FLUX 3 Image Klein już jest: 5,6 mld parametrów, 8 GB VRAM i zapis o 5 mln dolarów w licencji

Black Forest Labs opublikowało FLUX 3 Image Klein 15 października 2026 r.: model obrazu z otwartymi wagami o 5,6 mld parametrów, który działa także jako rozliczany endpoint o nazwie flux-3-image-klein/ na własnym API firmy, w cenie od 0,009 USD za 1 tys. obrazów. Plasuje się poniżej większego FLUX 3 Image i dziedziczy flagowe możliwości tego modelu — natywne wyjście 4K, do dziesięciu obrazów referencyjnych oraz ramki ograniczające do umieszczania lub edytowania elementów — przy około jednej piątej ceny za 1 tys. obrazów i ułamku śladu. To twierdzenia z premiery i można je zweryfikować na podstawie wag, licencji i cennika. Tym, czego nie da się jeszcze zweryfikować, jest jedno twierdzenie, które decyduje o większości zakupów: że model o 5,6 mld parametrów przewyższa jakością większych konkurentów z otwartymi wagami.

Każda liczba dotycząca jakości w tym wydaniu pochodzi z wnętrza Black Forest Labs. Nikt spoza firmy nie opublikował żadnego benchmarku, a publiczne rankingi nie zawierają jeszcze wpisu dla Klein. To normalne w przypadku modelu mającego jeden dzień życia i warto powiedzieć to na wstępie, bo reszta tego tekstu jest wyjątkowo konkretna — rozmiary plików, stawki za obraz, progi licencyjne — a kwestia jakości jest od tego wszystkiego odrębna.

Co tak naprawdę zostało wydane 15 października?

Ogłoszenie nosi tytuł FLUX 3 Image Klein: otwarte wagi, 5,6 mld parametrów i wylicza kompletne wydanie, a nie pojedynczy checkpoint:

• 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.

• Jeden model do trzech zadań. Generowanie obrazu z tekstu, edycja na podstawie jednego obrazu referencyjnego i kompozycja z wieloma odniesieniami działają na tych samych wagach. Obrazy referencyjne zakotwiczają treść, zamiast narzucać strukturę, a model przyjmuje ich do dziesięciu.

• 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.

Repozytoria pojawiły się przed ogłoszeniem — repozytorium bazowe i repozytorium destylowane utworzono 13 października, a repozytoria ComfyUI i prompt-upsampler 14 października — natomiast post inauguracyjny, endpoint API oraz strona z cennikiem pojawiły się dopiero 15. img src="2.png" alt="Zrzut ekranu strony repozytorium Hugging Face dla black-forest-labs/flux-3-image-klein wykonany w przeglądarce headless, pokazujący bramkę akceptacji licencji, plakietkę flux-kommunity-license, rozmiar modelu podany jako 6B parametrów z typem tensora BF16, 3241 pobrań w zeszłym miesiącu, 219 polubień oraz drzewo modelu wymieniające adaptery i modele dostrojone, zarejestrowany w języku angielskim 16 października 2026 r." />

Twierdzenie o 8 GB i kto je zmierzył

"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.

Gdzie tak naprawdę stoi kwestia jakości, szczerze

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.

Ile to kosztuje i jak przebiega krzywa

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 USD za obraz

• 1K — 0,009 USD za obraz

• 1,5 tys. — 0,011 USD za obraz

• 2K — 0,014 USD za obraz

• 4K — $0.036 za obraz

Ta sama tabela wycenia FLUX 3 Image na 0,041 USD, 0,048 USD, 0,07 USD, 0,10 USD i 0,607 USD dla tych pięciu poziomów. To różnica 5,3× przy 1K i około 17× przy 4K, i to jest cały komercyjny argument za Kleinem: jeśli Twoje obciążenie to generowanie obrazów z tekstu w 4K na dużą skalę, mniejszy model nie jest krokiem w dół, który tolerujesz — to pozycja kosztowa, która zmienia się o rząd wielkości.

Zwróć uwagę na kształt krzywej, a nie na cenę wejściową. Najtańszy poziom Kleina to 0,008 USD, ale stawka jest w miarę płaska do 2K, a potem skacze 2,6× przy 4K, podczas gdy FLUX 3 Image skacze ponad 6×. Jeśli Twoje wyniki są w 1K, oba modele są wystarczająco blisko cenowo, że o wyborze powinna decydować jakość. Jeśli są w 4K, to nie ma nawet porównania.

Licencja decyduje o tym, czy możesz to faktycznie wydać

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.

Przeczytaj uważnie sformułowanie, ponieważ dwa jego streszczenia różnią się zakresem. Wpis o premierze opisuje „bezpłatne wykorzystanie komercyjne dla osób fizycznych i firm o rocznym przychodzie poniżej 5 mln USD”. Karta modelu ujmuje ten sam wyjątek jako obejmujący komercyjne generowanie wyników przez Kwalifikujących się Użytkowników i dodaje, że „nie jest to blankietowe pozwolenie na komercyjne dostrajanie ani dystrybucję”. Dla zespołu, którego plan polega na dostrojeniu Kleina na danych własnościowych i dostarczeniu powstałego modelu w ramach produktu, wpis o premierze nie jest dokumentem, który odpowiada na to pytanie. Odpowiada na nie pełny tekst licencji.

Jest też klauzula, o której warto wiedzieć, zanim zaprojektujesz potok danych wokół Kleina: licencja ogranicza wykorzystywanie modelu, jego pochodnych lub jego wyników do ulepszania innego modelu AI, który pełni funkcję podobną do funkcji modelu FLUX. Generowanie danych syntetycznych do trenowania konkurencyjnego modelu obrazowego to dokładnie ten przypadek, dla którego napisano tę klauzulę.

Jedyna rzecz, której nie możesz pominąć

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.

Zabieram się do tego, a co dzieje się dalej

Wagi są na Hugging Face za bramką akceptacji licencji, wraz z referencyjnym kodem inferencji i demem Gradio do sterowania ramkami ograniczającymi w tej samej organizacji. Hostowany endpoint to własne API dostawcy. Klein nie znajduje się dziś w katalogu OrcaRouter, więc nie ma tu nic, co moglibyśmy trasować, i wolimy powiedzieć to wprost, niż sugerować coś przeciwnego. To, co OrcaRouter faktycznie daje, to druga połowa prawdziwego potoku przetwarzania obrazu: hostowane modele obrazu, które są w katalogu, stoją za jednym kluczem obok ponad 200 innych modeli, z ceną katalogową dostawcy przekazywaną przy 0% marży i automatycznym przełączaniem awaryjnym, gdy któryś dostawca zacznie szwankować. Zespoły, które ostatecznie uruchamiają Klein do masowej pracy w 4K i wywołują hostowany model na potrzeby ścieżki interaktywnej, realizują dokładnie ten podział, do którego stworzony jest jeden endpoint.

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.

Benchmarki się starzeją, a ceny się zmieniają; rejestr awarii pozostaje taki sam: udokumentowane incydenty AI i awarie agentów dotyczące modeli z tej klasy są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i oznaczenie sporności.