énfasis opuesto al de la mayor parte del debate público. El planteamiento del lanzamiento gira en torno a si Klein puede editar siquiera y si supera a modelos que cuestan cinco veces más. La pregunta más útil para cualquiera que haga trabajo de producción es si puede editar de forma acotada. Las ediciones precisas son donde una caja delimitadora y un fondo preservado realmente importan, donde un modelo pequeño o bien mantiene el resto de la escena o bien la repinta silenciosamente, y donde el coste de un reintento no es solo dinero, sino un ciclo de revisión.

La edición es la afirmación que merece la prueba más difícil.

De las tres afirmaciones de primer lugar, la de edición es la que merece más escepticismo, por una razón estructural. La calidad de texto a imagen es en general legible: un público puede mirar dos imágenes y elegir una. La calidad de edición depende del seguimiento de instrucciones, y el seguimiento de instrucciones es justo lo que el propio conjunto de prompts de un proveedor está en mejor posición de favorecer. Si tus prompts de evaluación fueron escritos por las personas que ajustaron el modelo, estás midiendo la intersección de dos cosas que controlas.

También hay un detalle del pipeline que afecta a todas las comparaciones que uno mismo ejecuta. Klein se distribuye con un upsampler de prompts separado —un fine-tune de 9B de Qwen3.5-9B llamado flux-3-image-klein-pup—, que está activado por defecto y del que BFL dice que el modelo no está pensado para funcionar sin él. Eso significa que un benchmark ingenuo que envía los prompts tal como se escriben está midiendo un sistema distinto del que evaluó el proveedor. Cualquier prueba independiente que valga la pena leer debe indicar si el upsampler estaba activado, porque el mismo checkpoint puede producir una salida notablemente distinta según la respuesta. Es mucha superficie metodológica para una afirmación que actualmente se apoya en la diapositiva de un solo laboratorio.

Los números de velocidad corresponden a NVIDIA

Un conjunto de cifras del lanzamiento tiene una procedencia distinta de la de las afirmaciones sobre la calidad, y merece que se le reconozca debidamente. Las cifras de latencia —aproximadamente 4 segundos para una imagen de 1 MP en una RTX 5090 en INT8 con 16 pasos, menos de 9 segundos en una RTX 4070 y 0,55 segundos en una GB300— las midió NVIDIA, con los resultados de las RTX ejecutados mediante ComfyUI. Sigue siendo una medición vinculada al fabricante, ya que NVIDIA ayudó a crear los checkpoints cuantizados, pero es una medición de hardware y no un juicio de preferencia, y las mediciones de hardware son mucho más fáciles de reproducir. Si tienes la tarjeta, puedes comprobarlo en una tarde.

La afirmación de 8 GB de VRAM merece el mismo tratamiento. Es cierta para la versión del generador INT8. No es cierta para todo el pipeline recomendado, porque el upsampler de prompts es una descarga BF16 separada de 18.8 GB que requiere su propia memoria. Un usuario que lea «funciona con 8 GB» y luego habilite el pipeline predeterminado descubrirá qué afirmación estaba acotada y cuál no.

Cómo comprobarlo usted mismo

La prueba honesta más barata no es una tabla de clasificación. Son veinte de tus propias indicaciones, ejecutadas dos veces —una con el upsampler y otra sin él— sobre las tareas que realmente te importan, evaluadas según si enviarías la salida. Klein hace esto inusualmente práctico porque los pesos se pueden descargar y la licencia permite el uso comercial por debajo del umbral de ingresos de $5M, así que la prueba no requiere una cuenta con nadie.

Para todo lo demás, una capa de enrutamiento es la forma más económica de ejecutar el mismo prompt en los endpoints de varios proveedores con una sola clave, que es para lo que sirve OrcaRouter: una única API compatible con OpenAI sobre más de 200 modelos, 0 % de recargo con el precio de lista del proveedor trasladado directamente, y conmutación por error automática cuando un endpoint se degrada. Conviene decirlo con claridad: esta no es una vía hacia Klein. Nuestro catálogo tiene 210 modelos y no incluye ninguna entrada de FLUX, así que, para este modelo, las opciones honestas hoy son la propia API de BFL o un checkpoint autoalojado. Preferimos decirlo a insinuar lo contrario.

¿Qué lo resolvería?

Tres cosas, en orden ascendente de utilidad. Primero, que Klein aparezca como su propia entrada en una tabla independiente —no fusionado con FLUX 3 Image, que es un modelo diferente a un precio diferente. Segundo, que esa entrada sobreviva a unos miles de votos en lugar de unos cientos, porque el Elo temprano de un modelo nuevo es ruidoso y tiende a bajar a medida que se desvanece el voto por la novedad. Tercero, que alguien publique una comparación de edición que indique su configuración del upsampler, porque sin eso las cifras no son conmensurables.

Hasta entonces, la frase precisa es más acotada que el titular y más útil que cualquiera de los dos extremos. FLUX 3 Image Klein es un modelo de imágenes de peso abierto de 5.6B a $0.009 por cada 1K imágenes que se ejecuta en hardware de consumo, cuyo proveedor lo reporta como el mejor modelo de peso abierto en texto a imagen, generación con múltiples referencias y edición. La primera mitad de esa frase está verificada. La segunda mitad es una afirmación con un autor nombrado, y el autor es el laboratorio que lo construyó.