FLUX 3 Image Klein 출시: 56억 개 매개변수, 8GB VRAM, 그리고 라이선스에 명시된 500만 달러 조항

Black Forest Labs는FLUX 3 Image Klein을 2026년 10월 15일에 공개했습니다. 5.6B 파라미터 오픈 웨이트 이미지 모델로, 자사 API에서 flux-3-image-klein/이라는 종량제 엔드포인트로도 실행되며 1K 이미지당 $0.009부터 시작합니다. 이 모델은 더 큰 FLUX 3 Image 아래에 위치하며, 그 모델의 대표적인 표면 — 네이티브 4K 출력, 최대 10개의 레퍼런스 이미지, 요소를 배치하거나 편집하기 위한 바운딩 박스 — 을 1K 가격의 약 5분의 1, 그리고 훨씬 작은 풋프린트로 물려받았습니다. 이것들이 바로 출시 당시의 주장이며, 가중치와 라이선스, 가격표를 통해 확인할 수 있습니다. 아직 확인할 수 없는 것은 대부분의 구매를 좌우하는 단 하나의 주장, 즉 5.6B 모델이 품질에서 더 큰 오픈 웨이트 경쟁 모델들을 능가한다는 주장입니다.

이번 릴리스의 모든 품질 수치는 Black Forest Labs 내부에서 나온 것이다. 회사 외부에서는 아무도 벤치마크를 공개하지 않았고, 공개 리더보드에는 아직 Klein 항목이 없다. 출시된 지 하루 된 모델에게는 당연한 일이며, 이 점은 먼저 짚고 넘어갈 가치가 있다. 왜냐하면 이 글의 나머지 부분은 이례적으로 구체적이기 때문이다 — 파일 크기, 이미지당 요금, 라이선스 기준 — 그리고 품질 문제는 그 모든 것과는 별개다.

10월 15일에 실제로 출시된 것은 무엇이었나요?

이 발표의 제목은 FLUX 3 Image Klein: 오픈 웨이트, 5.6B 파라미터이며, 단일 체크포인트 공개가 아니라 완전한 릴리스를 열거하고 있습니다:

• 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.

• 세 가지 작업을 위한 하나의 모델. 텍스트-투-이미지, 단일 참조 편집, 다중 참조 구성이 동일한 가중치를 통해 실행됩니다. 참조 이미지는 구조를 고정하기보다는 콘텐츠를 정박하며, 모델은 최대 10개의 참조 이미지를 받아들입니다.

• 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.

리포지토리들은 발표보다 먼저 올라왔습니다 — 베이스 및 증류 모델 리포지토리는 10월 13일에, ComfyUI와 프롬프트 업샘플러 리포지토리는 10월 14일에 생성되었고 — 런칭 게시물, API 엔드포인트, 가격 페이지는 모두 15일에 뒤이어 나왔습니다. img src="2.png" alt="black-forest-labs/flux-3-image-klein의 Hugging Face 리포지토리 페이지를 헤드리스 브라우저로 캡처한 화면으로, 라이선스 동의 게이트, flux-kommunity-license 배지, BF16 텐서 타입의 6B 파라미터로 표시된 모델 크기, 지난달 다운로드 3,241회, 좋아요 219개, 어댑터와 파인튜닝 목록을 보여주는 모델 트리가 나타나 있으며, 2026년 10월 16일 영어로 캡처되었습니다." />

8GB 주장, 그리고 누가 측정했는가

"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.

품질 주장이 어디에 서 있는지, 솔직히

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.

비용은 얼마인지, 그리고 곡선은 어떻게 휘어지는지

The API rate is the sharpest thing in the release. On B​FL's published image pricing, the distilled Klein checkpoint is:

• 768 × 768 — 이미지당 $0.008

• 1K — 이미지당 $0.009

• 1.5K — 이미지당 $0.011

• 2K — 이미지 1장당 $0.014

• 4K — 이미지당 $0.036

동일한 표에서는 해당 다섯 티어에 대해 FLUX 3 Image의 가격을 $0.041, $0.048, $0.07, $0.10, $0.607로 책정합니다. 이는 1K에서 5.3배 차이이고 4K에서는 대략 17배이며, 이것이 Klein의 상업적 논거 전체입니다. 워크로드가 대량의 4K 텍스트-투-이미지라면, 더 작은 모델은 감수해야 하는 다운그레이드가 아니라 자릿수 단위로 비용이 달라지는 항목입니다.

진입 가격보다 곡선의 모양에 주목하세요. Klein의 가장 저렴한 티어는 $0.008이지만, 요금은 2K까지 거의 평탄하다가 4K에서 2.6배로 뛰는 반면, FLUX 3 Image는 6배 넘게 뛰어오릅니다. 출력이 1K라면 두 모델은 가격이 충분히 비슷하므로 품질이 선택을 결정해야 합니다. 4K라면 둘은 같은 논의 대상이 아닙니다.

라이선스가 실제로 배포할 수 있는지 여부를 결정합니다.

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.

문구를 주의 깊게 읽으세요. 그것에 대한 두 요약이 범위를 달리하기 때문입니다. 출시 게시물은 "연간 매출이 $5M 미만인 개인과 기업을 위한 무료 상업적 사용"을 설명합니다. 모델 카드는 동일한 예외를 Qualifying Users의 상업적 출력 생성에 적용되는 것으로 규정하며, "상업적 미세 조정이나 배포에 대한 포괄적 허가는 아니다"라고 덧붙입니다. 독점 데이터로 Klein을 미세 조정하고 그 결과 모델을 제품 안에 출시할 계획인 팀에게, 출시 게시물은 그 질문에 답하는 문서가 아닙니다. 전체 라이선스 텍스트가 답입니다.

Klein을 중심으로 데이터 파이프라인을 설계하기 전에 알아둘 만한 조항도 있습니다. 라이선스는 모델, 그 파생물 또는 그 출력을 FLUX 모델과 유사한 기능을 수행하는 다른 AI 모델을 개선하는 데 사용하는 것을 제한합니다. 경쟁 이미지 모델을 훈련하기 위한 합성 데이터 생성은 바로 그 조항이 겨냥해 작성된 사례입니다.

당신이 절대 건너뛰어서는 안 되는 한 가지

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.

본론으로 들어가기, 그리고 그다음에 일어나는 일

가중치는 라이선스 동의 게이트 뒤에 있는 Hugging Face에 공개되어 있으며, 같은 조직에서 바운딩 박스 제어를 위한 참조 추론 코드와 Gradio 데모도 제공합니다. 호스팅 엔드포인트는 벤더 자체의 API입니다. Klein은 현재 OrcaRouter의 카탈로그에 없으므로 여기서 우리가 라우팅할 것은 아무것도 없으며, 그렇지 않은 듯이 암시하기보다는 이를 솔직히 말씀드리는 편이 낫다고 봅니다. OrcaRouter가 실제로 제공하는 것은 진짜 이미지 파이프라인의 나머지 절반입니다: 호스팅 이미지 모델이 있으며 카탈로그에서 200개 이상의 다른 모델과 함께 하나의 키 뒤에 자리하며, 제공업체의 정가가 0% 마크업으로 그대로 전달되고 한 제공업체가 흔들리면 자동 페일오버가 작동합니다. 대량 4K 작업에는 Klein을 돌리고 인터랙티브 경로에는 호스팅 모델을 호출하는 팀들은 바로 단일 엔드포인트가 만들어진 그 분담을 그대로 하고 있는 것입니다.

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.

벤치마크는 낡아가고 가격은 변동하지만, 실패 기록은 그렇지 않습니다: 이 계열의 모델과 관련된 문서화된 AI 사고와 에이전트 실패는 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목은 자체 출처, 심각도, 신뢰도 등급, 이의 제기 플래그를 갖추고 있습니다.