FLUX 3 Image Klein プロンプトアップサンプラー：BFLが名前を伏せて出荷した18.8GBモデル

Black Forest Labs は2026年10月15日に2つのモデルを出荷し、そのうち1つを発表した。発表されたモデルは FLUX 3 Image Klein で、5.6B のオープンウェイト画像生成器であり、ローンチ記事、価格表、ComfyUI ワークフロー、そして一連の業界報道を生み出した。もう1つは FLUX 3 Image Klein Prompt Upsampler — Qwen3.5-9B を 18.8 GB にファインチューンしたもので、短いリクエストを画像モデルが期待する長いキャプションに書き換える — であり、このリリースの中で最も寛容な成果物である。そのリポジトリは公開されており、アカウントも不要で、Apache License 2.0 を採用している。一方、その3つの兄弟リポジトリはそれぞれ FLUX Kommunity License とアクセスゲートを備えている。BFL のローンチ投稿はこれについて一切名指ししていない。FLUX 3 Image Klein のモデルページ、リリースノート、API ドキュメントも同様で、35,000文字の中に「upsampler」という語は一度も出てこない。

その差は5分ほどで確認でき、しかも確認する価値がある。なぜならアップサンプラーは、あなたが週末をかけて調整するほとんどの設定よりも、画像がどう見えるかを大きく左右するからだ。さらに、この発表が答えていない疑問も浮かび上がる。B​FLがこれを、自らの上に構築できる単独モデルとして意図しているのか、それとも自社推論コードの負荷を支える依存関係であり、たまたまApacheヘッダー付きで公開されたものなのか、という点だ。本稿では、リポジトリが証明している事柄と、B​FLでしか確認できない事柄を切り分ける。以下の数値はすべて、モデルカード、Hugging Face API、参照推論コード、またはB​FL自身のドキュメントから得たものであり、そのいずれも第三者による独立したベンチマークは行われていない。

実際に出荷されたものは何で、どの部分が名前を付けられていなかったのか

まず日付から始めよう。これらは正確だからだ。upsampler リポジトリは、2026年10月14日20:40 UTCに Hugging Face 上で作成され、最終書き込みは10月15日15:32 UTCだった — それが提供する FLUX 3 Image Klein リポジトリと分単位で同じ時間帯だ。ローンチ記事の日付は10月15日。つまりこれはリークでも、プレビューでも、誰かが寝かせているチェックポイントでもない。それが属するモデルと並んで公開されたファーストパーティのリリースなのだ。

それが得られなかったのは、発表の中の名前だ。B​FL自身によるそのリリースの列挙を読めば、パターンは一貫している：

• ローンチ記事では、FLUX 3 Image Kleinのウェイト、NVIDIAと共同で構築されたFP8、INT8、NVFP4ビルド、初日からのComfyUIとDiffusersのサポート、およびそのライセンスについて説明しています。「プロンプト・アップサンプリング」については、ホスト型APIエンドポイントの機能として一度だけ言及されており、モデル名の記載もリポジトリへのリンクもありません。

• モデルページ（bfl.ai/models/flux-3-image-klein）には、非蒸留版と蒸留版が掲載されており、APIアクセスには「プロンプト強化」が含まれると説明されています。また、リポジトリもありません。

• 10月15日のリリースノートには、ウェイトが記載されています：Klein（蒸留版）、Klein Base、およびComfyUIのウェイトです。アップサンプラーはその中に含まれていません。

• FLUX 3 Image Klein の API ドキュメントは 35,148 文字です。「upsampl」を大文字小文字を区別せずに検索しても、ヒットは 0 件です。

• GitHub上のリファレンス推論コードは、最終的にそれが現れる場所だ——「Prompt upsampling」と題されたREADMEセクション、CLIの--no-pupフラグ、--pup-memory予算、そしてflux3/pup.pyモジュール。これが「隠されているのか？」という問いへの正直な答えだ：いいえ。それは文書化され、統合され、デフォルトで実行され、リポジトリをクローンすればすぐに遭遇するだろう。

この区別は重要であり、曖昧になりやすい。これはステルスリリースではない。最も寛容なライセンスのコンポーネントが配管（プラミング）のように扱われたリリースなのだ。コミュニティはマスコミよりも早く気づいた——10月15日までに、Hugging Face 上にはすでにアップサンプラーのサードパーティ製 GGUF 量子化が存在し、ミラー組織が4つのリポジトリすべてをコピーしていた。

アップサンプラーとは実際何なのか

モデルカードはその系譜について率直に述べている。これは、ビジョンタワーを凍結したQwen3.5-9Bのフルファインチューニングだ。設定ファイルはその形状を裏付けている——32層、隠れ状態の幅4,096、4個のキー・バリューヘッドに対する16個のアテンションヘッド、262,144トークンの位置上限、語彙数248,320。層スタックは均一ではない。4層ごとに3層が線形アテンションを使い、4層ごとに1層がフルアテンション層になる。ビジョンタワーは27層の深さで幅1,152、パッチサイズ16、空間マージ2。これは現世代のハイブリッドアテンション型視覚言語モデルであり、言語モデルを後付けしたプロンプトテンプレートではない。

ディスク上では、単一の18.82 GBのbfloat16 safetensorsファイルに加えて、トークナイザー、チャットテンプレート、そして他よりも興味深いファイルが1つあります。system_prompts.jsonは12.6 KBで、t2i、i2i、t2i_bbox、i2i_bboxという名前の4つの完全なシステムプロンプトを保持しています。これら4つのプロンプトは、モデルの実際のインターフェースです。それらは可読でもあり、つまりアップサンプラーの動作はブラックボックスではありません — 何をするように指示されたのかを正確に読み取り、それが実行されたかどうかを確認できます。

カードによれば、トレーニングは2段階で行われた。まず、短いリクエストとその拡張プロンプトのペアに対する教師ありファインチューニング、次に、モデル自身の出力のペアに対する選好チューニングである。後者は、固定シードでFLUX 3 Image Kleinを通してレンダリングされ、得られた画像に基づいて順位付けされた。注目すべきは、この第2段階の方である。アップサンプラーは、読みやすいプロンプトを書くようにチューニングされたのではない。画像モデルがそれらを実行したときに、自身のプロンプトのどれがより良い画像を生み出したかによってチューニングされたのだ。これはベンダーが報告した手法であり、公表されたアブレーションではなく、それに関する独立した評価は存在しない。

4つのモードと、パイプラインがそのうちの1つを選ぶ仕組み

アップサンプラーは常にテキストから画像を生成するツールというわけではありません。どのシステムプロンプトを読み込むかは、何を渡すかによって決まり、そのルールは bbox.py にあります:

• 参照画像なし、ボックスなし — t2iプロンプト。リクエストを単一の詳細なキャプションに展開します。

• 参照画像、ボックスなし — i2iプロンプト。参照画像を確認し、各参照対象をその実際の見た目に基づいて特定する編集指示を書き出す。曖昧なリクエストは、提供された画像に対して最も妥当な編集として解釈される。

• ボックス指定、テキストから画像 — t2i_bbox プロンプト。出力はキャプションと、それに続く JSON 要素テーブルになります。テーブルは 0〜1000 のキャンバス上のオブジェクトごとに 1 行で、キャプションは各行を山括弧 ID で参照します。

• ボックス＋参照 — i2i_bboxプロンプト。これは、ref_image_Nから取得したコンテンツと target とマークされたコンテンツを区別する from フィールドを含むアノテーション記録を返し、さらにソース内のボックスと想像上の出力内のボックスも返します。

あなたのボックスは競合に勝ちます。コードはあなたの 0～1 座標を 0～1000 のグリッドに変換し、権威あるロック済みリストとしてモデルに渡し、その後、回答を照合します。モデルが独自の id で再計画した行のうち、ロック済みボックスと intersection-over-union（IoU）0.9 以上で重なるものはロック済み id を引き継ぎ、ロック済み行はモデルの説明を採用したうえでそのまま書き戻されます。あなたのレイアウトは、モデルが改善してよい提案ではありません。

デコーディングは固定されており、自分で呼び出すならコピーする価値があります：greedy、top-p 0.95、top-k 20、新規トークンの上限3,584、そしてテキストから画像への生成ではプレゼンスペナルティ1.5、編集では0.0です。この非対称性は意図的です — ペナルティはキャプション生成器が同じ内容を繰り返すのを止めるために存在しており、同じオブジェクトを正当に2回言及する編集指示がそのことで罰せられるべきではありません。

プロンプトが要求していること — そして、あなたのプロンプトが今のような見た目になっている理由

t2iシステムプロンプトは、FLUX 3 Image Kleinの挙動を奇妙に感じた人にとって、今回のリリースで最も役立つ文書である。その中の指示のいくつかは、モデルの出力スタイルを直接説明している：

• 長さ。「一般的な長さは100～350語で、複雑なシーンではそれ以上になります。」アップサンプラーは、あなたのプロンプトを圧縮したり要約したりしているのではありません。およそ一桁分拡張しているのであり、画像モデルはその範囲のキャプションで学習されています。

• 注目されるすべての人物についてプロフィールが作成されます。民族、性別、年齢層、肌の色、髪、服装 — 観察可能な属性として。プロンプトには「fair skin」と「brown skin」の例が示されています。

• 背景はキャプションのおよそ6分の1を占める。明示的。プロンプトはまた、ピントが合っていない遠くの内容を、正体や読み取れるテキストではなく、形、色、シルエットとして記述することを求めている。

• スタイルは既定で写真になります。スタイルの指定がない場合、モデルは実際の写真を計画し、媒体の慣例——「フルカラーの屋外写真」「スタジオ写真」——で書き出し、「フォトリアリスティック」はレンダリング用に取っておきます。「リアル」なものを求めるリクエストは、そのまま繰り返されるのではなく、写真の慣例へと変換されます。

• 禁止事項。 曖昧な副詞を使わない。品質や感情についての判断をしない。雰囲気についての結びの文を書かない。否定は、そこに何が存在するかを述べる文に書き換える。生成的語り口は必須である：「this image shows」と「we can see」は完全に禁止する。

• アンチ・ストックフォト。 このプロンプトは「ストックフォト的な理想ではなく、そのシーン自体のオブジェクトから引き出された、平凡で理想的とは言えないいくつかの具体物」を求めている。つまり、画像をよりありきたりでなくするための指示が、システムプロンプトに書き込まれているのだ。

• テキストの取り扱い。 レンダリングされたテキストは、元の言語と文字体系のまま二重引用符内に逐語的に転記し、改行、タイポグラフィ、色、配置を指定する必要があります。リクエストが必要とするテキストを提供していない場合、モデルは具体的でドメインに即した文言を作成します。

そのリストを期待外れの生成結果と照らし合わせて読めば、たいていどのルールに十分な材料が与えられていなかったのかが分かる。背景が空っぽの平坦なポートレートは、シーンも、照明も、ありふれた具体的な要素も含まれていないリクエストだ。それでもモデルはプロンプトを拡張し、自分が選んだ汎用的な計画でその隙間を埋めてしまう。

メモリと時間の面であなたにかかるコスト

アップサンプラーはB​FL自身のパイプラインではデフォルトで有効になっており、これを気にする実用的な理由は、「デフォルトで有効」とは最初のモデルが生成している間、2つ目のモデルが常駐することを意味するからです。参照コードとドキュメントから:

• ディスク — bfloat16の重みで18.82 GB、蒸留された画像モデル自身のsafetensorsは11.1 GB、ベースモデルは約11 GBです。

• VRAM — リファレンス実装では、アップサンプラーにGPUの一部が割り当てられ、デフォルトはPython APIで0.35、スタンドアロンモジュールのコマンドラインでは0.85です。BFLのメモリ表はB200で測定されたもので、--no-pupを指定した画像モデルではbf16で31 GBとなり、アップサンプラーの予約分はその上に加算されます。

• 8 GB をめぐる話はさらに複雑になってきた。 BFL の見出しは、FLUX 3 Image Klein の INT8 ビルドがわずか 8 GB の VRAM しか載っていない RTX GPU で動作するというもので、これは画像モデルの話だ。ComfyUI のリポジトリでは、プロンプトアップサンプラーは別個の 9.75 GB の INT8 テキストエンコーダーファイルとして提供されている。8 GB のカードとアップサンプラーの両方を同時に常駐させた構成を公開した人は誰もいない。

• オフスイッチはフラグ1つだけです。 --no-pup はプロンプトを入力どおりに送信します。デモにも同じトグルがあり、ホスト型APIのプロンプトアップサンプリングは、公開されている料金表の別個の明細項目ではなくエンドポイントの一部です：768スクエアで$0.008、1Kで$0.009、1.5Kで$0.011、2Kで$0.014、4Kで$0.036、生成と編集は同価格です。

• 参照画像は、アップサンプラーが処理する前にダウンスケールされます。 参照画像が1枚の場合は約100万ピクセルに制限され、2枚の場合はそれぞれ724×724、3枚以上の場合はそれぞれ512×512となって、JPEG品質92で再エンコードされます。モデルカードにはこれが制限事項として明記されています——参照画像内の細かい部分が誤って記述される可能性がある——そしてこれは、再現可能な特定の失敗の背後にある仕組みでもあります。小さく印刷された細部に依存する編集を依頼すると、アップサンプラーがその部分をフル解像度で見ていないため、誤った内容の指示が返ってくることがあります。画像モデルには元の画像が渡されます。

ライセンスこそが議論に値する部分だ

ここに、非対称性を率直に述べます。FLUX 3 Image Klein の重みには FLUX Kommunity License が適用され、年間売上 500 万ドル未満の個人および企業にのみ無償の商用利用を許可しています。より大規模な組織は、セルフホスト型ライセンスまたは API に振り分けられます。製品について商用ライセンスの問い合わせを発生させると、あなたが出荷しているモデルだけが対象となる成果物ではありません。

このリリースには4つのリポジトリが含まれていました。そのうち3つ — 蒸留モデル、ベースモデル、ComfyUI の重み — は、Hugging Face API によって gated: auto としてリストされています。これは、ファイルをダウンロードする前に規約に同意しなければならないことを意味します。1つは全くゲートされておらず、Apache License 2.0 を伴っています。プロンプト・アップサンプラーです。また、4つのうち、モデルカードで寛容なライセンスを直接明記している唯一のものでもあり、参照リポジトリ自身の README は明示的に線引きしています — コードは Apache 2.0、Klein の重みは FLUX Kommunity、そして「プロンプト・アップサンプラーは Apache 2.0 です」。

それによって何が得られるかは、未解決の問いにかかっている。アップサンプラーが真に独立したアーティファクトであれば、それは9Bクラスの視覚言語モデルであり、売上高のしきい値なしでファインチューニングし、再配布し、商用製品として出荷できる。そして現在、弁護士を必要としない条件のもとで、最先端の画像ラボからその能力を取得するための最も安価な方法だ。もしそれがBFLのリファレンスコードの依存関係としてのみ意図されているなら、それを転用することには、現時点でどの文書も解決していないリスクが伴う。

確認されていることと、確認されていないこと

リポジトリとHugging Face APIから確認済みで、そのすべてが再確認可能です。ファイル一覧とバイトサイズ、Apache 2.0ライセンス、アクセスゲートが存在しないこと、Qwen3.5-9Bベース、4つのシステムプロンプトとその全文、デコードパラメータ、参照前処理の予算、ボックス照合の挙動、2段階トレーニングの説明、および公表されている制限事項。

未確認であり、推測ではなく未解決事項として述べられている：BFLがアップサンプラーをサポート対象製品と見なしているのか、それとも内部依存関係と見なしているのか。Apache 2.0ヘッダーが意図的なライセンス決定だったのか、それともQwen3.5-9Bから継承された既定だったのか。第三者が対照比較を行っておらず、BFLがアブレーションを公表していないため、アップサンプラーが実際にどれだけ出力を改善するのか。選好チューニング段階がその訓練セット内のプロンプトを超えて汎化するのか。そして、9.75 GB INT8 ComfyUIファイルが同じモデルの低精度版なのか、それとも別の方法で準備されたものなのか。そのリポジトリのモデルカードはゲート付きで読めなかったからである。

また、率直に言えば、リポジトリ自体の数字は小さい。アップサンプラーは13ダウンロードと10いいねなのに対して、蒸留画像モデルはリリースから24時間で3,241ダウンロードと128いいね。それはモデルが重要でない証拠ではない — ほとんど誰もそれがそこにあることを知らなかったという証拠だ。

OrcaRouterが適する場面と、適さない場面

まず正直なところを言うと：OrcaRouterはBlack Forest Labsのモデルを一切ホストしていません。カタログは想定ではなく実際に確認したもので、そこにFLUXの項目はありません。以下に述べることはそれを覆すものではありません。

カタログに載っているのは比較セットだ。週末をかけてプロンプト拡張が自分の画像に役立つかどうかを試すつもりなら、興味深い実験は、同じリクエストをFLUX 3 Image Kleinでアップサンプラーをオンにしたりオフにしたりして実行し、次に、独自にプロンプトを処理するホスト型画像モデル——Googleの画像モデル、OpenAIのもの、Grokのもの——と突き合わせて、測定している差がアップサンプラーによるものか生成器によるものかを見ることだ。それらのホスト型モデルは OrcaRouter上の単一のキーから利用でき、プロバイダーの定価で、マークアップは一切追加されない。そのため、実験のコストはプロバイダー自身の料金だけで、それに上乗せされるものはない。それは18.82 GBを4回ダウンロードするよりも安くこの問いに答える方法だ。

ただし、その助言の限界については正確に述べておく価値がある。Apache 2.0 のもとでアップサンプラーをファインチューニングしたいなら、重みを自分のハードウェア上に用意し、9B の視覚言語モデルを提供できるランタイムが必要だ。OrcaRouter はその部分を行わないし、上記のライセンス問題はあなた自身で解決すべきものだ。

何がこれをより大きな物語に変えるだろうか

4つの点、変わる度合いの大きい順におおよそ並べると。第一に、B​FLからの名前を挙げた言及——モデルカード、ドキュメントページ、リリースノートの一行——があれば、ここでの枠組みが確定し、おそらくこの記事の更新を強いられるでしょう。第二に、固定シードでアップサンプラーありとなしで生成した画像についての、私たちのであれ誰のであれ、統制された評価。その数値は現在欠けており、誰もが実際に欲しがっているものです。第三に、Apache 2.0ライセンスが意図的なものかどうかについての声明。それが、この成果物を単に未記載であるだけでなく興味深いものにしているからです。第四に、FLUX 3ファミリーの残りにも同じ扱いを適用すること。アップサンプラーのパターンが当てはまるなら、他のティアも寛容なヘルパーモデルを添付し、告知なしに出荷されるでしょう。

それまでは、実用的な読み方は狭く、地味なものにとどまる。ダウンロードされる画像モデルはゲートされており、そのライセンスには収益しきい値が設けられているため、FLUX 3 Image Klein 上で構築したい人のほとんどは API から始めることになる。そこではアップサンプラーは自分で決めるものではなく、エンドポイントが行うもので、1画像あたり0.008ドルからという料金表に価格として織り込まれている。このリポジトリを気にかけるべきなのはセルフホスティングする人々であり、彼らにとって今週役立つ事実は、単純に、今回のリリースで最も寛容なライセンスの部分が、誰も彼らに知らせていなかった部分でもあるということだ。

失敗モードがまだ文書化されていないモデルにとって、有用な対応物は、すでに他の場所で何がうまくいかなかったかの記録です。このクラスのモデルに関する文書化されたAIインシデントとエージェントの失敗は、以下に収集されています：OrcaRouter AI Incident Archive。各エントリには、独自の出典、深刻度、信頼度グレード、係争フラグが付いています。