FLUX 3 Image Klein se classe n°1 parmi les poids ouverts — sur le tableau de bord dessiné par son créateur

Le chiffre est partout désormais. FLUX 3 Image Klein s’est classé premier parmi les modèles à poids ouverts en génération d’images à partir de texte, premier en génération multi-références, premier en édition d’images — et a devancé le plus ancien FLUX.2 [klein] 9B de 91 Elo en génération d’images à partir de texte et de 70 Elo en édition, tout en comptant 38 % de paramètres en moins. Ce sont les chiffres de l’article de lancement de Black Forest Labs, des récapitulatifs, de la carte de partage social. La phrase qui tend à être omise est celle qui leur est associée dans la source : il s’agit d’évaluations internes.

Ce n’est pas un scandale. C’est ainsi que presque tous les modèles d’image sont lancés, et c’est la seule comparaison qu’un laboratoire peut effectuer avant que quiconque d’autre dispose des poids. Mais cela change ce qu’un lecteur devrait faire du classement. FLUX 3 Image Klein est véritablement publié — 5,6 milliards de paramètres, poids ouverts, publié le 15 octobre 2026 sous la licence FLUX Kommunity, appelable à 0,009 $ par image 1K sur l’API propre à BFL. Ce qui n’existe pas encore, c’est un score provenant de quelqu’un d’autre que Black Forest Labs. Le modèle est réel ; la position au classement est une affirmation.

Ce que le communiqué a réellement établi

Séparez les artefacts du marketing, car ils n’ont pas le même poids. Les artefacts sont vérifiables aujourd’hui, par n’importe qui, sans GPU :

• Poids — un générateur d’images de 5,6 milliards de paramètres, avec un checkpoint de base pour le fine-tuning et un checkpoint distillé en 16 étapes pour la latence

• Des builds de précision — BF16 à 11,2 Go, FP8 à 5,6 Go, plus des builds INT8 et NVFP4 réalisés avec NVIDIA

• Licence — FLUX Kommunity License : utilisation commerciale gratuite pour les particuliers et les entreprises dont le chiffre d’affaires annuel est inférieur à 5 M$, licence auto-hébergée payante ou API au-delà de ce seuil

• Capacités — génération d'images à partir de texte, édition, génération multi-références avec jusqu'à 10 images de référence, 4K native et contrôle par boîte englobante

• Tarif — 0,009 $ pour 1 000 images sur l’API du fournisseur, avec un palier à 2 000 au-dessus

• Outillage — Recettes d’entraînement LoRA pour Diffusers, Ostris AI Toolkit et NVIDIA NeMo AutoModel

Tout cela se trouve dans le dépôt et la documentation. Rien de tout cela ne dépend de la véracité d’un benchmark. Un modèle peut être petit, rapide, sous licence et téléchargeable sans être le meilleur en quoi que ce soit, et ces propriétés ont de la valeur en elles-mêmes.

Ce que la publication n’a pas établi, c’est la qualité relative. L’article de lancement présente des graphiques Elo plutôt que d’imprimer les scores exacts dans le texte, si bien que l’écart précis entre Klein et son ensemble de comparaison n’est même pas entièrement citable — on peut lire les barres, pas les chiffres. Les comparateurs nommés sont Qwen-Image 2.1 à 7B et Krea 2 à 12,9B, Krea 2 étant exclu de la comparaison d’édition parce qu’il ne prend pas en charge l’édition. Ce sont des contrôles sensés. Ils restent néanmoins les propres contrôles du laboratoire, dans son propre banc d’évaluation, sur des prompts qu’il a choisis.

Le mot « third-party » fait un travail qu’il n’a pas mérité

Une grande partie de la couverture de cette version décrit les classements comme des benchmarks tiers. Ce n’est pas le cas. Une recherche d’une entrée indépendante dans un classement ne fait apparaître que l’article de blog du fournisseur et une douzaine de réécritures de celui-ci, et ces réécritures reprennent le cadrage sans reprendre la mise en garde.

Le classement public le plus utile pour les modèles d’image est Artificial Analysis, qui classe par Elo selon les votes de préférence humaine par paires. Son classement text-to-image, version 2.1, relevé le 16 octobre 2026, comporte 42 entrées visibles. GPT Image 2.5 Sunburst occupe la première place avec 1218. Nano Banana 2 est septième avec 1139. FLUX 3 Image est treizième avec 1114, sur 5 766 échantillons, avec un prix indiqué par le classement de 48 $ par millier d’images. FLUX.2 [klein] 9B — la référence dans la comparaison de BFL — est vingt-sixième avec 1026.

FLUX 3 Image Klein ne figure pas sur ce tableau. Pas au lancement, ni huit jours plus tard. L’entrée intitulée « FLUX 3 Image » est un autre produit : c’est le grand frère plus imposant, disponible uniquement via API, et le chiffre de 48 $ par millier du tableau correspond à la fourchette publiée de ce modèle, pas aux 9 $ de Klein. Cela compte pour une raison simple. Sur le seul classement indépendant qui existe, le modèle d’image à poids ouverts le mieux classé n’est pas Klein et n’est pas du tout un modèle de Black Forest Labs — c’est Qwen-Image-3.0-Pro à 1093. L’affirmation selon laquelle Klein est premier parmi les poids ouverts n’est donc pas contredite par le tableau public. Elle en est simplement absente.

Placez le delta propre à BFL à côté d’un tableau public

Il existe un moyen d’obtenir un repère approximatif sans prétendre qu’il s’agit d’une mesure. BFL présente ses gains sous forme de deltas par rapport à FLUX.2 [klein] 9B, et ce modèle plus ancien est dans le classement public. Il suffit donc de prendre le score public et d’y ajouter le delta du fournisseur :

• Texte-vers-image — FLUX.2 [klein] 9B à 1026 sur Artificial Analysis, plus le +91 de BFL, atteint près de 1117

• Édition — FLUX.2 [klein] 9B à 1015 au classement d’édition, plus les +70 de BFL, avoisine les 1085

Lisez cela comme de l’arithmétique, pas comme une prédiction. Les deltas Elo ne sont pas transférables d’un harnais à l’autre. Un écart de 91 points mesuré sur le jeu de prompts de BFL ne se transpose pas point par point sur un classement construit à partir de votes du public sur des images différentes, avec des votants différents et une fenêtre d’échantillonnage différente. Cet exercice n’est utile que pour donner un ordre de grandeur : il suggère un modèle qui se situerait dans la partie basse des 1100 en texte-image, soit à peu près là où se trouve déjà FLUX 3 Image, et confortablement derrière Nano Banana 2 à 1139. Il ne suggère pas un modèle qui arriverait largement en tête des modèles à poids ouverts, et il ne suggère certainement pas que le +91 se traduise par une première place au classement général.

Si vous voulez la version honnête en une ligne : une entrée dans la fourchette basse des 1100 serait très probablement le meilleur modèle à poids ouverts de ce classement, puisque le leader actuel y est à 1093. La direction de l’affirmation de BFL est donc plausible. L’ampleur n’est pas vérifiée, et la marge sur le rival à poids ouverts le plus proche pourrait être bien plus faible que ne le laisse entendre le cadrage du lancement.

Ce que nous avons vu lorsque nous l’avons exécuté

Notre propre expérience avec le modèle pointe vers quelque chose de plus précis que « meilleur modèle d’image à poids ouverts ». Nous avons exécuté FLUX 3 Image Klein via l’API du fournisseur, sans jeu d’invites fixe ni grille d’évaluation, alors considérez cela comme une observation plutôt qu’un résultat. La capacité qui s’est démarquée était l’édition précise et localisée : modifier un seul objet dans une scène, déplacer un élément dans une région délimitée, ou appliquer une instruction qui devrait laisser le reste de l’image intact. Les cas où presque tout peut changer — une refonte complète du style, un changement global de l’éclairage — étaient beaucoup plus difficiles à distinguer de la génération précédente.

C'est l'accent inverse de celui de la plupart du débat public. Le cadrage du lancement porte sur la question de savoir si Klein peut éditer tout court, et s'il bat des modèles qui coûtent cinq fois plus cher. La question plus utile pour quiconque fait du travail de production est de savoir s'il peut éditer de manière ciblée. Les retouches précises sont là où une boîte englobante et un arrière-plan préservé comptent vraiment, où un petit modèle soit conserve le reste de la scène, soit la repeint discrètement, et où le coût d'une nouvelle tentative n'est pas seulement financier, mais implique un cycle de révision.

L’édition est l’affirmation qui mérite l’épreuve la plus difficile.

Parmi les trois revendications de première place, l’édition est celle dont il faut le plus se méfier, pour une raison structurelle. La qualité de génération d’images à partir de texte est largement lisible — une foule peut regarder deux images et en choisir une. La qualité de l’édition dépend du suivi d’instructions, et le suivi d’instructions est exactement ce qu’un jeu de prompts propre à un fournisseur est le mieux placé pour flatter. Si vos prompts d’évaluation ont été écrits par les personnes qui ont réglé le modèle, vous mesurez l’intersection de deux choses que vous contrôlez.

Il existe également un détail de pipeline qui affecte chaque comparaison réalisée par l'utilisateur lui-même. Klein est livré avec un suréchantillonneur de prompt distinct — un fine-tuning 9B de Qwen3.5-9B appelé flux-3-image-klein-pup — activé par défaut et dont BFL affirme que le modèle n'est pas censé fonctionner sans. Cela signifie qu'un benchmark naïf qui envoie les prompts tels qu'ils sont saisis mesure un système différent de celui évalué par le fournisseur. Tout test indépendant digne d'être lu doit préciser si l'upsampler était activé, car le même checkpoint peut produire une sortie sensiblement différente selon la réponse. Cela représente beaucoup de surface méthodologique pour une affirmation qui repose actuellement sur la diapositive d'un seul laboratoire.

Les chiffres de vitesse appartiennent à NVIDIA.

Un ensemble de chiffres dans la publication a une provenance différente des allégations de qualité, et il vaut la peine de lui attribuer le crédit qui convient. Les chiffres de latence — environ 4 secondes pour une image de 1 MP sur une RTX 5090 en INT8 à 16 étapes, moins de 9 secondes sur une RTX 4070, 0,55 seconde sur une GB300 — ont été mesurés par NVIDIA, les résultats RTX ayant été exécutés via ComfyUI. Il s’agit toujours d’une mesure émanant d’un acteur proche du fournisseur, puisque NVIDIA a participé à la création des checkpoints quantifiés, mais c’est une mesure matérielle plutôt qu’un jugement de préférence, et les mesures matérielles sont bien plus faciles à reproduire. Si vous avez la carte, vous pouvez le vérifier en un après-midi.

La revendication des 8 Go de VRAM mérite le même traitement. Elle est vraie pour la version INT8 du générateur. Elle ne l’est pas pour l’ensemble du pipeline recommandé, car l’upsampler de prompt est un téléchargement BF16 distinct de 18,8 Go qui réclame sa propre mémoire. Un utilisateur qui lit « fonctionne sur 8 Go » puis active le pipeline par défaut découvrira quelle affirmation était délimitée et laquelle ne l’était pas.

Comment vérifier cela vous-même

Le test honnête le moins coûteux n’est pas un classement. Ce sont vingt de vos propres prompts, exécutés deux fois — une fois avec l’upsampler et une fois sans — sur les tâches qui vous importent réellement, évalués selon que vous livreriez ou non le résultat. Klein rend cela particulièrement pratique, car les poids sont téléchargeables et la licence autorise l’usage commercial en dessous du seuil de 5 M$ de chiffre d’affaires, si bien que le test ne nécessite de compte chez personne.

Pour tout le reste, une couche de routage est le moyen le moins coûteux d’exécuter le même prompt sur les points de terminaison de plusieurs fournisseurs avec une seule clé, et c’est précisément à cela que sert OrcaRouter : une API compatible OpenAI couvrant plus de 200 modèles, 0 % de marge avec le prix catalogue du fournisseur répercuté tel quel, et un basculement automatique lorsqu’un point de terminaison se dégrade. Il convient de le dire clairement : ce n’est pas une voie vers Klein. Notre catalogue compte 210 modèles et ne contient aucune entrée FLUX, donc pour ce modèle, les options honnêtes aujourd’hui sont l’API de BFL elle-même ou un checkpoint auto-hébergé. Nous préférons le dire plutôt que de laisser entendre le contraire.

Qu'est-ce qui réglerait ça

Trois choses, par ordre croissant d’utilité. Premièrement, que Klein apparaisse comme entrée à part entière sur un classement indépendant — et non fusionné avec FLUX 3 Image, qui est un modèle différent à un prix différent. Deuxièmement, que cette entrée survive à quelques milliers de votes plutôt qu’à quelques centaines, car l’Elo précoce d’un nouveau modèle est bruité et tend à baisser à mesure que l’effet de nouveauté s’estompe. Troisièmement, que quelqu’un publie une comparaison d’édition qui précise son réglage d’upsampler, car sans cela les chiffres ne sont pas comparables.

D’ici là, la phrase exacte est plus étroite que le titre et plus utile que l’un ou l’autre des extrêmes. FLUX 3 Image Klein est un modèle d’image à poids ouverts de 5,6 Md de paramètres, facturé 0,009 $ par 1 000 images, qui tourne sur du matériel grand public, et que son fournisseur présente comme le meilleur modèle à poids ouverts en génération texte-image, en génération multi-références et en édition. La première moitié de cette phrase est vérifiée. La seconde moitié est une affirmation dont l’auteur est nommé, et cet auteur est le laboratoire qui l’a conçu.