FLUX 3 Image Klein שוחרר: 5.6 מיליארד פרמטרים, 8 GB של VRAM, וסעיף של 5 מיליון דולר ברישיון

Black Forest Labs פרסמה FLUX 3 Image Klein ב-15 באוקטובר 2026: מודל תמונות עם משקולות פתוחות בעל 5.6 מיליארד פרמטרים, שפועל גם כנקודת קצה מחייבת לפי שימוש בשם flux-3-image-klein/ ב-API של החברה עצמה, החל מ-$0.009 לכל 1,000 תמונות. הוא ממוקם מתחת ל-FLUX 3 Image הגדול יותר, ויורש את מכלול היכולות המובילות של אותו מודל — פלט 4K מקורי, עד עשרה תמונות ייחוס, ותיבות תוחמות למיקום או עריכת אלמנטים — בכחמישית ממחיר ה-1K ובשבריר מטביעת הרגל. אלה הן הצהרות ההשקה, וניתן לאמת אותן מול המשקולות, הרישיון וטבלת המחירים. מה שעדיין אינו ניתן לבדיקה הוא הטענה האחת שמכריעה את רוב הרכישות: שמודל בעל 5.6 מיליארד פרמטרים עולה על מתחרים גדולים יותר עם משקולות פתוחות באיכות.

כל נתון איכות בהשקה מגיע מתוך Black Forest Labs. איש מחוץ לחברה לא פרסם בנצ׳מרק, וללוחות הדירוג הציבוריים אין עדיין רשומה עבור Klein. זה רגיל למודל בן יום, וכדאי לציין זאת כבר בהתחלה, מפני ששאר הכתבה הזאת קונקרטית באופן יוצא דופן — גדלי קבצים, תעריפים לתמונה, ספי רישוי — ושאלת האיכות עומדת בנפרד מכל זה.

מה בעצם שוחרר ב-15 באוקטובר

ההכרזה נקראת FLUX 3 Image Klein: משקולות פתוחות, 5.6 מיליארד פרמטרים והיא מפרטת מהדורה מלאה ולא שחרור של צ'קפוינט בודד:

• 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.

• מודל אחד לשלוש משימות. טקסט לתמונה, עריכה עם תמונת ייחוס אחת והרכבה עם מספר תמונות ייחוס פועלים דרך אותם משקלים. תמונות ייחוס מעגנות תוכן במקום לנעול מבנה, והמודל מקבל עד עשר מהן.

• 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.

המאגרים עלו לפני ההודעה — מאגר הבסיס והמאגר המזוקק נוצרו ב-13 באוקטובר, ומאגרי ComfyUI ומעלה-הפרומפטים ב-14 באוקטובר — כאשר פוסט ההשקה, נקודת הקצה של ה-API ועמוד התמחור הגיעו כולם ב-15. img src="2.png" alt="צילום דפדפן ללא ראש (headless browser) של עמוד המאגר ב-Hugging Face עבור black-forest-labs/flux-3-image-klein, המציג את שער קבלת הרישיון, את תג flux-kommunity-license, את גודל המודל שניתן כ-6B פרמטרים עם סוג טנסור BF16, 3,241 הורדות בחודש האחרון, 219 לייקים, ואת עץ המודל שמפרט מתאמים וכיוונונים עדינים, שצולם באנגלית ב-16 באוקטובר 2026." />

הטענה של 8 GB, ומי מדד אותה

"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.

מה מצב טענת האיכות, בכנות

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.

מה זה עולה, ואיך העקומה מתכופפת

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 לתמונה

• 1K — $0.009 לתמונה

• 1.5K — $0.011 לתמונה

• 2K — $0.014 לתמונה

• 4K — $0.036 לתמונה

אותה טבלה מתמחרת את FLUX 3 Image ב-$0.041, $0.048, $0.07, $0.10 ו-$0.607 עבור חמשת השכבות האלה. זהו פער של פי 5.3 ב-1K ובערך פי 17 ב-4K, וזה כל הטיעון המסחרי בעד Klein: אם עומס העבודה שלך הוא טקסט-לתמונה ב-4K בהיקפים גדולים, המודל הקטן יותר אינו ירידה בדרגה שאתה משלים איתה, אלא סעיף שעלותו משתנה בסדר גודל.

שימו לב לצורת העקומה ולא למחיר הכניסה. השכבה הזולה ביותר של Klein היא $0.008, אבל התעריף כמעט שטוח עד 2K ואז קופץ פי 2.6 עבור 4K, בעוד FLUX 3 Image קופץ ביותר מפי 6. אם הפלטים שלכם הם 1K, שני המודלים קרובים מספיק במחיר כך שהאיכות צריכה להכריע. אם הם 4K, הם לא באותה שיחה.

הרישיון קובע אם אתה באמת יכול לשחרר

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.

קראו את הניסוח בקפידה, כי שני סיכומים שלו נבדלים בהיקפם. פוסט ההשקה מתאר "שימוש מסחרי בחינם עבור יחידים וחברות עם הכנסה שנתית מתחת ל-5 מיליון דולר". כרטיס המודל מנסח את אותו חריג ככזה שמכסה יצירת פלט מסחרי על ידי משתמשים זכאים, ומוסיף שהוא "אינו מהווה היתר גורף לכוונון עדין או להפצה מסחרית". עבור צוות שתוכניתו היא לכוונן את Klein על נתונים קנייניים ולשלב את המודל הנוצר במוצר, פוסט ההשקה אינו המסמך שעונה על השאלה. נוסח הרישיון המלא הוא שכן.

יש גם סעיף שכדאי להכיר לפני שמתכננים צינור נתונים סביב Klein: הרישיון מגביל שימוש במודל, בנגזרותיו או בפלטיו כדי לשפר מודל AI אחר שמבצע פונקציה דומה לזו של מודל FLUX. יצירת נתונים סינתטיים לשם אימון של מודל תמונות מתחרה היא בדיוק המקרה שלשמו נכתב הסעיף הזה.

הדבר האחד שאסור לך לפספס

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.

מגיעים לזה, ומה קורה בהמשך

המשקולות נמצאות ב-Hugging Face מאחורי שער אישור רישיון, עם קוד הסקה לדוגמה והדגמת Gradio לשליטה בתיבות תוחמות באותו ארגון. נקודת הקצה המתארחת היא ה-API של הספק עצמו. Klein אינו נמצא בקטלוג של OrcaRouter היום, כך שאין לנו מה לנתב כאן, ואנו מעדיפים לומר זאת בפשטות מאשר לרמוז אחרת. מה שכן OrcaRouter נותן לכם הוא החצי השני של צינור תמונות אמיתי: מודלי התמונה המתארחים שנמצאים בקטלוג יושבים מאחורי מפתח אחד לצד יותר מ-200 מודלים אחרים, עם מחיר המחירון של הספק מועבר הלאה במרווח של 0% ומעבר אוטומטי לגיבוי אם ספק אחד מתערער. צוותים שבסופו של דבר מריצים את Klein לעבודות 4K בהיקף גדול וקוראים למודל מתארח למסלול האינטראקטיבי עושים בדיוק את הפיצול שנקודת קצה אחת בנויה בשבילו.

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.

בנצ'מרקים מתיישנים ומחירים משתנים; תיעוד הכשלים לא: תקריות ה-AI וכשלי סוכנים מתועדים מאחורי המודלים במחלקה הזו נאספים בארכיון תקריות ה-AI של OrcaRouter, שבו כל ערך נושא מקורות, חומרה, דירוג מהימנות וסימון מחלוקת משלו.