FLUX 3 Image Klein is uit: 5,6 miljard parameters, 8 GB VRAM en een clausule van $5 miljoen in de licentie

Black Forest Labs publiceerde FLUX 3 Image Klein op 15 oktober 2026: een beeldmodel met 5,6 miljard parameters en open gewichten dat ook draait als een endpoint met verbruiksmeting genaamd flux-3-image-klein/ op de eigen API van het bedrijf, vanaf $0,009 per 1.000 afbeeldingen. Het zit onder het grotere FLUX 3 Image en neemt de belangrijkste kenmerken van dat model over — native 4K-uitvoer, tot tien referentieafbeeldingen, en begrenzingsvakken voor het plaatsen of bewerken van elementen — voor ongeveer een vijfde van de prijs voor 1K en een fractie van de voetafdruk. Dat zijn de lanceerclaims, en die zijn controleerbaar aan de hand van de gewichten, de licentie en de prijstabel. Wat nog niet controleerbaar is, is de ene claim die de meeste aankopen bepaalt: dat een model van 5,6 miljard parameters grotere concurrenten met open gewichten op kwaliteit overtreft.

Elk kwaliteitscijfer in de release komt van binnen Black Forest Labs. Niemand buiten het bedrijf heeft een benchmark gepubliceerd, en de openbare leaderboards bevatten nog geen vermelding voor Klein. Dat is normaal voor een model dat één dag oud is, en het is de moeite waard om dat vooraf te benoemen, omdat de rest van dit stuk ongewoon concreet is — bestandsgroottes, tarieven per afbeelding, licentiedrempels — en de kwaliteitskwestie staat los van dat alles.

Wat werd er eigenlijk uitgebracht op 15 oktober?

De aankondiging is getiteld FLUX 3 Image Klein: open gewichten, 5,6 miljard parameters en somt een volledige release op in plaats van een enkele checkpoint-drop:

• 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.

• Één model voor drie taken. Tekst-naar-afbeelding, bewerken met één referentie en compositie met meerdere referenties lopen via dezelfde gewichten. Referentieafbeeldingen verankeren de inhoud in plaats van de structuur vast te leggen, en het model accepteert er maximaal tien.

• 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.

De repositories werden online gezet vóór de aankondiging — de base- en distilled-repo's werden aangemaakt op 13 oktober, de ComfyUI- en prompt-upsampler-repo's op 14 oktober — en de lanceringspost, het API-endpoint en de prijspagina volgden allemaal op de 15e. img src="2.png" alt="Met een headless browser gemaakte opname van de Hugging Face-repositorypagina voor black-forest-labs/flux-3-image-klein, met de poort voor licentieacceptatie, de badge flux-kommunity-license, de modelgrootte van 6B params met tensortype BF16, 3.241 downloads afgelopen maand, 219 likes, en de modelstructuur met adapters en fine-tunes, vastgelegd in het Engels op 16 oktober 2026." />

De 8 GB-claim, en wie die heeft gemeten

"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.

Waar de kwaliteitsclaim staat, eerlijk gezegd

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.

Wat het kost, en hoe de curve buigt

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 afbeelding

• 1K — $0,009 per afbeelding

• 1.5K — $0.011 per afbeelding

• 2K — $0,014 per afbeelding

• 4K — $0.036 per afbeelding

Dezelfde tabel prijst FLUX 3 Image op $0,041, $0,048, $0,07, $0,10 en $0,607 voor die vijf niveaus. Dat is een verschil van 5,3× bij 1K en ongeveer 17× bij 4K, en het is het volledige commerciële argument voor Klein: als je werklast 4K tekst-naar-afbeelding op schaal is, is het kleinere model geen downgrade die je tolereert, maar een regelpost die met een orde van grootte verandert.

Let op de vorm van de curve, niet op de instapprijs. Het goedkoopste tarief van Klein is $0,008, maar het tarief blijft min of meer vlak tot 2K en springt bij 4K met 2,6× omhoog, terwijl FLUX 3 Image met meer dan 6× omhooggaat. Als je output 1K is, liggen de twee modellen qua prijs dicht genoeg bij elkaar dat kwaliteit de doorslag moet geven. Als ze 4K zijn, zijn ze niet met elkaar te vergelijken.

De licentie bepaalt of je het daadwerkelijk kunt uitbrengen

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.

Lees de formulering zorgvuldig, want twee samenvattingen ervan verschillen in reikwijdte. Het lanceringsbericht beschrijft "gratis commercieel gebruik voor individuen en bedrijven met een jaarlijkse omzet onder $5M". De modelkaart omschrijft dezelfde uitzondering als betrekking hebbend op het genereren van commerciële output door Gekwalificeerde Gebruikers, en voegt eraan toe dat deze "geen algemene toestemming is voor commerciële fine-tuning of distributie". Voor een team dat van plan is om Klein te fine-tunen op bedrijfseigen data en het resulterende model als onderdeel van een product uit te brengen, is het lanceringsbericht niet het document dat de vraag beantwoordt. De volledige licentietekst is dat.

Er is ook een clausule die het waard is om te kennen voordat je een datapipeline rond Klein ontwerpt: de licentie beperkt het gebruik van het model, zijn afgeleiden of zijn outputs om een ander AI-model te verbeteren dat een functie vervult die vergelijkbaar is met die van een FLUX-model. Het genereren van synthetische data voor het trainen van een concurrerend beeldmodel is precies het geval waarvoor die clausule is geschreven.

Het enige dat je niet mag overslaan

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.

Ernaartoe gaan, en wat er daarna gebeurt

Weights staan op Hugging Face achter een poort waar je de licentie moet accepteren, met referentie-inferentiecode en een Gradio-demo voor bounding-box-besturing in dezelfde organisatie. Het gehoste endpoint is de eigen API van de leverancier. Klein staat vandaag niet in de catalogus van OrcaRouter, dus er is hier niets voor ons te routeren, en dat zeggen we liever ronduit dan iets anders te suggereren. Wat OrcaRouter je wél geeft, is de andere helft van een echte beeldpijplijn: de gehoste beeldmodellen die zijn opgenomen in de catalogus en achter één sleutel naast 200+ andere modellen zitten, met de lijstprijs van de provider doorberekend tegen 0% opslag en automatische failover als een provider hapert. Teams die uiteindelijk Klein draaien voor bulk-4K-werk en een gehost model aanroepen voor het interactieve pad, doen precies de splitsing waarvoor één endpoint is gebouwd.

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.

Benchmarks verouderen en prijzen veranderen; het faalregister niet: de gedocumenteerde AI-incidenten en agentfouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding haar eigen bronnen, ernstniveau, betrouwbaarheidsklasse en betwistingsmarkering bevat.