FLUX 3 Image Klein vs Qwen-Image 2.1 Turbo：ライセンスがベンチマークより先にこの勝負を決める

FLUX 3 Image Kleinは Black Forest Labs による 2026年10月15日の発表、そしてQwen-Image 2.1 Turboは、その1週間前の 2026年10月9日に Alibaba から登場した——両者は、2社が同じ製品を出したかのように見える。テキストからの画像生成、編集、マルチリファレンス合成を単一の重みセットでこなす小型のオープンウェイト画像生成モデルで、どちらも最大10枚の参照画像を受け付け、高速化された推論パスを備えて提供される。スペックシートを並べて見比べれば、ほとんどの項目で Qwen-Image 2.1 Turbo が勝っている——パラメータ数はより多く、デノイズステップはより少なく、透過にもマスクにも対応する。だが、2つのライセンスに目を通すと、より小型で、一見遅そうで、推論を考えると割高に見えるほうのモデルこそ、何ひとつ署名することなくビジネスを築ける唯一のモデルだということが分かる。

その逆転こそが比較のすべてだ。他のすべて——パラメータ数、価格、レンダリング時間——は、それを乗り越えて初めて量る細部にすぎない。

各モデルの正体

FLUX 3 Image Klein is a 5.6B-parameter image transformer under the FLUX Kommunity License, released as open weights plus a metered endpoint on BFL's own API starting at $0.009 per 1K image. It is the smaller member of the FLUX 3 Image family and inherits that family's surface: native 4K output, bounding boxes written as [top, left, bottom, right] on a 0–1000 grid, and up to ten reference images. It ships in two checkpoints — a step-distilled build at 16 steps for generation, and an undistilled base at 50 steps for fine-tuning and LoRA training — plus FP8, INT8 and NVFP4 quantisations. The 5.6B counts the image transformer alone; the text encoder, Qwen3-VL-4B-Instruct, is a separate download.

Qwen-Image 2.1 Turbo は Qwen-Image 2.1 の高速化チェックポイントであり、同じ 7B の視覚生成アーキテクチャ — 32 層のシングルストリーム DiT — を維持しつつ、保存済みのサンプリングスケジュールとプレフィックス KV キャッシュによって推論を 8 回のデノイジングステップに短縮しています。これは生成と編集を統合したモデルで、Klein が及ばない機能を備えています。ネイティブの透明度に対応するため、RGBA 画像を直接生成・編集できます。また、バウンディングボックスではなく、描いた円、ペイントによる注釈、または個別のマスクによってローカル編集を行えます。重みは Qwen Research License Agreement の下にあり、ホスト版は Alibaba Cloud Model Studio と QwenCloud を通じて 1 画像あたり $0.016 で提供されています。

どちらも、ダウンローダーにとって重要な意味では、真のオープンウェイト公開だ。ファイルを入手し、ローカルで実行し、ファインチューニングできる。その後、出力を使って何ができるかは別問題であり、まさにそこが2社で答えの異なる点だ。

両者が袂を分かつのはライセンスの点だ

Qwen研究ライセンス契約は冒頭で明確だ。許諾は「非商業的目的に限る」であり、第2条(b)には、当社から別途の商用ライセンスを取得することなく「本マテリアルを商業目的で使用してはならない」と記されている。同契約が非商業について用いる言葉は「研究または評価目的」である。つまり、Qwen-Image 2.1 Turbo の重みは、Hangzhou Tongyi Laboratory との交渉によるライセンスなしには製品に組み込むことはできない。Alibaba のホスト型 API を通じてモデルを購入することは商用サービスであり、それ自体の条件が適用される。制限がかかるのはチェックポイントのセルフホスティングであり、それはまさにチームがオープンウェイトモデルを選ぶ目的そのものである。

FLUX 3 Image Kleinは逆を行く。FLUX Kommunity License v1.0では、ウェイトは非商用利用なら無料で、年間総売上高がUS$5M未満の個人および企業である「Qualifying Users」には商用出力の例外がある。そのラインを下回っていれば、Kleinの出力を商用で出荷でき、自身のコンピュート以外に費用はかからない。そのラインを上回る場合は、BFLからのセルフホストライセンスを取得するか、APIを利用する必要がある。

つまり、その分け方は「片方がオープンで片方がクローズド」ではない。どちらもダウンロード可能だ。片方は研究用にダウンロードでき、もう片方は一定の収益閾値までのビジネス用にダウンロードできる。インディー開発者や小規模スタジオにとっては、そのたった一つの条項が勝敗を完全に決めてしまう。

どちらに決めるにしても、その前に知っておく価値のある追加条件が2つある。Kleinのライセンスは、モデル、その派生物、またはその出力を、同様の機能を果たす別のAIモデルの改善に使うことを禁じている。競合する画像モデルを訓練するための合成データ生成が、この条項が対象とするケースだ。そしてQwenの契約では、再配布するコピーに帰属表示を添付し、変更したファイルには変更済みであることを明示することが求められている。これはありふれたオープンソースの定型事務だが、ファインチューンを公開する予定なら実際の義務となる。

仕様、行ごとに

• 画像ジェネレーター — FLUX 3 Image Klein 5.6Bパラメータ 対 Qwen-Image 2.1 Turbo 7B（32のシングルストリームDiT層）、それぞれ公開元が用いる計数方法によるもので、どちらもテキストエンコーダは除外。

• ノイズ除去ステップ — Kleinは蒸留版が16ステップ、ベースが50ステップ、それに対してQwen Turboは8ステップで、そのサンプリングスケジュールはチェックポイント内に保存されています。

• 最大出力 — Kleinは最大4096pxクラスのネイティブ4Kに対応する一方、Qwen Turboの公開プリセットは最大2752×1536（約4.2MP）にとどまり、最大の正方形は2048×2048です。

• 参考画像 — 両方に10枚ずつ。

• 領域制御 — Klein向けの0～1000グリッド上のバウンディングボックス（配置とスケール、明示的にハードピクセルマスクではない）対 Qwen-Image 2.1向けの描かれた円、ペイント注釈、または別のマスク。

• 透明性 — Qwen-Image 2.1はネイティブRGBAを生成・編集しますが、FLUX 3 Image Kleinはモデルカードでも製品ページでも透明性に関する主張を一切していません。

• プロンプトの扱い — Klein は前にプロンプトアップサンプラーを置く必要があり、モデルカードにもそれなしで実行しないよう明確に記されています。Qwen Turbo はプロンプトを書かれたとおりに受け取り、プロンプト拡張は API パラメータとして利用できます。

• ライセンス — FLUX Kommunity License は売上500万ドル未満であれば商用出力が無料、一方 Qwen Research License は非商用専用で、重みを商用利用するには別途ライセンスが必要です。

• ベンダーAPI価格 — 1K画像あたり$0.009、4Kでは$0.036に上昇するのに対し、各プリセットでは画像1枚あたり一律$0.016。

2つの価格表は、大量購入時に実際にどう機能するのか

Kleinの料金表は解像度に応じて変動しますが、Qwen Turboの料金表は変動しません。そのため、見出しの数字を比較しただけでは見落としやすい逆転が生じます。

• 1Kで10,000枚 — Klein $90 対 Qwen-Image 2.1 Turbo $160。Klein は44%安価。

• 2Kで10,000枚の画像 — Klein $140 対 Qwen-Image 2.1 Turbo $160。Klein のほうが依然として安く、その差は12.5%。

• 4Kで10,000枚 — Klein $360。Qwen-Image 2.1 Turboには価格比較できる4Kプリセットがなく、最大サイズは2752×1536で、価格は同じ$160です。

それらは公表された2つの料金表に基づく計算であり、見積もりではない。逆転点は2Kと4Kの間にあり、それが存在するのは両ベンダーが異なる単位で価格を設定しているからだ。BFLは解像度帯ごとに1枚あたりで課金し、Alibabaは1枚あたりの定額で課金する。ワークロードが1Kまたは2Kで回っているなら、Kleinのほうが両方のAPIで安く済む。これは「安価なQwenモデル」というイメージが抱かせる予想とは正反対だ。真の4Kで回っているなら、Qwen-Image 2.1 Turboは公開されているプリセットではそもそもそれを提供できない。したがって問題は価格ではない。

APIを呼び出すのではなくセルフホストする場合、この比較にはさらにひとつ複雑な要素が加わります。自前のハードウェア上では、画像あたりの料金は一切なく、GPUの固定費と、画像あたりの秒単位のコストがあるだけです。そして、この2つのモデルは、実行に必要なものが大きく異なります。

{{1}}自分で実行する{{/1}}

公開されているファイル一覧を合計すると、その差は歴然としている。FLUX 3 Image Klein の3つの BF16 コンポーネント——11.1 GB の Transformer、8.9 GB のテキストエンコーダー、0.34 GB のオートエンコーダー——は合計およそ 20.3 GB になり、INT8 ビルドはわずか 8 GB の VRAM を搭載した RTX で動作し、BFL のドキュメントでは下限を RTX 3090 としている。Qwen-Image 2.1 Turbo の BF16 ダウンロードは 17.53 GB のテキストエンコーダーが大部分を占め、Transformer は 9.97 GB と 4.26 GB のシャードに分割され、VAE は 0.68 GB——合計約 32.4 GB なので、そのテキストエンコーダーだけで、Klein が必要とするものすべてを合わせたよりも大きい。どちらの数値も、ベンダー自身のファイル一覧を当社が合計したものであり、ベンダーが公開した合計値ではありません。

速度の面では、ステップ数の比較は誤解を招く。Klein の蒸留チェックポイントは Qwen Turbo の8ステップの2倍のステップ数で動作するが、BFL が測定した数値——NVIDIA が ComfyUI 上で INT8 蒸留ビルドを用いて取得したもの——では、1 MP 画像が RTX 5090 で約4秒、RTX 4070 で9秒未満、GB300 では NVFP4 で0.6秒未満に短縮される。Alibaba は Turbo について比較可能な GPU 別の数値を公開していないため、正直な立場としては、Turbo の8ステップはアーキテクチャ上より短い経路であり、Alibaba 以外の誰もコンシューマー向けハードウェア上での秒数を公開していない、ということになる。

Budget for Klein's upsampler, whichever model you pick. The prompt upsampler is not optional for it — flux-3-image-klein-pup is a separate 9B vision-language model, an 18.8 GB BF16 download that adds around 28 GB of GPU memory on an 80 GB card when it runs alongside the generator. That single dependency erases Klein's VRAM advantage for anyone deploying on one small card, unless the caption is produced elsewhere and passed in.

どちらのモデルにも独立した品質スコアはない

これは両方の仕様表が空欄のままにしている行であり、それがどれほど空欄なのかについては正確を期す価値がある。2026年10月16日時点で、Artificial Analysisはテキストから画像生成と画像編集の別々のボードを運営しており、どちらにもFLUX 3 Image KleinやQwen-Image 2.1 Turboのエントリーはない。ボードに掲載されているのは各ファミリーの前世代であり、これは入手可能な独立した評価に最も近いものだ：

• テキストから画像生成 — Qwen-Image 2.1（ベースチェックポイント、Turboではない）は、5,356件の比較で1,041 Eloを獲得し20位、2026年9月リリース。FLUX 3 Imageは、Kleinが属する上位の兄弟モデルで、5,769件の比較で1,114 Eloを獲得し13位。

• 画像編集 — Qwen-Image 2.1は、6,138件の比較で1,081 Eloを獲得し19位にランクインしています。FLUX 3 Imageは編集ボードにまったくエントリーがありません。掲載されている最も近いFLUXモデルは、6,905件の比較で1,015 EloのFLUX.2 [Klein] 9Bです。

それらは予測としてではなく、文脈として読んでほしい。ベースの Qwen-Image 2.1 は Turbo ではない——蒸留チェックポイントはステップ数と引き換えに品質を犠牲にするもので、その犠牲がどれほどなのかは、Turbo がボードに不在であることによってまさに未解決の問いとして残されている。FLUX 3 Image も Klein ではないし、Black Forest Labs 自身のローンチ記事も両者を比較していない。つまり、Klein がそのより大きな兄弟モデルをどれだけ下回るかを示す公表された数値はどこにも存在しない。そして編集ボードでは、BFL が Klein は 70 Elo 上回ると主張するモデル——FLUX.2 [klein] 9B——が 1,015 に位置しており、Qwen-Image 2.1 が到達する地点よりおよそ 66 Elo 低い。BFL の主張は、Klein がその差を埋めてなお余りあるというものだが、今それを裏付ける唯一の証拠は BFL 自身のチャートだけだ。

どちらを選ぶべきですか

出力が商用で、事業が小規模なら、FLUX 3 Image Klein を選んでください。2つのうち、交渉なしで使える商用利用の道が重みに付属しているのはこれだけであり、1K と 2K の両方の API で画像あたりのコストがより安く、4K にも到達します。アップサンプラー用の予算を確保し、これを使ってデータパイプラインを構築する前に、競合トレーニングとファインチューニング済みモデルの再配布に関するライセンスの制限を読んでください。

透明度やマスクベースの局所編集が本当に必要な機能であるなら——{{Klein}}はどちらも提供していない——{{Qwen-Image 2.1 Turbo}}を選んでください。あるいは、非商用条項が決して拘束しない研究、評価、社内プロトタイプを動かしている場合にも。8ステップと7Bアーキテクチャのおかげで、ローカルで実験するには効率的なものです。32.4 GBのBF16フットプリントは、その実験の代償です。

両方が必要なら、この使い分けは正当だ。探索フェーズとその透明性パスには Qwen-Image 2.1 Turbo、本番用パスには FLUX 3 Image Klein。これは技術的な判断であると同時に、ライセンス上の判断でもある。

実際に電話すべき場所

両モデルは、ベンダー自身のAPI——KleinはBFL、TurboはAlibaba Cloud Model StudioとQwenCloud——を通じて、また複数のサードパーティプラットフォームを通じても利用できます。どちらも現時点でOrcaRouterのカタログにはありません。そして、裏付けのないルーティングの話をほのめかすより、そう正直に言いたいと思います。言えるのは、周辺のワークフローがどこに当てはまるかです。OrcaRouterはすでに、1つのAPIキーの背後で200以上のテキストおよびマルチモーダルモデルと並んで、ホスト型画像モデル群をルーティングしており、プロバイダーの定価に対する0%のマークアップと、プロバイダー間の自動フェイルオーバーを備えています。インタラクティブな経路でホスト型画像モデルを使い、バッチ作業用にオープンウェイトのチェックポイントを保持しているチームは、まさに単一エンドポイントが想定して作られている使い分けを実践しています。そして、この2つのどちらかがカタログに加わるなら、それはそこに現れるでしょう。

注目すべきは、次のスペックシートではない。それは、両モデルのいずれかについての最初の独立したEloであり、すでに前世代モデルが載っている同じボード上でのものだ。それが登場するまで、今争点となっている2つの主張——BFLの「より少ないパラメータでオープンウェイト品質をリードする」とAlibabaの「最もバランスが取れ、費用対効果に優れる」——はどちらも宣伝にすぎず、この比較で自信を持って行動に移せる行は、ライセンス、価格表、VRAMの下限だけだ。

スコアボードが測定するものと、導入が実際に満たすものとの間にあるこの隔たりこそが、この記録が重要である理由です。このクラスのモデルをめぐる、文書化されたAIの障害やエージェントのインシデントは、the OrcaRouter AI Incident Archiveに集められており、各エントリには独自の情報源、重大度、信頼度グレード、異議ありフラグが付いています。