FLUX 3 Image Klein ya está aquí: 5,6B de parámetros, 8 GB de VRAM y una cláusula de 5 millones de dólares en la licencia

Black Forest Labs publicó FLUX 3 Image Klein el 15 de octubre de 2026: un modelo de imagen de pesos abiertos de 5.6B parámetros que también funciona como un endpoint de pago por uso llamado flux-3-image-klein/ en la propia API de la empresa, desde $0.009 por 1K imágenes. Se sitúa por debajo del FLUX 3 Image más grande y hereda la superficie más destacada de ese modelo —salida nativa 4K, hasta diez imágenes de referencia y cuadros delimitadores para colocar o editar elementos— a aproximadamente un quinto del precio de 1K y una fracción de su tamaño. Esas son las afirmaciones del lanzamiento, y se pueden comprobar contra los pesos, la licencia y la tabla de precios. Lo que aún no se puede comprobar es la afirmación que decide la mayoría de las compras: que un modelo de 5.6B supere en calidad a competidores de pesos abiertos más grandes.

Todos los números de calidad de este lanzamiento proceden del interior de Black Forest Labs. Nadie fuera de la empresa ha publicado un benchmark, y las clasificaciones públicas todavía no incluyen ninguna entrada para Klein. Eso es normal para un modelo que tiene un día de vida, y conviene decirlo desde el principio, porque el resto de este artículo es inusualmente concreto —tamaños de archivo, tarifas por imagen, umbrales de licencia— y la cuestión de la calidad queda al margen de todo ello.

¿Qué se lanzó realmente el 15 de octubre?

El anuncio se titula FLUX 3 Image Klein: pesos abiertos, 5,6B parámetros y enumera un lanzamiento completo en lugar de una única entrega de checkpoint:

• 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.

• Un modelo para tres tareas. Texto a imagen, edición con una sola referencia y composición con múltiples referencias se ejecutan a través de los mismos pesos. Las imágenes de referencia anclan el contenido en lugar de bloquear la estructura, y el modelo acepta hasta diez de ellas.

• 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.

Los repositorios se publicaron antes del anuncio —los repos base y destilado se crearon el 13 de octubre, y los de ComfyUI y el ampliador de prompts el 14 de octubre—, mientras que la publicación de lanzamiento, el endpoint de la API y la página de precios llegaron el día 15. img src="2.png" alt="Captura con navegador sin interfaz de la página del repositorio de Hugging Face para black-forest-labs/flux-3-image-klein, en la que se muestran la puerta de aceptación de la licencia, la insignia flux-kommunity-license, el tamaño del modelo indicado como 6B params con tipo de tensor BF16, 3.241 descargas el mes pasado, 219 me gusta y el árbol del modelo con los adaptadores y los ajustes finos, capturada en inglés el 16 de octubre de 2026." />

La afirmación de 8 GB, y quién la midió

"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.

Dónde queda la afirmación de calidad, honestamente

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.

Qué cuesta, y cómo se curva la curva

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 por imagen

• 1K — $0,009 por imagen

• 1,5K — $0,011 por imagen

• 2K — $0.014 por imagen

• 4K — $0.036 por imagen

La misma tabla fija los precios de FLUX 3 Image en $0,041, $0,048, $0,07, $0,10 y $0,607 para esos cinco niveles. Eso supone una diferencia de 5,3× a 1K y de aproximadamente 17× a 4K, y es todo el argumento comercial de Klein: si tu carga de trabajo es de texto a imagen en 4K a gran volumen, el modelo más pequeño no es una degradación que toleras, es una línea de costo que cambia en un orden de magnitud.

Fíjate en la forma de la curva más que en el precio de entrada. El nivel más barato de Klein es $0.008, pero la tarifa es más o menos plana hasta 2K y luego da un salto de 2.6× para 4K, mientras que FLUX 3 Image da un salto de más de 6×. Si tus salidas son de 1K, los dos modelos tienen precios lo bastante similares como para que lo decida la calidad. Si son de 4K, no están en la misma conversación.

La licencia decide si realmente puedes publicarlo.

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.

Lee con atención el texto, porque dos resúmenes del mismo difieren en su alcance. La publicación de lanzamiento describe «el uso comercial gratuito para personas y empresas con ingresos anuales inferiores a 5 millones de dólares». La ficha del modelo presenta esa misma excepción como algo que abarca la generación de resultados comerciales por parte de Usuarios Aptos, y añade que «no constituye un permiso general para el ajuste fino ni la distribución con fines comerciales». Para un equipo cuyo plan es ajustar Klein con datos propietarios y distribuir el modelo resultante dentro de un producto, la publicación de lanzamiento no es el documento que responde a la pregunta. El texto completo de la licencia sí lo es.

También hay una cláusula que conviene conocer antes de diseñar un pipeline de datos en torno a Klein: la licencia restringe el uso del modelo, sus derivados o sus resultados para mejorar otro modelo de IA que desempeñe una función similar a la de un modelo FLUX. La generación de datos sintéticos para entrenar un modelo de imágenes competidor es exactamente el caso para el que está redactada esa cláusula.

Lo único que no debes omitir

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.

Ponerse a ello, y lo que ocurre a continuación

Los pesos están en Hugging Face tras una verificación de aceptación de licencia, con código de inferencia de referencia y una demo de Gradio para el control de cuadros delimitadores en la misma organización. El endpoint alojado es la propia API del proveedor. Klein no está hoy en el catálogo de OrcaRouter, así que no hay nada que enrutar aquí, y preferimos decirlo con claridad antes que dar a entender lo contrario. Lo que sí te ofrece OrcaRouter es la otra mitad de un pipeline de imágenes real: los modelos de imágenes alojados que están en el catálogo se encuentran tras una sola clave junto a más de 200 otros modelos, con el precio de lista del proveedor transferido con un 0 % de margen y conmutación por error automática si un proveedor falla. Los equipos que acaban ejecutando Klein para trabajo masivo en 4K y llamando a un modelo alojado para la ruta interactiva están haciendo exactamente la división para la que está pensado un único endpoint.

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.

Los benchmarks envejecen y los precios se mueven; el historial de fallos no: los incidentes de IA documentados y los fallos de agentes detrás de los modelos de esta clase se recopilan en the OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza y marca de disputa.