FLUX 3 Image Klein: Wat 5,6B parameters daadwerkelijk wegen op je schijf

FLUX 3 Image Klein is het lid met open gewichten van Black Forest Labs' FLUX 3 Image familie, gepubliceerd op 15 oktober 2026 met 5,6 miljard parameters, met dezelfde dag nog downloadbare gewichten en een endpoint dat per gebruik wordt afgerekend. Het getal in de kop telt de beeldtransformer en niets anders. De tekstencoder — Qwen3-VL-4B-Instruct — is een aparte download, de beeld-autoencoder is een derde, en de kleinste combinatie van de drie die daadwerkelijk draait komt uit op ongeveer 10,5 GB. Neem je de BF16-versies van dezelfde drie bestanden, dan zit je op ongeveer 20 GB. Volg je de eigen standaardpipeline van de referentie-implementatie, die vóór elke generatie een prompt-upsampler draait, dan komt het totaal op schijf uit boven de 39 GB.

Niets daarvan spreekt de bewering van de leverancier tegen dat FLUX 3 Image Klein op één consumenten-GPU draait, want die bewering ging nooit over bestandsgrootte. Het gaat om VRAM tijdens inferentie, in een gekwantiseerde build, waarbij de gewichten één tensor tegelijk worden geladen. Maar "5,6B parameters en draait op één consumenten-GPU" perst drie afzonderlijke getallen — het aantal parameters, de download en het residente geheugen — in één zin, en iedereen die een deployment plant heeft alle drie nodig. Dit is wat elk van die getallen feitelijk is, volgens BFL's eigen documentatie en de Hugging Face API, nu het model één dag oud is en nog niemand onafhankelijk het heeft gemeten.

Wat is er op 15 oktober uitgebracht

Klein is de tweede open-gewichtenrelease uit de FLUX 3-familie, na FLUX 3 Action in september. De aankondigingspost draagt de titel FLUX 3 Image Klein: open gewichten, 5,6 miljard parameters, en wat daarin wordt opgesomd is eerder een vrij complete release dan een dump van een checkpoint:

• Twee checkpoints, beide 5,6B. Klein Base is niet-gedistilleerd, draait 50 stappen bij guidance 3,5, en bestaat voor fine-tuning, LoRA-training en onderzoek. Klein is stap-gedistilleerd naar 16 stappen zonder guidance en is het checkpoint achter de BFL API.

• Drie kwantisatieformaten. FP8- en NVFP4-varianten staan naast de BF16-transformer in de hoofdrepository, met een INT8-build die met NVIDIA-ondersteuning is ontwikkeld. De ComfyUI-herverpakking voegt INT8-versies toe van zowel de transformer als de tekstencoder, die de hoofdrepository niet bevat.

• Runtimeondersteuning vanaf dag één in ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion en vLLM-Omni, plus LoRA-training via Ostris' AI Toolkit en recepten in NVIDIA NeMo AutoModel. Getraind op NVIDIA GB200 NVL72; de GB300 NVFP4-timing is degene achter de sub-secondeclaim.

• De functieset is overgenomen, niet gereduceerd. Native 4K, instructiegebaseerde bewerking die niet-bewerkte regio's behoudt, tot tien referentieafbeeldingen, en bounding boxes op een raster van 0–1000 die elementen kunnen plaatsen of een bewerking tot een regio kunnen beperken. BFL is expliciet in de modelkaart dat boxes de plaatsing en schaal sturen in plaats van pixels tot een hard masker te beperken — wat van belang is als je controle op maskerniveau verwachtte.

De repositories kwamen online vóór de aankondiging. De base- en distilled-repositories werden op 13 oktober aangemaakt en de ComfyUI- en prompt-upsampler-repositories op 14 oktober, terwijl de lanceringspost en het API-endpoint op de 15e volgden.

De drie bestanden achter het getal van 5,6 miljard

Lees de bestandslijst in plaats van het aantal parameters en de vorm van de downloadwijzigingen. De Hugging Face API rapporteert de eigen bestanden van de gedistilleerde repository op deze groottes:

• Beeldtransformator, BF16 — model.safetensors, 11,10 GB. Het lanceringsbericht van BFL rondt dit af naar 11,2 GB in BF16 en 5,6 GB in FP8.

• Tekstencoder, BF16 — Qwen3-VL-4B-Instruct, verdeeld over twee safetensors-shards, samen 8,88 GB. Een INT8-build van dezelfde encoder bestaat in de ComfyUI-repository op 4,86 GB.

• Afbeeldingsautoencoder — 0,34 GB, en het is het enige bestand dat door geen enkel kwantisatiepad wordt verwijderd.

Dus de praktische ondergrens is niet 5,6 GB en ook niet 11,2 GB. Het is de NVFP4-transformer van 5,28 GB plus de INT8-tekstencoder van 4,86 GB plus de VAE van 0,34 GB — ongeveer 10,5 GB aan bestanden voor een pipeline die genereert en bewerkt. De volledig-BF16-versie van dezelfde drie is ongeveer 20,3 GB. En de prompt-upsampler, die de referentie-CLI bij elke aanvraag downloadt en uitvoert tenzij je --no-pup meegeeft, is een eigen repository: 18,82 GB in bfloat16, of 9,75 GB in de INT8-build die de ComfyUI-distributie meelevert. Voeg de BF16-upsampler toe aan de BF16-pipeline en dan kom je uit op ongeveer 39 GB op schijf voordat je een afbeelding genereert.

De eigen modelkaart van BFL bevat de kanttekening die naast deze cijfers thuishoort: "Gekwantiseerde pakketten hebben een loader nodig die hun formaat ondersteunt; hun bestandsgrootte is geen maatstaf voor het totale GPU-geheugengebruik."

Dat snijdt aan twee kanten. Dat een gekwantiseerd bestand klein is, betekent niet dat de run in zoveel geheugen past, en een grote download betekent niet dat de werkset groot is. Het betekent wel dat de download het deel is dat je kunt plannen voordat je hardware hebt, en het is het deel dat het in de koppen genoemde parameteraantal verbergt.

Waar de 8 GB VRAM-waarde vandaan komt

De geheugenclaim is specifiek. Met de INT8-build stelt BFL dat FLUX 3 Image Klein op NVIDIA GeForce RTX-GPU's draait met slechts 8 GB VRAM, via ComfyUI of Diffusers, en de documentatie stelt de ondersteunde ondergrens op een RTX 3090.

De snelheidscijfers hebben een herkomst die het verdient om precies te worden benoemd: ze zijn gemeten door NVIDIA, in ComfyUI voor de RTX-resultaten. Met het step-distilled model en de INT8-build kost een afbeelding van 1 MP ongeveer 4 seconden op een RTX 5090 en minder dan 9 seconden op een RTX 4070. Op een GB300 in NVFP4 produceert het gedistilleerde model een afbeelding van 1 MP in minder dan 0,6 seconden. Het serveren van een LoRA voegt ruwweg 5% toe aan de generatietijd.

Dit zijn door leveranciers gerapporteerde cijfers, en het zijn niet dezelfde metingen als de API-latentiecijfers in het lanceringsbericht. BFL heeft Klein op de eigen servers getimed, terwijl het Qwen-Image 2.1, FLUX.2 [pro], Ideogram V4.5 en Krea 2 vanaf de client timede; daardoor worden poll- en netwerktijd meegeteld in de cijfers van de concurrenten, maar niet in die van BFL zelf — en dat staat in het bericht. De eerlijke lezing is dat de cijfers van 4 seconden en 9 seconden geloofwaardig zijn als lokale inferentietijden op de genoemde kaarten, en dat de snelheid-versus-kwaliteit-frontiergrafiek een eigen vergelijking van een leverancier is, getekend met asymmetrische stopwatches. Niemand buiten BFL of NVIDIA heeft een van beide gereproduceerd.

Wat het via de API kost, en waar de curve afbuigt

Het gedistilleerde checkpoint wordt aangeboden als flux-3-image-klein, met inbegrip van prompt-upsampling en pixelrestauratie. BFL publiceert deze tarieven per afbeelding, identiek voor tekst-naar-afbeelding en voor beeldbewerking:

• 768 × 768 — $ 0,008

• 1K — $0,009

• 1,5K — $0,011

• 2K — $0,014

• 4K — $ 0,036

Afgezet tegen FLUX 3 Image, het grotere alleen-API-broertje op dezelfde functielijst, is de verhouding wat de beslissing zou moeten sturen, niet de absolute prijs. FLUX 3 Image kost $0,048 voor een 1K-afbeelding tegenover Klein's $0,009 — een factor van ongeveer 5,3. Bij 4K is dezelfde vergelijking $0,607 tegenover $0,036, een factor van bijna zeventien. Wie op grote schaal 4K genereert, kiest niet tussen een goedkoop en een duur model; die kiest tussen een tarief per afbeelding dat contact met een product overleeft en een dat dat niet doet.

De andere helft van de rekensom bevindt zich aan jouw kant: een zelfgehoste Klein op een kaart die je al bezit, heeft geen kosten per afbeelding, en een zelfgehoste Klein op een gehuurde kaart heeft een uurtarief. Het break-evenpunt verschuift met de bezettingsgraad, en het verschuift aanzienlijk — een inactieve GPU is de dure configuratie, niet de goedkope. Als je afbeeldingsverkeer met pieken komt, is het vaste tarief meestal de betere keuze; als het gelijkmatig en hoog is, begint de download zichzelf terug te verdienen en wordt de licentie de variabele die ertoe doet.

De licentie is het onderdeel dat bepaalt of je het kunt uitbrengen

Beide checkpoints vallen onder de FLUX Kommunity License, en het is de moeite waard om de twee beschrijvingen ervan naast elkaar te lezen, omdat ze niet op dezelfde manier zijn verwoord. De launchpost zegt dat de licentie "gratis commercieel gebruik toestaat voor individuen en bedrijven met een jaaromzet van minder dan $5M, naast onderzoek en niet-commercieel gebruik," waarbij grotere organisaties commercieel kunnen inzetten via BFL's betaalde self-hosted licentieopties of de API. De modelkaart zegt dat de licentie "niet-commercieel gebruik toestaat en voorziet in een uitzondering op commerciële output voor Qualifying Users, met inachtneming van de voorwaarden ervan," waarbij Qualifying User in de licentietekst zelf wordt gedefinieerd.

De omzetdrempel is voor de meeste teams het beslissende feit: onder $5M jaarlijkse omzet gratis commercieel gebruik; daarboven een van de betaalde niveaus van BFL. Die niveaus staan openbaar vermeld — Builder met 10.000 afbeeldingen per maand en 1 domein, Platform en Professional met 100.000 afbeeldingen per maand, Enterprise op maat — en ze bundelen allemaal FLUX 3 Image Klein samen met modellen uit de FLUX.2-familie, inclusief rechten op fine-tuning en LoRA. Let op wat de niveaus betekenen: een bedrijf dat de drempel heeft overschreden, koopt het model niet opnieuw; het koopt het recht om gewichten te gebruiken die het al heeft gedownload, wat een ander soort kostenpost is dan een API-factuur en een die gemakkelijker te vergeten is wanneer een prototype een product wordt.

Als de omzet van uw organisatie ook maar enigszins in de buurt van de grens komt, lees dan LICENSE.md in plaats van een van beide samenvattingen. Twee leveranciersdocumenten die hetzelfde instrument in twee verschillende registers beschrijven, vormen precies de situatie waarin de primaire tekst degene is die u bindt.

De kwaliteitsclaim is van BFL zelf en heeft geen betrekking op FLUX 3 Image.

Kleins belangrijkste kwaliteitsresultaat, op basis van interne evaluaties, is een eerste plaats in tekst-naar-afbeelding, generatie met meerdere referenties en beeldbewerking — vóór grotere open-weightmodellen, en boven de gesloten modellen in de vergelijking, Ideogram V4.5 en FLUX.2 [pro]. De set open-weightmodellen voor de vergelijking wordt elders in de post genoemd: Qwen-Image 2.1 met 7B en Krea 2 met 12,9B, beide groter dan Kleins 5,6B, waarbij Krea 2 is uitgesloten van de kolom voor beeldbewerking omdat het geen beeldbewerking ondersteunt. Ten opzichte van FLUX.2 [klein] 9B, het open model van de vorige generatie, boekt Klein een winst van 91 Elo in tekst-naar-afbeelding en 70 in beeldbewerking, terwijl het 38% minder parameters heeft.

FLUX 3 Image — het eigen grotere model van de leverancier, verkocht via dezelfde API op hetzelfde functieoppervlak — komt in die vergelijking nergens voor. Dat is op zichzelf niet belastend; een klein open model benchmarken tegen de modellen die een downloader anders zou draaien, is een verdedigbare keuze. Maar het betekent dat de zin die een koper het liefst wil, "Klein zit binnen X van het grotere model", nog steeds niet is geschreven.

Het onafhankelijke beeld is nog magerder. De enige openbare text-to-image-ranglijst die deze familie bijhoudt, vermeldt FLUX 3 Image, en op het moment van schrijven staat er helemaal geen vermelding van FLUX 3 Image Klein op. Dus elk kwaliteitscijfer dat op dag één beschikbaar is, is terug te voeren op BFL, en de reproduceerbare — degene die je zelf in twintig minuten kunt controleren — zijn de bestandsgroottes en de tarieven per afbeelding hierboven, niet de Elo-verschillen.

Het aanroepen, of het uitvoeren ervan

De beslissing valt duidelijk uiteen in drie vragen. Als je fine-tunes of LoRA's op je eigen data nodig hebt, of de afbeeldingen je infrastructuur niet mogen verlaten, of je volume hoog en stabiel is, dan is de download het antwoord en is de licentie het eerste dat je moet regelen. Als je volume pieken kent, je afbeeldingen hero-assets zijn in plaats van bulkoutput, of je het model wilt evalueren voordat je hardware aanschaft, dan is de endpoint tegen $0,009 per 1K-afbeelding goedkoper dan een weekend opzetten.

Er is een derde geval dat het benoemen waard is, omdat het het meest voorkomende is: teams die uiteindelijk meerdere beeldmodellen aanroepen in plaats van één, met een klein open model voor volumewerk en een frontier-model voor de opnames die er echt toe doen. Dat is het geval waarvoor OrcaRouter bestaat — één API-sleutel voor 200+ modellen, de lijstprijs van de provider doorgegeven met 0% opslag zodat een tariefwijziging van een leverancier dezelfde dag nog doorwerkt, en automatische failover zodat een onbewezen model in een productiepad kan staan zonder een single point of failure te zijn. FLUX 3 Image Klein staat vandaag niet in onze catalogus, dus het BFL-endpoint is sowieso een directe aanroep naar de leverancier; wat we kunnen doen, is alles eromheen — de andere beeldmodellen, de routeringsregels, de fallback — achter hetzelfde endpoint en dezelfde factureringsregel houden.

Wat zou dit veranderen

Drie dingen, in volgorde van hoeveel ze een beslissing zouden beïnvloeden. Een onafhankelijke rechtstreekse vergelijking tussen Klein en FLUX 3 Image, omdat het prijsverschil tussen hen zeventienvoudig is bij 4K en het kwaliteitsverschil niet is gemeten. INT8-timings op een echte 8 GB-kaart van iemand die niet NVIDIA is, omdat dat het getal is waarop de hele propositie voor lokale implementatie berust en het door één belanghebbende partij is gemeten. En een licentietoelichting van BFL die de formulering rond de omzetdrempel in de lanceringspost verzoent met de Qualifying User-formulering in de modelkaart.

Tot die tijd is de verdedigbare positie de beperkte: FLUX 3 Image Klein is echt, het is vandaag downloadbaar, het doet wat de FLUX 3 Image API doet op dezelfde functielijst, en het kost bij 1K ongeveer een vijfde zoveel per afbeelding en bij 4K een zeventiende zoveel. Reken op ongeveer 10,5 GB aan bestanden in de kleinste configuratie en 39 GB met de upsampler en alles in BF16, beslis de licentiekwestie voordat je de hardwarekwestie beslist, en beschouw elk kwaliteitsgetal dat je tot nu toe hebt gelezen als dat van de leverancier.