FLUX 3 Image Klein Prompt Upsampler: модель на 18,8 ГБ, которую BFL выпустила, не дав ей названия

Black Forest Labs shipped two models on 15 October 2026 and announced one of them. The announced model is FLUX 3 Image Klein, the 5.6B open-weights image generator that drew the launch post, the pricing table, the ComfyUI workflow and a round of trade coverage. The other is the FLUX 3 Image Klein Prompt Upsampler — an 18.8 GB fine-tune of Qwen3.5-9B that rewrites your short request into the long caption the image model expects — and it is the single most permissive artifact in the release. Its repository is public, requires no account, and carries the Apache License 2.0, where each of its three sibling repositories carries the FLUX Kommunity License and an access gate. B​FL's launch post never names it. Neither does the model page, the release notes, or the API documentation for FLUX 3 Image Klein, which does not contain the word "upsampler" once in 35,000 characters.

That gap is checkable in about five minutes, and it is worth checking, because the upsampler decides more about what your images look like than most of the settings you will spend the weekend adjusting. It also raises a question the announcement does not answer: whether B​FL intends it as a standalone model you can build on, or as a load-bearing dependency of its own inference code that happened to get published with an Apache header. This piece separates what the repository proves from what only B​FL can confirm. Every number below comes from the model card, the Hugging Face API, the reference inference code or B​FL's own documentation, and none of it has been independently benchmarked by a third party.

Что на самом деле вышло и какая часть не была названа

Начнём с дат, потому что они точны. Репозиторий upsampler был создан на Hugging Face в 20:40 UTC 14 октября 2026 года, а последняя запись в него была сделана в 15:32 UTC 15 октября — то же окно с точностью до минут, что и у репозиториев FLUX 3 Image Klein, которым он служит. Пост о запуске датирован 15 октября. Так что это не утечка, не предварительный просмотр и не чекпойнт, который кто-то придерживает: это релиз от первой стороны, опубликованный вместе с моделью, к которой он относится.

What it did not get is a name in the announcement. Read B​FL's own enumeration of the release and the pattern is consistent:

• The launch post describes FLUX 3 Image Klein's weights, its FP8, INT8 and NVFP4 builds built with N​VIDIA, its day-one ComfyUI and Diffusers support, and its licence. It mentions "prompt upsampling" once, as a feature of the hosted API endpoint, without naming a model or linking a repository.

• Страница модели на bfl.ai/models/flux-3-image-klein перечисляет недистиллированную и дистиллированную версии и указывает, что доступ к API включает «улучшение промпта». Также нет репозитория.

• В примечаниях к выпуску от 15 октября перечислены веса: Klein (distilled), Klein Base и веса ComfyUI. Апсемплера среди них нет.

• Документация API для FLUX 3 Image Klein занимает 35 148 символов. Поиск без учёта регистра по запросу «upsampl» не даёт ни одного совпадения.

• Эталонный код инференса на GitHub — именно там оно наконец появляется: раздел README под названием «Prompt upsampling», флаг --no-pup в CLI, бюджет --pup-memory и модуль flux3/pup.py. Что и есть честный ответ на вопрос «скрыто ли это?»: нет. Оно задокументировано, интегрировано, запускается по умолчанию, и если вы клонировали репозиторий, то сразу с ним столкнётесь.

Это различие важно, и его легко размыть. Это не скрытый релиз; это релиз, в котором компонент с самой разрешительной лицензией отнесли к разряду подсобных деталей. Сообщество заметило быстрее, чем пресса, — к 15 октября на Hugging Face уже появились сторонние GGUF-квантования апсемплера, а организация-зеркало скопировала все четыре репозитория.

Что на самом деле представляет собой апсемплер

Карточка модели прямо говорит о происхождении: это полное дообучение Qwen3.5-9B с замороженным визуальным энкодером. Файл конфигурации подтверждает форму — 32 слоя, скрытое состояние шириной 4 096, 16 голов внимания против 4 голов ключ-значение, потолок позиций в 262 144 токена и словарь на 248 320. Стек слоёв неоднороден: три из каждых четырёх слоёв используют линейное внимание, а каждый четвёртый слой — полное внимание. Визуальный энкодер имеет глубину 27 слоёв при ширине 1 152, размер патча 16, пространственное объединение 2. Это гибридная модель зрения и языка с гибридным вниманием текущего поколения, а не шаблон промпта с прикрученной языковой моделью.

На диске это единственный файл safetensors формата bfloat16 объёмом 18,82 ГБ, плюс токенизатор, шаблон чата и один файл, который интереснее остальных: system_prompts.json размером 12,6 КБ, содержащий четыре полных системных промпта с именами t2i, i2i, t2i_bbox и i2i_bbox. Эти четыре промпта — фактический интерфейс модели. Их также можно прочитать, а значит, поведение апсемплера не является чёрным ящиком — можно в точности прочитать, что ему было велено делать, а затем проверить, сделал ли он это.

Согласно карточке модели, обучение проходило в два этапа: дообучение с учителем на парах коротких запросов и их расширенных промптов, затем настройка предпочтений на парах собственных выходов модели, отрендеренных через FLUX 3 Image Klein с фиксированным seed и ранжированных по полученному изображению. Второй этап — примечательный. Апсемплер настраивали не на то, чтобы писать хорошо читаемые промпты; его настраивали на том, какие из его собственных промптов давали лучшую картинку, когда их выполняла модель изображений. Это методология, заявленная вендором, а не опубликованный абляционный эксперимент, и независимой её оценки не существует.

Четыре режима и то, как конвейер выбирает один из них

Апсемплер не всегда является инструментом преобразования текста в изображение. То, какой системный промпт он загружает, зависит от того, что вы ему передаёте, а правило находится в bbox.py:

• Без референсных изображений, без боксов — промпт t2i. Он разворачивает запрос в одно подробное описание.

• Референсные изображения, без рамок — промпт i2i. Он смотрит на референсы и пишет инструкцию по редактированию, которая распознаёт каждый референт по тому, как он на самом деле выглядит. Расплывчатый запрос трактуется как наиболее правдоподобное редактирование предоставленных изображений.

• Рамки предоставлены, текст-в-изображение — это промпт t2i_bbox. Вывод становится подписью, за которой следует таблица элементов JSON, по одной строке на каждый объект на холсте от 0 до 1000, и подпись ссылается на каждую строку по идентификатору в угловых скобках.

• Боксы и референсы — промпт i2i_bbox, который возвращает запись аннотации с полем from, отличающим содержимое, взятое из ref_image_N, от содержимого, помеченного как target, а также бокс в источнике и бокс в воображаемом выводе.

Ваши рамки выигрывают конфликт. Код преобразует ваши координаты от 0 до 1 в сетку от 0 до 1000, передаёт их модели как авторитетный заблокированный список, а затем согласовывает ответ: любая строка, которую модель перепланировала под своим собственным id и которая пересекается с заблокированной рамкой с коэффициентом пересечения-над-объединением 0,9 или лучше, получает заблокированный id, а заблокированные строки записываются обратно дословно с принятым описанием модели. Ваша раскладка — не предложение, которое модель может улучшить.

Декодирование фиксировано, и его стоит скопировать, если вы вызываете его сами: жадный метод, top-p 0.95, top-k 20, потолок в 3 584 новых токена и штраф за присутствие 1.5 для text-to-image против 0.0 для редактирования. Эта асимметрия намеренна — штраф существует, чтобы генератор подписей не повторялся, а инструкция по редактированию, которая обоснованно упоминает один и тот же объект дважды, не должна за это наказываться.

Что требуют промпты — и почему ваши промпты выглядят именно так

Системный промпт t2i — самый полезный документ в релизе для всех, кто счёл поведение FLUX 3 Image Klein странным. Некоторые из его инструкций напрямую объясняют стиль вывода модели:

• Длина. «Обычная длина — от 100 до 350 слов, для сложных сцен больше». Апсемплер не сжимает ваш промпт и не пересказывает его. Он расширяет его примерно на порядок, а модель изображений обучалась на подписях именно такого диапазона.

• Каждый человек в фокусе получает профиль. Этническая принадлежность, пол, возрастной диапазон, тон кожи, волосы и одежда — как наблюдаемые атрибуты. В подсказке приведены примеры «светлая кожа» и «коричневая кожа».

• Фон занимает примерно шестую часть подписи.Явно. Промпт также требует, чтобы нерезкое и удалённое содержимое описывалось как формы, цвета и силуэты, а не как личности или читаемый текст.

• Стиль по умолчанию — фотография. Если стиль не указан, модель планирует настоящую фотографию и начинает с обозначения среды — «Полноцветная фотография на открытом воздухе», «Студийная фотография», — приберегая «Фотореалистичный» для рендеров. Запрос на что-то «реалистичное» преобразуется в фотографическую конвенцию, а не повторяется обратно.

• Запреты. Никаких смягчающих наречий. Никаких оценок качества или эмоций. Никакого заключительного предложения о настроении. Отрицания переписываются как утверждения о том, что присутствует. Генеративный голос обязателен: «на этом изображении показано» и «мы можем видеть» категорически запрещены.

• Против стоковых фото. Промпт запрашивает «несколько обычных, неидеальных конкретных деталей, взятых из собственных объектов сцены вместо стокового идеала». Это инструкция делать изображения менее шаблонными, записанная в системный промпт.

• Работа с текстом. Отображаемый текст должен дословно воспроизводиться в двойных кавычках на исходном языке и в исходной письменности, с сохранением разрывов строк и указанием типографики, цвета и размещения. Если для выполнения запроса требуется текст, который не был предоставлен, модель создаёт конкретные, соответствующие предметной области формулировки.

Сверьте этот список с разочаровывающей генерацией — и обычно можно понять, какому правилу не дали достаточно материала для работы. Плоский портрет с пустым фоном — это запрос, в котором нет ни сцены, ни освещения, ни обычных конкретных деталей. Запрос, который модель всё равно дополнила, заполнив пробел собственным обобщённым планом на своё усмотрение.

Во что это обходится вам по памяти и времени

The upsampler is on by default in B​FL's own pipeline, and the practical reason to care is that "on by default" means a second model resident while the first one generates. From the reference code and documentation:

• Диск — 18,82 ГБ для весов bfloat16, против 11,1 ГБ для собственных safetensors дистиллированной модели изображений и около 11 ГБ для базовой.

• VRAM — the reference implementation gives the upsampler a share of the GPU, defaulting to 0.35 in the Python API and 0.85 in the standalone module's command line. B​FL's memory table, measured on a B200, runs 31 GB in bf16 for the image model with --no-pup; the upsampler's reserved share sits on top of that.

• The 8 GB story gets more complicated. B​FL's headline is that the INT8 build of FLUX 3 Image Klein runs on an RTX GPU with as little as 8 GB of VRAM, and that is the image model. In the ComfyUI repository the prompt upsampler ships as a separate 9.75 GB INT8 text encoder file. Nobody has published a configuration in which both an 8 GB card and the upsampler are resident at once.

• Выключатель — это один флаг. --no-pup отправляет ваш запрос как есть. В демо есть тот же переключатель, а апсемплинг промпта в хостируемом API является частью эндпоинта, а не отдельной строкой в опубликованном прайс-листе: $0.008 при 768×768, $0.009 при 1K, $0.011 при 1.5K, $0.014 при 2K и $0.036 при 4K, при этом генерация и редактирование стоят одинаково.

• Референсы уменьшаются, прежде чем их увидит апсемплер. Один референс ограничен примерно одним мегапикселем; два — по 724×724; три или более — по 512×512, с перекодированием в JPEG с качеством 92. В карточке модели это прямо указано как ограничение — мелкие детали на референсе могут быть описаны неверно — и это механизм, стоящий за конкретной ошибкой, которую можно воспроизвести: попросите внести правку, зависящую от мелкой печатной детали, и в ответ на инструкцию может прийти описание не того, потому что апсемплер так и не увидел её в полном разрешении. Модель изображения получает ваш оригинал.

Лицензия — это та часть, о которой стоит спорить.

Вот асимметрия, если сказать прямо. Веса FLUX 3 Image Klein распространяются под лицензией FLUX Kommunity License, которая разрешает бесплатное коммерческое использование только отдельным лицам и компаниям с годовой выручкой менее $5 млн, а более крупные организации перенаправляются к лицензированию для самостоятельного размещения или к API. Стоит инициировать коммерческий лицензионный запрос по продукту, и модель, которую вы поставляете, — не единственный артефакт, входящий в сферу рассмотрения.

В этот релиз вошли четыре репозитория. Три из них — дистиллированная модель, базовая модель и веса ComfyUI — указаны в API Hugging Face как gated: auto, что означает, что перед скачиванием файлов необходимо принять условия. Один вообще не имеет ограниченного доступа и распространяется под Apache License 2.0: апсемплер промптов. Он также единственный из четырёх, в чьей карточке модели напрямую указана разрешительная лицензия, и README самого референсного репозитория явно обозначает границу — код под Apache 2.0, веса Klein — FLUX Kommunity, а «апсемплер промптов — под Apache 2.0».

What that buys you depends on the unresolved question. If the upsampler is genuinely a standalone artifact, it is a 9B-class vision-language model you can fine-tune, redistribute and ship in a commercial product without a revenue threshold, and it is currently the cheapest way to acquire that capability from a frontier image lab under terms that do not require a lawyer. If it is intended only as a dependency of B​FL's reference code, then repurposing it carries a risk that no document currently resolves.

Что подтверждено, а что нет

Подтверждено по репозиторию и API Hugging Face, и всё это можно перепроверить: состав файлов и размеры в байтах, лицензия Apache 2.0, отсутствие шлюза доступа, база Qwen3.5-9B, четыре системных промпта и их полный текст, параметры декодирования, эталонный бюджет предобработки, поведение при согласовании рамок, описание двухэтапного обучения и опубликованные ограничения.

Not confirmed, and stated as open rather than guessed: whether B​FL considers the upsampler a supported product or an internal dependency; whether the Apache 2.0 header was a deliberate licensing decision or an inherited default from Qwen3.5-9B; how much the upsampler actually improves output, since no third party has run a controlled comparison and B​FL has published no ablation; whether the preference-tuning stage generalises beyond the prompts in its training set; and whether the 9.75 GB INT8 ComfyUI file is the same model at lower precision or a differently prepared one, since that repository's model card is gated and could not be read.

Также открыто: цифры на самом репозитории невелики. Тринадцать загрузок и десять лайков у апсемплера против 3 241 загрузки и 128 лайков у дистиллированной модели изображений через двадцать четыре часа после релиза. Это не свидетельство того, что модель неважна, — это свидетельство того, что почти никто не знал, что она там есть.

Где OrcaRouter подходит, а где — нет

Сначала честная версия: OrcaRouter не размещает ни одной модели Black Forest Labs. Каталог был проверен, а не принят на веру, и в нём нет записи FLUX. Ничто ниже не подразумевает обратного.

What does sit in the catalogue is the comparison set. If you are going to spend a weekend testing whether prompt expansion helps your images, the interesting experiment is running the same request through FLUX 3 Image Klein with the upsampler on and off, and then against a hosted image model that does its own prompt handling — G​oogle's image models, O​penAI's, G​rok's — to see whether the gap you are measuring is the upsampler or the generator. Those hosted models are reachable from a single key on OrcaRouter, at the provider's list price with no markup added, so the cost of the experiment is the provider's own rate and nothing on top of it. That is a cheaper way to answer the question than downloading 18.82 GB four times.

Впрочем, стоит точно обозначить, в чём ограниченность этого совета. Если вы действительно хотите дообучить апсемплер по лицензии Apache 2.0, вам понадобятся веса на собственном оборудовании и среда выполнения, способная обслуживать 9B визуально-языковую модель. OrcaRouter этим не занимается, а вопрос лицензии, о котором говорилось выше, предстоит решать вам.

Что превратило бы это в более масштабную историю?

Four things, in rough order of how much they would change. First, a named mention from B​FL — a model card, a docs page, a line in the release notes — which would settle the framing here and probably force an update to this piece. Second, a controlled evaluation, ours or anyone's, of images generated with and without the upsampler at a fixed seed; that number is currently missing and it is the one everyone actually wants. Third, a statement on whether the Apache 2.0 licence is deliberate, since that is what makes the artifact interesting rather than merely unlisted. Fourth, the same treatment applied to the rest of the FLUX 3 family: if the upsampler pattern holds, other tiers will ship with permissive helper models attached and unannounced.

До тех пор практическое прочтение остаётся узким и неброским. Поскольку скачиваемая модель изображений имеет ограниченный доступ, а её лицензия содержит порог по выручке, большинство тех, кто хочет строить на FLUX 3 Image Klein, начнут с API, где апсемплер — не то, что вы решаете, а то, что делает эндпоинт, с ценой, заложенной в тарифную сетку, которая начинается с $0,008 за изображение. Люди, которым стоит обратить внимание на репозиторий, — это те, кто занимается селф-хостингом, и для них полезный факт на этой неделе прост: часть релиза с самой разрешительной лицензией — это ещё и та, о которой им никто не рассказал.

Для модели, чьи режимы отказов всё ещё не документированы, полезным аналогом служит сводка о том, что уже пошло не так в других местах: документированные инциденты с ИИ и сбои агентов, связанные с моделями этого класса, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, степень серьёзности, уровень уверенности и флаг оспаривания.