FLUX 3 Image Klein zajmuje 1. miejsce wśród modeli z otwartymi wagami — na tablicy wyników, którą stworzył jego twórca

Ta liczba jest teraz wszędzie. FLUX 3 Image Klein zajął pierwsze miejsce wśród modeli z otwartymi wagami w generowaniu obrazów na podstawie tekstu, pierwsze w generowaniu z wieloma referencjami, pierwsze w edycji obrazów — i pokonał starszy FLUX.2 [klein] 9B o 91 Elo w generowaniu tekst-na-obraz i o 70 Elo w edycji, mając o 38% mniej parametrów. To są liczby z wpisu premierowego Black Forest Labs, z podsumowań, z karty społecznościowej. Zdanie, które zwykle się pomija, to to dołączone do nich w źródle: to są oceny wewnętrzne.

To nie jest skandal. Tak wygląda premiera prawie każdego modelu obrazowego i to jedyne porównanie, jakie laboratorium może przeprowadzić, zanim ktokolwiek inny ma wagi. Zmienia to jednak to, co czytelnik powinien zrobić z rankingiem. FLUX 3 Image Klein został rzeczywiście wydany — 5,6 mld parametrów, otwarte wagi, opublikowany 15 października 2026 na licencji FLUX Kommunity, dostępny za 0,009 USD za 1 tys. obrazów w API samego BFL. Nie istnieje jeszcze ocena od kogokolwiek innego niż Black Forest Labs. Model jest prawdziwy; pozycja w rankingu to twierdzenie.

Co faktycznie ustaliło to wydanie

Oddziel artefakty od marketingu, ponieważ mają różną wagę. Artefakty można sprawdzić już dziś, przez każdego, bez GPU:

• Wagi — generator obrazów z 5,6 mld parametrów, z bazowym checkpointem do dostrajania i 16-krokowym destylowanym checkpointem pod kątem opóźnienia

• Wersje o różnej precyzji — BF16 przy 11,2 GB, FP8 przy 5,6 GB, a także wersje INT8 i NVFP4 przygotowane z użyciem NVIDIA

• Licencja — FLUX Kommunity License: bezpłatne użycie komercyjne dla osób fizycznych i firm o rocznych przychodach poniżej 5 mln USD; powyżej tego progu obowiązuje płatna licencja self-hosted lub API

• Możliwości — generowanie obrazów na podstawie tekstu, edycja, generowanie z wieloma odniesieniami przy użyciu do 10 obrazów referencyjnych, natywne 4K oraz kontrola bounding-box

• Cena — 0,009 USD za 1 tys. obrazów w API dostawcy, z wyższym progiem 2 tys.

• Narzędzia — przepisy na trenowanie LoRA dla Diffusers, Ostris AI Toolkit i NVIDIA NeMo AutoModel

Wszystko to znajduje się w repozytorium i dokumentacji. Żadna z tych rzeczy nie zależy od prawdziwości benchmarku. Model może być mały, szybki, możliwy do objęcia licencją i do pobrania, nie będąc najlepszym w niczym, a te właściwości są warte posiadania same w sobie.

To, czego wydanie nie ustaliło, to względna jakość. Post premierowy pokazuje wykresy Elo, zamiast podawać w tekście dokładne wyniki, więc precyzyjnej różnicy między Kleinem a jego zestawem porównawczym nie można nawet w pełni zacytować — można odczytać słupki, ale nie liczby. Wymienione modele porównawcze to Qwen-Image 2.1 (7B) i Krea 2 (12.9B), przy czym Krea 2 została wyłączona z porównania edycji, ponieważ nie obsługuje edycji. To rozsądnie dobrane punkty kontrolne. To jednak nadal własne punkty kontrolne laboratorium, w jego własnym środowisku testowym, na promptach wybranych przez laboratorium.

Słowo „third-party" wykonuje pracę, na którą nie zasłużyło

Wiele materiałów o tym wydaniu opisuje te rankingi jako benchmarki firm trzecich. Tak jednak nie jest. Wyszukanie niezależnego wpisu na liście rankingowej prowadzi do wpisu na blogu dostawcy i kilkunastu jego przeróbek, a przeróbki przejmują sposób przedstawienia sprawy, nie przejmując zastrzeżenia.

Najbardziej użytecznym publicznym rankingiem modeli obrazów jest Artificial Analysis, który ustala pozycje według Elo na podstawie głosów preferencji ludzi w porównaniach parami. Jego ranking text-to-image w wersji 2.1, zarejestrowany 16 października 2026 r., ma 42 widoczne pozycje. GPT Image 2.5 Sunburst zajmuje pierwsze miejsce z wynikiem 1218. Nano Banana 2 jest siódmy z wynikiem 1139. FLUX 3 Image jest trzynasty z wynikiem 1114, na 5 766 próbkach, w cenie według rankingu 48 USD za tysiąc obrazów. FLUX.2 [klein] 9B — punkt odniesienia w porównaniu BFL — jest dwudziesty szósty z wynikiem 1026.

FLUX 3 Image Klein nie znajduje się na tej tablicy. Ani w momencie premiery, ani osiem dni później. Wpis oznaczony jako „FLUX 3 Image” to inny produkt: to większy model siostrzany dostępny wyłącznie przez API, a widoczna na tablicy kwota 48 USD za tysiąc odpowiada publikowanemu zakresowi tego modelu, a nie 9 USD Kleina. Ma to znaczenie z prostego powodu. W jedynym istniejącym niezależnym rankingu modelem obrazowym o otwartych wagach z najwyższym wynikiem nie jest Klein i w ogóle nie jest to model Black Forest Labs — to Qwen-Image-3.0-Pro z wynikiem 1093. Twierdzenie, że Klein jest pierwszy wśród modeli o otwartych wagach, nie zostaje więc zaprzeczone przez publiczną tablicę. Po prostu go na niej nie ma.

Umieść własną deltę BFL obok publicznej tablicy

Istnieje sposób, by uzyskać przybliżoną orientację, nie udając, że jest to pomiar. BFL podaje swoje przyrosty jako delty względem FLUX.2 [klein] 9B, a ten starszy model jest na publicznej tablicy wyników. Więc weź publiczny wynik i dodaj deltę dostawcy:

Tekst na obraz — FLUX.2 [klein] 9B z wynikiem 1026 w Artificial Analysis, plus +91 od BFL, osiąga blisko 1117

• Edycja — FLUX.2 [klein] 9B z wynikiem 1015 na tablicy edycyjnej, a wraz z +70 od BFL daje blisko 1085

Odczytuj to jako arytmetykę, a nie jako prognozę. Różnice Elo nie przenoszą się między środowiskami testowymi. Odstęp 91 punktów zmierzony na zestawie promptów BFL nie przekłada się punkt w punkt na tablicę rankingową zbudowaną z głosów tłumu na różnych obrazach, z różnymi głosującymi i innym oknem próbkowania. To ćwiczenie jest przydatne wyłącznie do oceny skali: sugeruje model, który w tekst-na-obraz wylądowałby w okolicach niskich 1100, czyli mniej więcej tam, gdzie już znajduje się FLUX 3 Image i wyraźnie za Nano Banana 2 z wynikiem 1139. Nie sugeruje modelu, który z dużą przewagą znalazłby się na szczycie stawki modeli z otwartymi wagami, i z pewnością nie sugeruje, że +91 przekłada się na pierwsze miejsce w ogólnym zestawieniu.

Jeśli chcesz szczerą wersję w jednym zdaniu: model z wynikiem w dolnych widełkach 1100 byłby z dużym prawdopodobieństwem najlepszym modelem z otwartymi wagami na tej tablicy wyników, ponieważ obecny lider ma tam 1093. Kierunek twierdzenia BFL jest więc wiarygodny. Skala pozostaje niezweryfikowana, a przewaga nad najbliższym rywalem z otwartymi wagami może być znacznie mniejsza, niż sugeruje narracja przy premierze.

Co zobaczyliśmy, gdy to uruchomiliśmy

Nasze własne doświadczenia z tym modelem wskazują na coś bardziej konkretnego niż „najlepszy model obrazowy o otwartych wagach”. Uruchamialiśmy FLUX 3 Image Klein przez API dostawcy, bez ustalonego zestawu promptów ani kryteriów oceny, więc traktujcie to jako obserwację, a nie wynik. Najbardziej wyróżniała się umiejętność precyzyjnej, zlokalizowanej edycji: zmiana pojedynczego obiektu w scenie, przeniesienie elementu do ograniczonego obszaru lub zastosowanie instrukcji, która powinna pozostawić resztę kadru nietkniętą. Przypadki, w których prawie wszystko może się zmienić — pełna zmiana stylu, całkowita zmiana oświetlenia — znacznie trudniej było odróżnić od poprzedniej generacji.

To przeciwny akcent względem większości publicznej debaty. W materiałach premierowych chodzi o to, czy Klein w ogóle potrafi edytować i czy bije modele kosztujące pięć razy więcej. Znacznie bardziej przydatne pytanie dla każdego, kto pracuje produkcyjnie, brzmi: czy potrafi edytować punktowo. Precyzyjne edycje to miejsce, w którym prostokąt ograniczający i zachowane tło naprawdę mają znaczenie, w którym mały model albo utrzymuje resztę sceny, albo po cichu ją przemalowuje, i w którym koszt ponownej próby to nie tylko pieniądze, lecz także cykl przeglądu.

Edycja to twierdzenie, które zasługuje na najtrudniejszy test.

Spośród trzech twierdzeń o pierwszym miejscu to dotyczące edycji jest tym, wobec którego należy zachować największy sceptycyzm — z przyczyny strukturalnej. Jakość generowania obrazów z tekstu jest w dużej mierze czytelna: tłum może spojrzeć na dwa obrazy i wybrać jeden. Jakość edycji jest uwarunkowana podążaniem za instrukcjami, a podążanie za instrukcjami to dokładnie to, w czym własny zestaw promptów dostawcy ma najlepsze warunki, by schlebiać. Jeśli Twoje prompty ewaluacyjne napisali ludzie, którzy dostrajali model, mierzysz przecięcie dwóch rzeczy, które kontrolujesz.

Istnieje także szczegół potoku przetwarzania, który wpływa na każde samodzielnie przeprowadzane porównanie. Klein jest dostarczany z osobnym upsamplerem promptów — dostrojoną wersją Qwen3.5-9B o nazwie flux-3-image-klein-pup — który jest domyślnie włączony i bez którego, jak twierdzi BFL, model nie jest przeznaczony do działania. Oznacza to, że naiwny benchmark wysyłający prompty w postaci wpisanej mierzy inny system niż ten, który oceniał dostawca. Każdy niezależny test wart przeczytania musi wskazywać, czy upsampler był włączony, ponieważ ten sam checkpoint może dawać zauważalnie różne wyniki w zależności od odpowiedzi. To bardzo wiele kwestii metodologicznych, jak na twierdzenie, które obecnie opiera się na jednym slajdzie jednego laboratorium.

Liczby dotyczące prędkości należą do NVIDIA

Jeden zestaw liczb w materiale o wydaniu ma inne pochodzenie niż twierdzenia dotyczące jakości i warto przyznać mu należne uznanie. Liczby dotyczące opóźnienia — około 4 sekund dla obrazu 1 MP na RTX 5090 w INT8 przy 16 krokach, poniżej 9 sekund na RTX 4070, 0,55 sekundy na GB300 — zostały zmierzone przez NVIDIA, przy czym wyniki dla RTX uzyskano za pośrednictwem ComfyUI. To nadal pomiar blisko związany z producentem, ponieważ NVIDIA pomagała przy tworzeniu skwantyzowanych checkpointów, ale jest to pomiar sprzętowy, a nie subiektywna ocena preferencji, a pomiary sprzętowe są znacznie łatwiejsze do odtworzenia. Jeśli masz tę kartę, możesz to sprawdzić w jedno popołudnie.

Twierdzenie o 8 GB VRAM zasługuje na takie samo potraktowanie. Jest prawdziwe w przypadku kompilacji generatora INT8. Nie jest prawdziwe w odniesieniu do całego zalecanego potoku, ponieważ upsampler promptu to osobne pobieranie BF16 o rozmiarze 18,8 GB, który potrzebuje własnej pamięci. Użytkownik, który przeczyta „działa na 8 GB”, a następnie włączy domyślny potok, przekona się, które twierdzenie miało zawężony zakres, a które nie.

Jak sprawdzić to samodzielnie

Najtańszy uczciwy test to nie ranking. To dwadzieścia własnych promptów uruchomionych dwa razy — raz z upsamplerem, a raz bez niego — na zadaniach, na których naprawdę ci zależy, ocenianych według tego, czy wypuściłbyś wynik. Klein czyni to wyjątkowo praktycznym, ponieważ wagi można pobrać, a licencja pozwala na użycie komercyjne poniżej progu 5 mln USD przychodu, więc test nie wymaga konta u nikogo.

W pozostałych przypadkach warstwa routingu to najtańszy sposób uruchomienia tego samego promptu na punktach końcowych kilku dostawców pod jednym kluczem — i właśnie do tego służy OrcaRouter: jedno API zgodne z OpenAI obejmujące ponad 200 modeli, 0% marży, z ceną katalogową dostawcy przekazywaną bezpośrednio, oraz automatyczne przełączanie awaryjne w razie pogorszenia działania punktu końcowego. Warto wyraźnie powiedzieć, że nie jest to droga do Klein. Nasz katalog obejmuje 210 modeli i nie zawiera żadnej pozycji FLUX, więc w przypadku tego modelu uczciwe opcje są dziś dwie: własne API BFL albo samodzielnie hostowany checkpoint. Wolimy powiedzieć to wprost, niż sugerować coś innego.

Co by to rozstrzygnęło

Trzy rzeczy, w rosnącej kolejności użyteczności. Po pierwsze, Klein pojawiający się jako osobny wpis na niezależnej liście rankingowej — nie scalony z FLUX 3 Image, który jest innym modelem w innej cenie. Po drugie, ten wpis przetrwał kilka tysięcy głosów, a nie kilka setek, ponieważ wczesne Elo nowego modelu jest zaszumione i zwykle dryfuje w dół, gdy efekt nowości słabnie. Po trzecie, ktoś publikuje porównanie edycji, które podaje ustawienie użytego upsamplera, ponieważ bez tego liczby nie są porównywalne.

Do tego czasu trafne zdanie jest węższe niż nagłówek i bardziej użyteczne niż każda ze skrajności. FLUX 3 Image Klein to model obrazowy o 5,6B parametrów z otwartymi wagami, kosztujący 0,009 USD za 1000 obrazów, który działa na sprzęcie konsumenckim, a jego dostawca podaje go jako najlepszy model z otwartymi wagami w generowaniu obrazów z tekstu, generowaniu z wieloma referencjami i edycji. Pierwsza połowa tego zdania została zweryfikowana. Druga połowa to twierdzenie z imiennie wskazanym autorem, a autorem jest laboratorium, które go zbudowało.