FLUX 3 Image Klein Telah Dirilis: 5,6 Miliar Parameter, VRAM 8 GB, dan Klausul $5 Juta dalam Lisensi

Black Forest Labs menerbitkan FLUX 3 Image Klein pada 15 Oktober 2026: model gambar open-weights berparameter 5,6B yang juga berjalan sebagai endpoint berbayar per pemakaian bernama flux-3-image-klein/ di API perusahaan sendiri, mulai dari $0,009 per 1K gambar. Model ini berada di bawah FLUX 3 Image yang lebih besar dan mewarisi fitur utama model tersebut — output 4K native, hingga sepuluh gambar referensi, dan kotak pembatas untuk menempatkan atau mengedit elemen — dengan sekitar seperlima harga 1K dan sebagian kecil dari jejaknya. Itu klaim peluncuran, dan semuanya dapat diperiksa terhadap bobot, lisensi, dan tabel harga. Yang belum dapat diperiksa adalah satu klaim yang menentukan sebagian besar pembelian: bahwa model 5,6B mengungguli pesaing open-weights yang lebih besar dalam hal kualitas.

Setiap angka kualitas dalam rilis ini berasal dari dalam Black Forest Labs. Tidak ada pihak di luar perusahaan yang telah menerbitkan tolok ukur, dan papan peringkat publik belum memuat entri untuk Klein. Hal itu wajar untuk model yang baru berumur sehari, dan perlu disebutkan sejak awal, karena sisa tulisan ini luar biasa konkret — ukuran file, tarif per gambar, ambang lisensi — dan pertanyaan tentang kualitas berdiri terpisah dari semua itu.

Apa yang sebenarnya dirilis pada 15 Oktober

Pengumuman itu berjudul FLUX 3 Image Klein: bobot terbuka, parameter 5,6B dan di dalamnya dijabarkan rilis lengkap, bukan sekadar perilisan satu 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.

• Satu model untuk tiga pekerjaan. Text-to-image, pengeditan satu referensi, dan komposisi multi-referensi berjalan melalui bobot yang sama. Gambar referensi menjadi jangkar konten alih-alih mengunci struktur, dan model menerima hingga sepuluh gambar referensi.

• 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.

Repositori tersebut muncul sebelum pengumuman — repositori dasar dan terdestilasi dibuat pada 13 Oktober, repositori ComfyUI dan prompt-upsampler pada 14 Oktober — dengan postingan peluncuran, endpoint API, dan halaman harga semuanya menyusul pada tanggal 15. img src="2.png" alt="Tangkapan browser headless dari halaman repositori Hugging Face untuk black-forest-labs/flux-3-image-klein, yang menampilkan gerbang penerimaan lisensi, lencana flux-kommunity-license, ukuran model yang diberikan sebagai 6B parameter dengan tipe tensor BF16, 3.241 unduhan bulan lalu, 219 suka, dan pohon model yang mencantumkan adaptor dan fine-tune, diambil dalam bahasa Inggris pada 16 Oktober 2026." />

Klaim 8 GB, dan siapa yang mengukurnya

"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.

Sejauh mana klaim kualitas itu bertahan, sejujurnya

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.

Berapa biayanya, dan bagaimana kurvanya melengkung

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 per gambar

• 1K — $0.009 per gambar

• 1,5K — $0,011 per gambar

• 2K — $0,014 per gambar

• 4K — $0,036 per gambar

Tabel yang sama menetapkan harga FLUX 3 Image sebesar $0,041, $0,048, $0,07, $0,10, dan $0,607 untuk kelima tier tersebut. Itu adalah selisih 5,3× pada 1K dan sekitar 17× pada 4K, dan itulah seluruh argumen komersial untuk Klein: jika beban kerja Anda adalah teks-ke-gambar 4K dalam volume besar, model yang lebih kecil bukanlah penurunan kelas yang Anda toleransi, melainkan pos biaya yang berubah sebesar satu orde besaran.

Perhatikan bentuk kurvanya, bukan harga masuknya. Tingkat termurah Klein adalah $0.008, tetapi tarifnya cenderung datar hingga 2K lalu melonjak 2,6× untuk 4K, sementara FLUX 3 Image melonjak lebih dari 6×. Jika output Anda 1K, kedua model itu cukup berdekatan dalam hal harga sehingga kualitas yang seharusnya menentukan. Jika outputnya 4K, keduanya tidak bisa disandingkan.

Lisensi menentukan apakah Anda benar-benar dapat merilisnya.

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.

Bacalah pilihan katanya dengan cermat, karena dua ringkasan tentangnya berbeda dalam cakupan. Postingan peluncuran menjelaskan "penggunaan komersial gratis untuk individu dan perusahaan dengan pendapatan tahunan di bawah $5M". Kartu model merumuskan pengecualian yang sama sebagai mencakup pembuatan output komersial oleh Pengguna yang Memenuhi Kualifikasi, dan menambahkan bahwa hal itu "bukan izin menyeluruh untuk fine-tuning atau distribusi komersial". Bagi tim yang rencananya adalah melakukan fine-tuning Klein pada data proprietari dan merilis model yang dihasilkan di dalam sebuah produk, postingan peluncuran bukanlah dokumen yang menjawab pertanyaan itu. Teks lisensi lengkaplah yang menjawabnya.

Ada juga klausul yang perlu diketahui sebelum Anda merancang pipeline data di sekitar Klein: lisensi tersebut membatasi penggunaan model, turunannya, atau outputnya untuk meningkatkan model AI lain yang menjalankan fungsi serupa dengan model FLUX. Pembuatan data sintetis untuk melatih model gambar pesaing adalah persis kasus yang dimaksudkan oleh klausul itu.

Satu hal yang tidak boleh Anda lewatkan

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.

Memulainya, dan apa yang terjadi selanjutnya

Bobot tersedia di Hugging Face di balik gerbang penerimaan lisensi, lengkap dengan kode inferensi referensi dan demo Gradio untuk kontrol bounding-box di organisasi yang sama. Endpoint terhosting adalah API milik vendor itu sendiri. Klein tidak ada di katalog OrcaRouter saat ini, jadi tidak ada yang bisa kami rutekan di sini, dan kami lebih memilih mengatakannya secara terus terang daripada menyiratkan sebaliknya. Yang OrcaRouter berikan kepada Anda adalah separuh lain dari pipeline gambar sungguhan: model gambar terhosting yang adadi katalog berada di balik satu kunci bersama 200+ model lain, dengan harga daftar dari penyedia diteruskan tanpa markup alias 0% dan failover otomatis jika salah satu penyedia goyah. Tim yang akhirnya menjalankan Klein untuk pekerjaan 4K massal dan memanggil model terhosting untuk jalur interaktif sedang melakukan persis pembagian yang memang dirancang untuk satu 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.

Tolok ukur menjadi usang dan harga bergerak; catatan kegagalan tidak: insiden AI dan kegagalan agen yang terdokumentasi di balik model di kelas ini dikumpulkan dalam Arsip Insiden AI OrcaRouter, yang di dalamnya setiap entri memuat sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda sengketa.