FLUX 3 Image Klein è uscito: 5,6 miliardi di parametri, 8 GB di VRAM e una clausola da 5 milioni di dollari nella licenza

Black Forest Labs ha pubblicato FLUX 3 Image Klein il 15 ottobre 2026: un modello di immagini a pesi aperti da 5,6 miliardi di parametri che funziona anche come endpoint a consumo chiamato flux-3-image-klein/ sull'API proprietaria dell'azienda, a partire da 0,009 $ per 1.000 immagini. Si colloca sotto il più grande FLUX 3 Image ed eredita la dotazione di punta di quel modello — output nativo in 4K, fino a dieci immagini di riferimento e bounding box per posizionare o modificare elementi — a circa un quinto del prezzo per 1.000 immagini e una frazione dell'impronta. Queste sono le affermazioni di lancio, e sono verificabili rispetto ai pesi, alla licenza e alla tabella dei prezzi. Ciò che non è ancora verificabile è l'unica affermazione che decide la maggior parte degli acquisti: che un modello da 5,6B superi in qualità concorrenti più grandi a pesi aperti.

Ogni numero sulla qualità nel rilascio proviene dall'interno di Black Forest Labs. Nessuno al di fuori dell'azienda ha pubblicato un benchmark, e le classifiche pubbliche non presentano ancora una voce per Klein. È normale per un modello che ha un giorno di vita, e vale la pena menzionarlo subito, perché il resto di questo articolo è insolitamente concreto — dimensioni dei file, tariffe per immagine, soglie di licenza — e la questione della qualità resta separata da tutto il resto.

Che cosa è stato effettivamente pubblicato il 15 ottobre?

L'annuncio è intitolato FLUX 3 Image Klein: pesi aperti, 5,6B parametri e enumera un rilascio completo anziché il rilascio di un singolo 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 modello per tre compiti. Testo-immagine, editing con un singolo riferimento e composizione con più riferimenti passano attraverso gli stessi pesi. Le immagini di riferimento ancorano il contenuto invece di bloccare la struttura, e il modello ne accetta fino a dieci.

• 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.

I repository sono stati pubblicati prima dell'annuncio — i repo base e distillati sono stati creati il 13 ottobre, quelli di ComfyUI e del prompt-upsampler il 14 ottobre — con il post di lancio, l'endpoint API e la pagina dei prezzi, tutti pubblicati il 15.img src="2.png" alt="Cattura tramite browser headless della pagina del repository Hugging Face per black-forest-labs/flux-3-image-klein, che mostra il gate di accettazione della licenza, il badge flux-kommunity-license, la dimensione del modello indicata come 6B parametri con tipo di tensore BF16, 3.241 download nell'ultimo mese, 219 like e l'albero del modello che elenca adattatori e fine-tune, catturata in inglese il 16 ottobre 2026." />

L'affermazione sugli 8 GB, e chi l'ha misurata

"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.

Dove si colloca davvero l'affermazione sulla qualità, onestamente

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.

Quanto costa, e come si piega 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 per immagine

• 1K — $0,009 per immagine

• 1,5K — 0,011 $ per immagine

• 2K — $0,014 per immagine

• 4K — 0,036 $ per immagine

La stessa tabella riporta i prezzi di FLUX 3 Image a $0,041, $0,048, $0,07, $0,10 e $0,607 per quelle cinque fasce. Si tratta di un divario di 5,3× a 1K e di circa 17× a 4K, e costituisce l'intero argomento commerciale a favore di Klein: se il tuo carico di lavoro è text-to-image in 4K ad alto volume, il modello più piccolo non è un downgrade che tolleri, è una voce di costo che cambia di un ordine di grandezza.

Nota la forma della curva più che il prezzo d'ingresso. Il livello più economico di Klein è 0,008 $, ma la tariffa è più o meno piatta fino a 2K e poi aumenta di 2,6 volte a 4K, mentre FLUX 3 Image aumenta di oltre 6 volte. Se i tuoi output sono a 1K, i due modelli hanno prezzi abbastanza vicini da far decidere la qualità. Se sono a 4K, non sono nella stessa categoria.

La licenza decide se puoi effettivamente distribuire

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.

Leggi attentamente la formulazione, perché due riassunti della stessa differiscono per portata. Il post di lancio descrive «l'uso commerciale gratuito per individui e aziende con un fatturato annuo inferiore a 5 milioni di dollari». La scheda del modello inquadra la stessa eccezione come riferita alla generazione di output commerciali da parte degli Utenti Qualificati, e aggiunge che essa «non costituisce un'autorizzazione generale per il fine-tuning o la distribuzione a fini commerciali». Per un team il cui piano è fare fine-tuning di Klein su dati proprietari e distribuire il modello risultante all'interno di un prodotto, il post di lancio non è il documento che risponde alla domanda. Lo è il testo completo della licenza.

C'è anche una clausola che vale la pena conoscere prima di progettare una pipeline di dati attorno a Klein: la licenza limita l'uso del modello, dei suoi derivati o dei suoi output per migliorare un altro modello di IA che svolge una funzione simile a un modello FLUX. La generazione di dati sintetici per addestrare un modello di immagini concorrente è esattamente il caso per cui quella clausola è stata scritta.

L'unica cosa che non devi saltare

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.

Arrivarci e cosa succede dopo

I pesi sono su Hugging Face dietro un gate di accettazione della licenza, con codice di inferenza di riferimento e una demo Gradio per il controllo dei bounding box nella stessa organizzazione. L'endpoint ospitato è l'API del fornitore stesso. Klein non è nel catalogo di OrcaRouter oggi, quindi non c'è nulla da instradare qui per noi, e preferiamo dirlo chiaramente anziché lasciar intendere il contrario. Quello che OrcaRouter ti offre davvero è l'altra metà di una vera pipeline di immagini: i modelli di immagini ospitati che sono nel catalogo stanno dietro a un'unica chiave insieme a oltre 200 altri modelli, con il prezzo di listino del fornitore trasferito con un ricarico dello 0% e failover automatico se un fornitore vacilla. I team che finiscono per eseguire Klein per lavori 4K in blocco e chiamare un modello ospitato per il percorso interattivo stanno facendo esattamente la suddivisione per cui è costruito un singolo 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.

I benchmark invecchiano e i prezzi si muovono; il registro dei fallimenti no: gli incidenti documentati di IA e i fallimenti degli agenti dietro i modelli di questa classe sono raccolti presso l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di controversia.