FLUX 3 Image Klein staat op #1 onder open-weightmodellen — op de ranglijst die de maker zelf heeft opgesteld

Het getal is nu overal. FLUX 3 Image Klein eindigde als eerste onder open-weight modellen op tekst-naar-afbeelding, als eerste in generatie met meerdere referenties, als eerste in beeldbewerking — en versloeg het oudere FLUX.2 [klein] 9B met 91 Elo op tekst-naar-afbeelding en 70 Elo op bewerken, terwijl het 38% minder parameters heeft. Dat zijn de cijfers in het lanceerbericht van Black Forest Labs, in de overzichten, op de socialcard. De zin die vaak wordt weggelaten, is de zin die er in de bron aan vastzit: dit zijn interne evaluaties.

Dat is geen schandaal. Zo worden bijna alle beeldmodellen gelanceerd, en het is de enige vergelijking die een lab kan uitvoeren voordat iemand anders de gewichten heeft. Maar het verandert wat een lezer met de ranglijst zou moeten doen. FLUX 3 Image Klein is echt uitgebracht — 5,6B parameters, open gewichten, gepubliceerd op 15 oktober 2026 onder de FLUX Kommunity License, aanroepbaar voor $0,009 per 1K afbeelding via BFL's eigen API. Wat nog niet bestaat, is een score van iemand die niet Black Forest Labs is. Het model is echt; de positie op de ranglijst is een bewering.

Wat de release nu eigenlijk vaststelde

Scheid de artefacten van de marketing, want ze hebben een verschillend gewicht. De artefacten zijn vandaag door iedereen controleerbaar, zonder GPU:

• Gewichten — een beeldgenerator met 5,6B parameters, met een basischeckpoint voor fine-tuning en een gedistilleerd checkpoint van 16 stappen voor lage latentie

• Precisie-builds — BF16 bij 11,2 GB, FP8 bij 5,6 GB, plus INT8- en NVFP4-builds gemaakt met NVIDIA

• Licentie — FLUX Kommunity License: gratis commercieel gebruik voor individuen en bedrijven met een jaaromzet onder $5M; boven die grens betaalde self-hosted licenties of de API.

• Mogelijkheden — tekst-naar-afbeelding, bewerken, generatie met meerdere referenties met maximaal 10 referentieafbeeldingen, native 4K en bounding-box-besturing

• Prijs — $0.009 per 1K afbeelding op de leveranciers-API, met een 2K-tarief daarboven

• Tooling — LoRA-trainingsrecepten voor Diffusers, Ostris AI Toolkit en NVIDIA NeMo AutoModel

Dat alles staat in de repository en de documentatie. Niets daarvan is afhankelijk van de juistheid van een benchmark. Een model kan klein, snel, licentieerbaar en downloadbaar zijn zonder ergens de beste in te zijn, en die eigenschappen zijn op zichzelf waardevol.

Wat de release niet vaststelde, is relatieve kwaliteit. De lanceringspost toont Elo-grafieken in plaats van exacte scores in de tekst af te drukken, dus de precieze kloof tussen Klein en de vergelijkingsset is niet eens volledig citeerbaar — je kunt de balken lezen, niet de cijfers. De genoemde vergelijkingsmodellen zijn Qwen-Image 2.1 met 7B en Krea 2 met 12.9B, waarbij Krea 2 is uitgesloten van de bewerkingsvergelijking omdat het geen bewerking ondersteunt. Dat zijn verstandige controles. Het zijn nog steeds de eigen controles van het lab, in de eigen testomgeving van het lab, met prompts die het lab zelf heeft gekozen.

Het woord "third-party" doet werk dat het niet heeft verdiend.

Veel van de berichtgeving over deze release beschrijft de ranglijsten als benchmarks van derden. Dat zijn ze niet. Een zoekopdracht naar een onafhankelijke vermelding in een ranglijst levert de blogpost van de leverancier op en een dozijn herschrijvingen daarvan, en die herschrijvingen nemen de framing over zonder het voorbehoud over te nemen.

De nuttigste openbare ranglijst voor beeldmodellen is Artificial Analysis, die rangschikt op Elo op basis van paarsgewijze menselijke voorkeursstemmen. De tekst-naar-afbeelding-ranglijst ervan, versie 2.1, vastgelegd op 16 oktober 2026, telt 42 zichtbare vermeldingen. GPT Image 2.5 Sunburst staat eerste met 1218. Nano Banana 2 staat zevende met 1139. FLUX 3 Image staat dertiende met 1114, op 5.766 samples, met een door de ranglijst aangegeven prijs van $48 per duizend afbeeldingen. FLUX.2 [klein] 9B — de baseline in de vergelijking van BFL — staat zesentwintigste met 1026.

FLUX 3 Image Klein staat niet op die ranglijst. Niet bij de lancering, niet acht dagen later. De vermelding met het label "FLUX 3 Image" is een ander product: het is het grotere model dat alleen via API beschikbaar is, en het cijfer van $48 per duizend op de ranglijst komt overeen met het gepubliceerde prijsbereik van dat model, niet met Klein's $9. Dit is om een simpele reden van belang. Op de enige onafhankelijke ranglijst die bestaat, is het best scorende open-weight afbeeldingsmodel niet Klein en helemaal geen model van Black Forest Labs — het is Qwen-Image-3.0-Pro met 1093. De bewering dat Klein eerste is onder de open-weightmodellen wordt dus niet tegengesproken door de openbare ranglijst. Het staat er simpelweg niet op.

Zet BFL's eigen delta naast een openbaar bord

Er is een manier om een ruwe indicatie te krijgen zonder te doen alsof het een meting is. BFL geeft zijn winst weer als delta's ten opzichte van FLUX.2 [klein] 9B, en dat oudere model staat op de publieke ranglijst. Neem dus de publieke score en tel de delta van de leverancier erbij op:

• Tekst-naar-afbeelding — FLUX.2 [klein] 9B staat op 1026 op Artificial Analysis, en met de +91 van BFL komt het uit in de buurt van 1117

• Bewerken — FLUX.2 [klein] 9B staat op 1015 op het bewerkingsbord; met de +70 van BFL erbij komt het uit op bijna 1085

Lees dit als een rekensom, niet als een voorspelling. Elo-delta's zijn niet overdraagbaar tussen testopstellingen. Een gat van 91 punten dat op BFL's promptset is gemeten, laat zich niet punt voor punt overzetten naar een ranglijst die is opgebouwd uit publieksstemmen op andere afbeeldingen, met andere stemmers en een ander steekproefvenster. De oefening is alleen nuttig voor de schaal: ze suggereert een model dat in tekst-naar-afbeelding in de lage 1100 zou uitkomen, ongeveer waar FLUX 3 Image al zit en ruim achter Nano Banana 2 op 1139. Ze suggereert niet een model dat het open-weightveld met ruime marge zou aanvoeren, en zeker niet dat de +91 zich vertaalt naar een eerste plaats in het algemeen klassement.

Als je de eerlijke versie in één regel wilt: een score in de lage 1100 zou zeer waarschijnlijk het beste open-weightmodel op dat leaderboard zijn, aangezien de huidige koploper daar 1093 is. De richting van BFL's bewering is dus plausibel. De grootte is niet geverifieerd, en de voorsprong op de dichtstbijzijnde open-weightrivaal kan veel kleiner zijn dan de framing bij de lancering suggereert.

Wat we zagen toen we het uitvoerden

Onze eigen ervaring met het model wijst op iets specifiekers dan "het beste open-weight beeldmodel". We hebben FLUX 3 Image Klein via de API van de leverancier uitgeprobeerd, zonder vaste promptset of beoordelingsrubric, dus beschouw dit als een observatie en niet als een resultaat. Wat er vooral uitsprong, was nauwkeurige, gelokaliseerde bewerking: één object in een scène wijzigen, een element naar een begrensd gebied verplaatsen, of een instructie toepassen waarbij de rest van het beeld ongewijzigd zou moeten blijven. Gevallen waarin bijna alles mag veranderen — een volledige restyle, een algehele verandering van de belichting — waren veel moeilijker te onderscheiden van de vorige generatie.

Dat is precies tegengesteld aan de nadruk in het grootste deel van het publieke debat. De framing rond de lancering draait om de vraag of Klein überhaupt kan bewerken, en of het modellen verslaat die vijf keer zoveel kosten. De nuttigere vraag voor iedereen die productiewerk doet, is of het nauwkeurig kan bewerken. Nauwkeurige bewerkingen zijn precies waar een bounding box en een behouden achtergrond echt van belang zijn, waar een klein model ofwel de rest van de scène vasthoudt of die stilletjes opnieuw schildert, en waar een nieuwe poging niet alleen geld kost, maar ook een reviewcyclus.

Redigeren is de bewering die de zwaarste test verdient.

Van de drie claims over een eerste plaats is bewerking degene waar je het meest sceptisch over moet zijn, om een structurele reden. De kwaliteit van tekst-naar-afbeelding is over het algemeen goed te beoordelen — een menigte kan naar twee afbeeldingen kijken en er één kiezen. De kwaliteit van bewerking is afhankelijk van het opvolgen van instructies, en instructieopvolging is precies het ding dat de eigen promptset van een leverancier het beste kan laten schitteren. Als je evaluatieprompts zijn geschreven door de mensen die het model hebben afgestemd, meet je de doorsnede van twee dingen die je controleert.

Er is ook een detail in de pipeline dat elke vergelijking die je zelf draait beïnvloedt. Klein wordt geleverd met een aparte prompt-upsampler — een 9B-finetune van Qwen3.5-9B genaamd flux-3-image-klein-pup — die standaard is ingeschakeld en waarvan BFL zegt dat het model niet bedoeld is om zonder te draaien. Dat betekent dat een naïeve benchmark die prompts verstuurt zoals ze zijn getypt, een ander systeem meet dan het systeem dat de leverancier heeft geëvalueerd. Elke onafhankelijke test die de moeite van het lezen waard is, moet vermelden of de upsampler aan stond, omdat dezelfde checkpoint opvallend andere uitvoer kan produceren afhankelijk van het antwoord. Dat is heel wat methodologisch oppervlak voor een bewering die momenteel op één dia van één lab berust.

De snelheidscijfers zijn van NVIDIA

Eén reeks cijfers in de release heeft een andere herkomst dan de kwaliteitsclaims, en het is de moeite waard om die correct toe te schrijven. De latentiecijfers — ongeveer 4 seconden voor een afbeelding van 1 MP op een RTX 5090 in INT8 bij 16 stappen, minder dan 9 seconden op een RTX 4070, 0,55 seconden op een GB300 — zijn gemeten door NVIDIA, waarbij de RTX-resultaten via ComfyUI zijn verkregen. Dat is nog steeds een leveranciersgerelateerde meting, aangezien NVIDIA heeft geholpen bij het bouwen van de gequantiseerde checkpoints, maar het is een hardwaremeting en geen voorkeursoordeel, en hardwaremetingen zijn veel gemakkelijker te reproduceren. Als je de kaart hebt, kun je het in een middag controleren.

De bewering over 8 GB VRAM verdient dezelfde behandeling. Die geldt wel voor de INT8-generatorbuild. Die geldt niet voor de volledige aanbevolen pipeline, omdat de prompt-upsampler een aparte BF16-download van 18,8 GB is die zijn eigen geheugen opeist. Een gebruiker die "draait op 8 GB" leest en vervolgens de standaardpipeline inschakelt, ontdekt welke bewering wel en welke niet was afgebakend.

Hoe u dit zelf kunt controleren

De goedkoopste eerlijke test is geen leaderboard. Het zijn twintig van je eigen prompts, twee keer uitgevoerd — één keer met de upsampler en één keer zonder — op de taken die je echt belangrijk vindt, beoordeeld op basis van of je de output zou uitbrengen. Klein maakt dit ongewoon praktisch omdat de gewichten downloadbaar zijn en de licentie commercieel gebruik toestaat onder de omzetgrens van $5M, dus de test vereist geen account bij wie dan ook.

Voor al het overige is een routeringslaag de goedkoopste manier om dezelfde prompt via de endpoints van meerdere leveranciers met één sleutel te draaien, en daar is OrcaRouter voor: één OpenAI-compatibele API voor meer dan 200 modellen, 0% opslag waarbij de lijstprijs van de provider rechtstreeks wordt doorgegeven, en automatische failover wanneer een endpoint achteruitgaat. Het is goed om expliciet te zeggen dat dit geen route naar Klein is. Onze catalogus telt 210 modellen en bevat helemaal geen FLUX-vermelding, dus voor dit model zijn de eerlijke opties vandaag BFL's eigen API of een zelfgehost checkpoint. Dat zeggen we liever dan iets anders te suggereren.

Wat zou het beslechten?

Drie dingen, in oplopende volgorde van nut. Ten eerste: Klein verschijnt als aparte vermelding op een onafhankelijke ranglijst — niet samengevoegd met FLUX 3 Image, dat een ander model in een andere prijsklasse is. Ten tweede: die vermelding doorstaat een paar duizend stemmen in plaats van een paar honderd, omdat vroege Elo bij een nieuw model ruis bevat en de neiging heeft naar beneden te drijven naarmate de nieuwigheidsstem afneemt. Ten derde: iemand publiceert een bewerkingsvergelijking waarin de upsampler-instelling wordt vermeld, want zonder dat zijn de cijfers niet onderling vergelijkbaar.

Tot dan is de accurate zin smaller dan de kop en nuttiger dan elk van beide uitersten. FLUX 3 Image Klein is een open-weight beeldmodel van 5,6B voor $0.009 per 1K afbeelding dat op consumentenhardware draait, waarvan de leverancier meldt dat het het beste open-weight model is voor tekst-naar-afbeelding, multi-referentiegeneratie en -bewerking. De eerste helft van die zin is geverifieerd. De tweede helft is een bewering met een genoemde auteur, en de auteur is het lab dat het heeft gebouwd.