FLUX 3 Image Klein Prompt Upsampler: Model 18,8 GB yang Dikirim BFL Tanpa Menamainya

Black Forest Labs shipped two models on 15 October 2026 and announced one of them. The announced model is FLUX 3 Image Klein, the 5.6B open-weights image generator that drew the launch post, the pricing table, the ComfyUI workflow and a round of trade coverage. The other is the FLUX 3 Image Klein Prompt Upsampler — an 18.8 GB fine-tune of Qwen3.5-9B that rewrites your short request into the long caption the image model expects — and it is the single most permissive artifact in the release. Its repository is public, requires no account, and carries the Apache License 2.0, where each of its three sibling repositories carries the FLUX Kommunity License and an access gate. B​FL's launch post never names it. Neither does the model page, the release notes, or the API documentation for FLUX 3 Image Klein, which does not contain the word "upsampler" once in 35,000 characters.

That gap is checkable in about five minutes, and it is worth checking, because the upsampler decides more about what your images look like than most of the settings you will spend the weekend adjusting. It also raises a question the announcement does not answer: whether B​FL intends it as a standalone model you can build on, or as a load-bearing dependency of its own inference code that happened to get published with an Apache header. This piece separates what the repository proves from what only B​FL can confirm. Every number below comes from the model card, the Hugging Face API, the reference inference code or B​FL's own documentation, and none of it has been independently benchmarked by a third party.

Apa yang sebenarnya dirilis, dan bagian mana yang tidak disebutkan namanya

Mulailah dengan tanggalnya, karena tanggal-tanggal itu pasti. Repositori upsampler dibuat di Hugging Face pada 20:40 UTC, 14 Oktober 2026, dan terakhir ditulis pada 15:32 UTC, 15 Oktober — rentang waktu dalam skala menit yang sama dengan repositori FLUX 3 Image Klein yang dilayaninya. Postingan peluncurannya bertanggal 15 Oktober. Jadi ini bukan kebocoran, bukan pratinjau, dan bukan checkpoint yang ditahan siapa pun: ini adalah rilisan pihak pertama yang diterbitkan bersamaan dengan model yang menjadi bagiannya.

What it did not get is a name in the announcement. Read B​FL's own enumeration of the release and the pattern is consistent:

• The launch post describes FLUX 3 Image Klein's weights, its FP8, INT8 and NVFP4 builds built with N​VIDIA, its day-one ComfyUI and Diffusers support, and its licence. It mentions "prompt upsampling" once, as a feature of the hosted API endpoint, without naming a model or linking a repository.

• Halaman model di bfl.ai/models/flux-3-image-klein mencantumkan versi undistilled dan distilled serta menyebut akses API mencakup "prompt enhancement". Juga tidak ada repositori.

• Catatan rilis untuk 15 Oktober mencantumkan bobot: Klein (distilled), Klein Base, dan bobot ComfyUI. Upsampler tidak termasuk di dalamnya.

• Dokumentasi APIuntuk FLUX 3 Image Klein berjumlah 35.148 karakter. Pencarian yang tidak membedakan huruf besar-kecil untuk "upsampl" tidak menghasilkan satu pun hasil.

• Kode inferensi referensi di GitHub di sinilah ia akhirnya muncul — bagian README berjudul "Prompt upsampling", flag --no-pup di CLI, anggaran --pup-memory, dan modul flux3/pup.py. Yang merupakan jawaban jujur atas "apakah ini disembunyikan?": tidak. Ini terdokumentasi, terintegrasi, berjalan secara default, dan jika Anda mengkloning repo itu, Anda akan langsung menjumpainya.

Perbedaan ini penting dan mudah dikaburkan. Ini bukan rilis senyap; ini adalah rilis yang komponen dengan lisensi paling permisifnya diperlakukan sebagai perkakas dasar. Komunitas menyadarinya lebih cepat daripada pers — pada 15 Oktober sudah ada kuantisasi GGUF pihak ketiga untuk upsampler di Hugging Face, dan sebuah organisasi mirror telah menyalin keempat repositori tersebut.

Apa sebenarnya upsampler itu

Kartu model ini terus terang tentang garis keturunannya: ini adalah fine-tune penuh dari Qwen3.5-9B dengan menara visi dibekukan. Berkas konfigurasi mengonfirmasi bentuknya — 32 lapisan, keadaan tersembunyi selebar 4.096, 16 kepala atensi terhadap 4 kepala key-value, batas posisi 262.144 token, dan kosakata 248.320. Tumpukan lapisannya tidak seragam: tiga dari setiap empat lapisan menggunakan atensi linear, dengan lapisan atensi penuh setiap keempat. Menara visinya sedalam 27 lapisan dengan lebar 1.152, ukuran patch 16, penggabungan spasial 2. Ini adalah model visi-bahasa dengan atensi hibrida generasi terkini, bukan templat prompt dengan model bahasa yang ditempelkan begitu saja.

Di disk, ini adalah satu file safetensors bfloat16 berukuran 18,82 GB ditambah tokenizer, templat obrolan, dan satu file yang lebih menarik daripada yang lain: system_prompts.json, 12,6 KB berisi empat prompt sistem lengkap bernama t2i, i2i, t2i_bbox dan i2i_bbox. Keempat prompt itu adalah antarmuka sebenarnya model tersebut. Prompt-prompt itu juga dapat dibaca, yang berarti perilaku upsampler bukan kotak hitam — Anda dapat membaca persis apa yang diinstruksikan untuk dilakukannya, lalu memeriksa apakah ia melakukannya.

Pelatihan berlangsung dalam dua tahap, menurut kartu model: penyetelan halus terawasi pada pasangan permintaan singkat dan prompt yang diperluas, lalu penyetelan preferensi pada pasangan keluaran model itu sendiri, yang dirender melalui FLUX 3 Image Klein pada seed tetap dan diperingkat berdasarkan gambar yang dihasilkan. Tahap kedua itulah yang menonjol. Upsampler tidak disetel untuk menulis prompt yang enak dibaca; ia disetel berdasarkan prompt mana di antara promptnya sendiri yang menghasilkan gambar lebih baik ketika model gambar menjalankannya. Itu adalah metodologi yang dilaporkan vendor, bukan ablasi yang diterbitkan, dan tidak ada evaluasi independen atasnya.

Keempat mode, dan bagaimana pipeline memilih salah satunya

Upsampler tidak selalu merupakan alat text-to-image. System prompt mana yang dimuatnya bergantung pada apa yang Anda berikan kepadanya, dan aturannya ada di bbox.py:

• Tidak ada gambar referensi, tidak ada kotak — prompt t2i. Ini memperluas permintaan menjadi satu keterangan rinci.

• Gambar referensi, tanpa kotak — prompt i2i. Ia melihat gambar referensi dan menulis instruksi pengeditan yang mengidentifikasi setiap referen berdasarkan tampilannya yang sebenarnya. Permintaan yang tidak jelas dibaca sebagai pengeditan yang paling masuk akal dari gambar yang disediakan.

• Kotak disediakan, teks-ke-gambar — prompt t2i_bbox. Output-nya menjadi keterangan yang diikuti oleh tabel elemen JSON, satu baris per objek pada kanvas 0-hingga-1000, dan keterangan tersebut mengutip setiap baris berdasarkan id tanda kurung siku.

• Kotak plus referensi — prompt i2i_bbox, yang mengembalikan rekaman anotasi dengan bidang from yang membedakan konten yang diambil dari ref_image_N dari konten yang ditandai target, plus sebuah kotak di sumber dan sebuah kotak di keluaran yang dibayangkan.

Kotak-kotak Anda memenangkan konflik. Kode mengonversi koordinat 0-ke-1 Anda ke grid 0-ke-1000, menyerahkannya kepada model sebagai daftar terkunci yang otoritatif, lalu merekonsiliasi jawabannya: baris apa pun yang direncanakan ulang oleh model dengan id-nya sendiri yang tumpang tindih dengan kotak terkunci dengan intersection-over-union 0,9 atau lebih baik akan mengambil id yang terkunci, dan baris-baris terkunci ditulis kembali secara verbatim dengan deskripsi model diadopsi. Tata letak Anda bukanlah saran yang boleh diperbaiki oleh model.

Dekode bersifat tetap dan layak ditiru jika Anda memanggilnya sendiri: greedy, top-p 0,95, top-k 20, batas 3.584 token baru, dan penalti kehadiran 1,5 untuk text-to-image dibandingkan 0,0 untuk pengeditan. Asimetri itu memang disengaja — penalti ada untuk menghentikan generator caption mengulang dirinya sendiri, dan instruksi pengeditan yang secara sah menyebut objek yang sama dua kali tidak boleh dihukum karenanya.

Apa yang dituntut oleh prompt — dan mengapa prompt Anda terlihat seperti itu

Prompt sistem t2i adalah dokumen paling berguna dalam rilis ini bagi siapa pun yang menganggap perilaku FLUX 3 Image Klein aneh. Beberapa instruksinya menjelaskan gaya keluaran model tersebut secara langsung:

• Panjang. "Panjang biasanya 100 hingga 350 kata, lebih panjang untuk adegan yang kompleks." Upsampler tidak memampatkan prompt Anda atau meringkasnya. Ia memperluasnya sekitar satu orde besaran, dan model gambar dilatih dengan caption dalam rentang tersebut.

• Setiap orang yang menjadi fokus mendapatkan profil. Etnis, gender, rentang usia, warna kulit, rambut, dan pakaian — sebagai atribut yang dapat diamati. Prompt tersebut memberikan contoh "kulit cerah" dan "kulit cokelat".

• Latar belakang menempati sekitar seperenam dari keterangan gambar. Eksplisit. Prompt tersebut juga mengharuskan konten yang tidak fokus dan berjarak jauh dijelaskan sebagai bentuk, warna, dan siluet, bukan sebagai identitas atau teks yang dapat dibaca.

• Gaya secara default adalah fotografi. Tanpa gaya yang dinyatakan, model merencanakan sebuah fotografi sungguhan dan membuka dengan konvensi medium — "Full-color outdoor photograph", "Studio photograph" — dan menyisakan "Photorealistic" untuk render. Permintaan akan sesuatu yang "realistic" dikonversi menjadi konvensi fotografi alih-alih diulang kembali.

• Larangan. Tidak ada kata keterangan peragu. Tidak ada penilaian kualitas atau emosi. Tidak ada kalimat penutup tentang suasana hati. Negasi ditulis ulang sebagai pernyataan tentang apa yang hadir. Gaya bahasa generatif wajib digunakan: "gambar ini menunjukkan" dan "kita dapat melihat" dilarang sepenuhnya.

• Anti-foto stok. Prompt tersebut meminta "beberapa detail biasa yang tidak ideal yang diambil dari objek-objek dalam adegan itu sendiri alih-alih idealnya foto stok." Itu adalah instruksi untuk membuat gambar jadi kurang generik, yang dituliskan ke dalam prompt sistem.

• Penanganan teks. Teks yang dirender harus ditranskripsikan secara verbatim di dalam tanda kutip ganda dalam bahasa dan aksara aslinya, dengan jeda baris dipertahankan, tipografi, warna, dan penempatan ditentukan. Ketika suatu permintaan membutuhkan teks yang tidak disediakannya, model menyusun kata-kata yang konkret dan sesuai domain.

Bacalah daftar itu terhadap hasil generasi yang mengecewakan dan Anda biasanya dapat menemukan aturan mana yang tidak diberi cukup bahan untuk dikerjakan. Potret datar dengan latar belakang kosong adalah permintaan tanpa adegan, tanpa pencahayaan, dan tanpa detail biasa di dalamnya. Sebuah prompt yang kemudian tetap diperluas oleh model, mengisi celah itu dengan rencana generik pilihannya sendiri.

Berapa biaya yang Anda keluarkan untuk memori dan waktu

The upsampler is on by default in B​FL's own pipeline, and the practical reason to care is that "on by default" means a second model resident while the first one generates. From the reference code and documentation:

• Disk — 18,82 GB untuk bobot bfloat16, dibandingkan 11,1 GB untuk safetensors milik model gambar hasil distilasi itu sendiri dan sekitar 11 GB untuk basisnya.

• VRAM — the reference implementation gives the upsampler a share of the GPU, defaulting to 0.35 in the Python API and 0.85 in the standalone module's command line. B​FL's memory table, measured on a B200, runs 31 GB in bf16 for the image model with --no-pup; the upsampler's reserved share sits on top of that.

• The 8 GB story gets more complicated. B​FL's headline is that the INT8 build of FLUX 3 Image Klein runs on an RTX GPU with as little as 8 GB of VRAM, and that is the image model. In the ComfyUI repository the prompt upsampler ships as a separate 9.75 GB INT8 text encoder file. Nobody has published a configuration in which both an 8 GB card and the upsampler are resident at once.

• Sakelar nonaktifnya adalah satu flag. --no-pup mengirim prompt Anda apa adanya. Demo memiliki tombol yang sama, dan prompt upsampling API yang dihosting merupakan bagian dari endpoint, bukan item baris terpisah dalam kartu tarif yang dipublikasikan: $0.008 pada 768 persegi, $0.009 pada 1K, $0.011 pada 1.5K, $0.014 pada 2K dan $0.036 pada 4K, dengan harga pembuatan dan pengeditan yang sama.

• Referensi diturunkan resolusinya sebelum dilihat oleh upsampler. Satu referensi dibatasi sekitar satu megapiksel; dua referensi masing-masing mendapat 724 persegi; tiga atau lebih masing-masing mendapat 512 persegi, lalu dikodekan ulang ke JPEG pada kualitas 92. Kartu model mencantumkan ini sebagai keterbatasan secara eksplisit — detail kecil pada referensi bisa dijelaskan dengan salah — dan inilah mekanisme di balik kegagalan spesifik yang dapat Anda reproduksi: mintalah pengeditan yang bergantung pada detail cetak kecil, dan instruksinya bisa kembali menjelaskan hal yang salah, karena upsampler tidak pernah melihatnya pada resolusi penuh. Model gambar menerima gambar asli Anda.

Lisensi adalah bagian yang layak diperdebatkan

Inilah asimetrinya, dinyatakan secara gamblang. Bobot FLUX 3 Image Klein membawa FLUX Kommunity License, yang mengizinkan penggunaan komersial gratis hanya untuk individu dan perusahaan dengan pendapatan tahunan di bawah $5M, sementara organisasi yang lebih besar diarahkan ke lisensi self-hosted atau API. Picu pertanyaan lisensi komersial pada suatu produk, dan model yang Anda rilis bukan satu-satunya artefak yang berada dalam cakupan.

Empat repositori merupakan bagian dari rilis ini. Tiga di antaranya — model terdistilasi, model dasar, dan bobot ComfyUI — terdaftar oleh Hugging Face API sebagai gated: auto, yang berarti Anda harus menyetujui ketentuan sebelum dapat mengunduh file-file tersebut. Satu di antaranya sama sekali tidak gated, dan membawa Apache License 2.0: prompt upsampler. Ini juga satu-satunya dari keempatnya yang kartu modelnya menyatakan lisensi permisif secara langsung, dan README repositori referensi itu sendiri menetapkan batasnya secara eksplisit — kodenya adalah Apache 2.0, bobot Klein adalah FLUX Kommunity, dan "prompt upsampler adalah Apache 2.0."

What that buys you depends on the unresolved question. If the upsampler is genuinely a standalone artifact, it is a 9B-class vision-language model you can fine-tune, redistribute and ship in a commercial product without a revenue threshold, and it is currently the cheapest way to acquire that capability from a frontier image lab under terms that do not require a lawyer. If it is intended only as a dependency of B​FL's reference code, then repurposing it carries a risk that no document currently resolves.

Apa yang dikonfirmasi, dan apa yang tidak

Terkonfirmasi dari repositori dan API Hugging Face, semuanya dapat diperiksa ulang: inventaris file dan ukuran byte, lisensi Apache 2.0, tidak adanya gerbang akses, basis Qwen3.5-9B, empat prompt sistem dan teks lengkapnya, parameter decoding, anggaran prapemrosesan referensi, perilaku rekonsiliasi kotak, deskripsi pelatihan dua tahap, dan keterbatasan yang dipublikasikan.

Not confirmed, and stated as open rather than guessed: whether B​FL considers the upsampler a supported product or an internal dependency; whether the Apache 2.0 header was a deliberate licensing decision or an inherited default from Qwen3.5-9B; how much the upsampler actually improves output, since no third party has run a controlled comparison and B​FL has published no ablation; whether the preference-tuning stage generalises beyond the prompts in its training set; and whether the 9.75 GB INT8 ComfyUI file is the same model at lower precision or a differently prepared one, since that repository's model card is gated and could not be read.

Juga terbuka: angka-angka di repositori itu sendiri kecil. Tiga belas unduhan dan sepuluh suka pada upsampler, dibandingkan dengan 3.241 unduhan dan 128 suka pada model gambar terdistilasi, dua puluh empat jam setelah perilisan. Itu bukan bukti bahwa model tersebut tidak penting — itu bukti bahwa hampir tidak ada orang yang tahu model itu ada.

Di mana OrcaRouter cocok, dan di mana tidak

Versi jujurnya dulu: OrcaRouter tidak meng-host model Black Forest Labs mana pun. Katalognya diperiksa, bukan diasumsikan, dan tidak ada entri FLUX di dalamnya. Tidak ada apa pun di bawah ini yang menyiratkan sebaliknya.

What does sit in the catalogue is the comparison set. If you are going to spend a weekend testing whether prompt expansion helps your images, the interesting experiment is running the same request through FLUX 3 Image Klein with the upsampler on and off, and then against a hosted image model that does its own prompt handling — G​oogle's image models, O​penAI's, G​rok's — to see whether the gap you are measuring is the upsampler or the generator. Those hosted models are reachable from a single key on OrcaRouter, at the provider's list price with no markup added, so the cost of the experiment is the provider's own rate and nothing on top of it. That is a cheaper way to answer the question than downloading 18.82 GB four times.

Namun, perlu bersikap tepat tentang batasan saran itu. Jika Anda memang ingin melakukan fine-tuning pada upsampler di bawah Apache 2.0, Anda memerlukan bobotnya di perangkat keras Anda sendiri dan runtime yang dapat melayani model visi-bahasa 9B. OrcaRouter tidak menangani bagian itu, dan pertanyaan lisensi di atas harus Anda selesaikan sendiri.

Apa yang akan membuat ini menjadi cerita yang lebih besar?

Four things, in rough order of how much they would change. First, a named mention from B​FL — a model card, a docs page, a line in the release notes — which would settle the framing here and probably force an update to this piece. Second, a controlled evaluation, ours or anyone's, of images generated with and without the upsampler at a fixed seed; that number is currently missing and it is the one everyone actually wants. Third, a statement on whether the Apache 2.0 licence is deliberate, since that is what makes the artifact interesting rather than merely unlisted. Fourth, the same treatment applied to the rest of the FLUX 3 family: if the upsampler pattern holds, other tiers will ship with permissive helper models attached and unannounced.

Sampai saat itu, pembacaan praktisnya sempit dan tidak glamor. Karena model gambar yang diunduh itu aksesnya dibatasi dan lisensinya membawa ambang pendapatan, sebagian besar orang yang ingin membangun di atas FLUX 3 Image Klein akan memulai dengan API, di mana upsampler bukanlah keputusan yang Anda buat — itu adalah sesuatu yang dilakukan endpoint, dengan harga yang sudah tercantum dalam rate card yang mulai dari $0,008 per gambar. Orang-orang yang seharusnya peduli tentang repositori adalah mereka yang melakukan self-hosting, dan bagi mereka fakta berguna minggu ini hanyalah bahwa bagian rilis dengan lisensi paling permisif juga merupakan bagian yang tidak diberitahukan kepada mereka.

Untuk model yang mode kegagalannya masih belum terdokumentasi, padanan yang berguna adalah catatan tentang apa yang sudah pernah gagal di tempat lain: insiden AI dan kegagalan agen yang terdokumentasi pada model di kelas ini dihimpun dalam the OrcaRouter AI Incident Archive, di mana setiap entri memuat sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda status disengketakan.