FLUX 3 Image Klein против Qwen-Image 2.1 Turbo: лицензия решает всё ещё до бенчмарков

FLUX 3 Image Klein от Black Forest Labs, выпущенная 15 октября 2026 года, и Qwen-Image 2.1 Turbo от Alibaba неделей раньше, 9 октября 2026 года, выглядят как один и тот же продукт от двух компаний: небольшие генераторы изображений с открытыми весами, которые решают генерацию по тексту, редактирование и композицию по нескольким референсам в рамках одного набора весов, оба принимают до десяти референсных изображений, оба поставляются с ускоренными путями инференса. Поставьте их спецификации рядом — и Qwen-Image 2.1 Turbo выигрывает по большинству пунктов: больше параметров, меньше шагов денойзинга, прозрачность, маски. А теперь прочитайте обе лицензии — и окажется, что меньшая, более медленная на вид и более сложная для осмысления модель — единственная из двух, на которой можно построить бизнес, ничего не подписывая.

Эта инверсия — и есть всё сравнение. Всё остальное — количество параметров, цены, время рендеринга — лишь детали, которые вы взвешиваете, когда с этим уже разобрались.

Что на самом деле представляет собой каждая модель

FLUX 3 Image Klein — это трансформер изображений с 5,6 млрд параметров под лицензией FLUX Kommunity License, выпущенный как открытые веса плюс тарифицируемый эндпоинт в собственном API BFL по цене от 0,009 $ за 1000 изображений. Это младший представитель семейства FLUX 3 Image, и он наследует его набор возможностей: нативный вывод в 4K, ограничивающие рамки, записываемые как [top, left, bottom, right] по сетке 0–1000, и до десяти референсных изображений. Он поставляется в двух чекпоинтах — сборка, дистиллированная по шагам, на 16 шагов для генерации и недистиллированная база на 50 шагов для тонкой настройки и обучения LoRA — а также квантования FP8, INT8 и NVFP4. Значение 5,6 млрд относится только к трансформеру изображений; текстовый энкодер Qwen3-VL-4B-Instruct загружается отдельно.

Qwen-Image 2.1 Turbo — это ускоренный чекпоинт Qwen-Image 2.1, сохраняющий ту же архитектуру визуальной генерации на 7B — 32 слоя DiT с одним потоком — и сокращающий инференс до 8 шагов денойзинга с сохранённым расписанием сэмплирования и префиксным кэшированием KV. Это унифицированная модель генерации и редактирования со списком возможностей, которому Klein не соответствует: нативная прозрачность, благодаря чему она напрямую генерирует и редактирует RGBA-изображения; и локальные правки с помощью нарисованных кругов, нанесённых аннотаций или отдельных масок, а не ограничивающих рамок. Веса распространяются по лицензионному соглашению Qwen Research License Agreement, а размещённая версия стоит $0,016 за изображение через Alibaba Cloud Model Studio и QwenCloud.

Оба являются настоящими релизами с открытыми весами в том смысле, который важен для скачивающего: вы можете получить файлы, запускать их локально и дообучать их. А что вы затем можете делать с выходными данными — это другой вопрос, и именно на него два поставщика отвечают по-разному.

Лицензия — вот в чём они расходятся.

Соглашение Qwen Research License Agreement недвусмысленно уже в самом начале: предоставляемые права — «ТОЛЬКО ДЛЯ НЕКОММЕРЧЕСКИХ ЦЕЛЕЙ», а в разделе 2(b) сказано, что вы «не должны использовать Материалы в каких-либо коммерческих целях без получения отдельной коммерческой лицензии от нас». Для обозначения некоммерческого использования в соглашении употребляется формулировка «в целях исследования или оценки». Это означает, что весане могут попасть в продукт без согласованной лицензии от Hangzhou Tongyi Laboratory. Покупка модели через размещённый API Alibaba — это коммерческая услуга, и на неё распространяются собственные условия; ограничение же касается самостоятельного хостинга чекпоинта — а именно для этого команда и выбирает модель с открытыми весами.

FLUX 3 Image Klein идёт другим путём. По лицензии FLUX Kommunity License v1.0 веса бесплатны для некоммерческого использования, а также существует исключение для коммерческого вывода для «Квалифицированных пользователей» — физических лиц и компаний с валовой годовой выручкой менее 5 млн долларов США. Ниже этой отметки вы можете коммерчески распространять результаты работы Klein без каких-либо затрат, кроме ваших собственных вычислительных ресурсов. Выше неё вам нужна лицензия на самостоятельное размещение от BFL или вы используете API.

Так что разделение не в том, что «один открытый, а другой закрытый». Оба доступны для скачивания. Один можно скачать для исследований, другой — для бизнеса с выручкой до определённого порога. Для инди-разработчика или небольшой студии этот единственный пункт сразу решает исход противостояния.

Есть ещё два условия, о которых стоит знать, прежде чем вы примете окончательное решение в ту или иную сторону. Лицензия Klein запрещает использовать модель, её производные или её выходные данные для улучшения другой ИИ-модели, выполняющей аналогичную функцию, — генерация синтетических данных для обучения конкурирующей модели изображений как раз попадает под это положение. А соглашение Qwen требует, чтобы распространяемые копии содержали уведомление об авторстве, а любые изменённые файлы были помечены как изменённые, — это обычная практика для открытого исходного кода, но это реальное обязательство, если вы планируете опубликовать дообученную версию.

Характеристики, строка за строкой

• Генератор изображений — FLUX 3 Image Klein с 5,6 млрд параметров против Qwen-Image 2.1 Turbo с 7 млрд (32 слоя DiT с одним потоком); каждый из них подсчитан так, как его подсчитывает издатель, текстовые энкодеры в обоих случаях исключены.

• Шаги шумоподавления — Klein дистиллирован до 16 шагов, базовая версия — 50 шагов против Qwen Turbo с 8 шагами, при этом его расписание сэмплирования сохранено внутри чекпоинта.

• Максимальное разрешение — Klein до нативного 4K класса 4096px против опубликованных пресетов Qwen Turbo, достигающих максимум 2752×1536 (около 4,2 МП), при этом 2048×2048 — самый большой квадрат.

• Референсные изображения — по десять с обеих сторон.

• Управление областью — ограничивающие рамки на сетке 0–1000 для Klein (размещение и масштаб, явно не жёсткая пиксельная маска) против нарисованных кругов, нанесённых аннотаций или отдельной маски для Qwen-Image 2.1.

• Прозрачность — Qwen-Image 2.1 генерирует и редактирует нативный RGBA; FLUX 3 Image Klein не заявляет о поддержке прозрачности ни в карточке модели, ни на странице продукта.

• Обработка промптов — Klein требует наличия перед собой апсемплера промптов, и в его карточке модели прямо сказано, что без него его не следует запускать; Qwen Turbo принимает промпт как есть, а расширение промпта доступно в виде параметра API.

• Лицензия — FLUX Kommunity License: коммерческое использование бесплатно при выручке до $5M, тогда как Qwen Research License допускает только некоммерческое использование; для коммерческого использования весов требуется отдельная лицензия.

• Цена по API поставщика — $0.009 за 1000 изображений, рост до $0.036 при 4K против фиксированных $0.016 за изображение при любом пресете.

Что на самом деле делают два прайс-листа при больших объёмах

Тарифная сетка Klein масштабируется в зависимости от разрешения; у Qwen Turbo — нет. Это даёт точку пересечения, которую легко упустить, если сравнивать только ключевые цифры.

• 10 000 изображений в 1K — Klein $90 против Qwen-Image 2.1 Turbo $160. Klein на 44% дешевле.

• 10 000 изображений в 2K — Klein — $140 против Qwen-Image 2.1 Turbo — $160. Klein по-прежнему дешевле на 12,5%.

• 10 000 изображений в 4K — Klein $360. У Qwen-Image 2.1 Turbo нет пресета 4K, с которым можно сравнить цену; его максимальный размер — 2752×1536 при тех же $160.

Это арифметика по двум опубликованным тарифным сеткам, а не котировки. Точка пересечения находится между 2K и 4K, и она существует потому, что два поставщика назначали цены в разных единицах: BFL берёт плату за изображение по диапазону разрешения, Alibaba — фиксированную плату за изображение. Если ваша рабочая нагрузка находится в диапазоне 1K или 2K, Klein обойдётся дешевле на обоих API, что противоположно тому, чего можно было бы ожидать от «дешёвой модели Qwen». Если же она работает в настоящем 4K, Qwen-Image 2.1 Turbo вообще не может её обслужить через опубликованные пресеты, так что вопрос не в цене.

Сравнение становится ещё сложнее, когда вы размещаете модель у себя, а не вызываете API. На вашем собственном оборудовании вообще нет тарифа за изображение — есть фиксированная стоимость GPU и стоимость обработки одного изображения в секундах — и эти две модели сильно различаются по тому, что им требуется для запуска.

Запуск их самостоятельно

Сложите опубликованные списки файлов — и разрыв становится очевидным. Три BF16-компонента FLUX 3 Image Klein — трансформер на 11,1 ГБ, текстовый энкодер на 8,9 ГБ и автоэнкодер на 0,34 ГБ — в сумме дают примерно 20,3 ГБ, а сборка INT8 работает на RTX с всего лишь 8 ГБ видеопамяти, при этом, согласно документации BFL, минимальный порог — RTX 3090. В BF16-загрузке Qwen-Image 2.1 Turbo доминирует текстовый энкодер на 17,53 ГБ, при этом трансформер разбит на шарды объёмом 9,97 ГБ и 4,26 ГБ, а VAE занимает 0,68 ГБ — всего около 32,4 ГБ, так что один только его текстовый энкодер больше, чем всё, что нужно Klein, вместе взятое. Обе цифры — это наши суммы по собственным спискам файлов вендоров, а не опубликованные вендорами итоговые значения.

Скорость — вот где количество шагов вводит в заблуждение. Дистиллированный чекпоинт Klein выполняет вдвое больше шагов, чем восемь шагов Qwen Turbo, но измеренные цифры BFL — полученные NVIDIA в ComfyUI на дистиллированной сборке INT8 — дают для изображения 1 МП около 4 секунд на RTX 5090 и менее 9 секунд на RTX 4070, опускаясь ниже 0,6 секунды на GB300 в NVFP4. Alibaba не публикует сопоставимый показатель для Turbo в расчёте на GPU, поэтому честная позиция состоит в том, что восемь шагов Turbo архитектурно представляют собой более короткий путь, и никто за пределами Alibaba не публиковал время в секундах для Turbo на потребительском оборудовании.

Заложите бюджет на апсемплер Klein, какую бы модель вы ни выбрали. Апсемплер промптов для него не опционален — flux-3-image-klein-pup — это отдельная 9B визуально-языковая модель, загрузка BF16 объёмом 18,8 ГБ, которая добавляет около 28 ГБ видеопамяти на карте с 80 ГБ, когда работает вместе с генератором. Эта единственная зависимость сводит на нет преимущество Klein в объёме видеопамяти для всех, кто разворачивает его на одной небольшой карте, если только подпись не создаётся где-то ещё и не передаётся сюда.

Ни одна из моделей не имеет независимой оценки качества

Это строка, которую оба листа спецификаций оставляют пустой, и стоит быть точным в том, насколько она пуста. По состоянию на 16 октября 2026 года Artificial Analysis ведёт отдельные рейтинговые таблицы для преобразования текста в изображение и редактирования изображений, и ни в одной из них нет записи для FLUX 3 Image Klein или Qwen-Image 2.1 Turbo. Что в этих таблицах действительно есть, так это предыдущее поколение из каждого семейства — самое близкое к независимой оценке из доступного:

• Текст в изображение — Qwen-Image 2.1 (базовый чекпойнт, а не Turbo) занимает 20-е место с 1 041 Elo по результатам 5 356 сравнений, выпущен в сентябре 2026 года. FLUX 3 Image — более крупный собрат, под которым находится Klein, — занимает 13-е место с 1 114 Elo по результатам 5 769 сравнений.

• Редактирование изображений — Qwen-Image 2.1 занимает 19-е место с 1 081 Elo по результатам 6 138 сравнений. У FLUX 3 Image вообще нет записи в таблице редактирования; ближайшая указанная модель FLUX — FLUX.2 [Klein] 9B с 1 015 Elo по результатам 6 905 сравнений.

Читайте это как контекст, а не как прогноз. Базовая Qwen-Image 2.1 — это не Turbo: дистиллированный чекпоинт жертвует качеством ради шагов, и насколько именно — как раз этот вопрос остаётся открытым из-за отсутствия Turbo в таблице. FLUX 3 Image — тоже не Klein, и собственный пост Black Forest Labs о запуске никогда не сравнивает эти две модели, а значит, нигде нет опубликованной цифры, показывающей, насколько Klein уступает своему более крупному собрату. А в таблице редактирования модель, которую, по словам BFL, Klein превосходит на 70 Elo, — FLUX.2 [klein] 9B — находится на отметке 1 015, примерно на 66 Elo ниже, чем Qwen-Image 2.1. Утверждение BFL состоит в том, что Klein с лихвой преодолевает этот разрыв; единственное доказательство этого на данный момент — собственный график BFL.

Какой выбрать?

Выбирайте FLUX 3 Image Klein, если результат должен использоваться в коммерческих целях, а бизнес небольшой. Это единственный из двух, чьи веса поставляются с пригодным для коммерческого использования путём, не требующим переговоров; он дешевле за изображение в обоих API при 1K и 2K и достигает 4K. Предусмотрите бюджет на апскейлер и изучите ограничения лицензии на обучение конкурирующих моделей и дальнейшее распространение дообученных вариантов, прежде чем строить вокруг него конвейер данных.

Выбирайте Qwen-Image 2.1 Turbo, если прозрачность или локальное редактирование на основе маски — это именно та функция, которая вам нужна (Klein не предлагает ни того, ни другого), или если вы работаете над исследованием, оценкой или внутренним прототипом, где условие о некоммерческом использовании никогда не действует. Восемь шагов и архитектура 7B делают его эффективным для локальных экспериментов; объём 32,4 ГБ в BF16 — цена этого эксперимента.

Если вам нужно и то и другое, такое разделение оправданно: Qwen-Image 2.1 Turbo — для этапа исследования и его ветки прозрачности, FLUX 3 Image Klein — для продакшен-ветки. Это решение о лицензировании в такой же степени, как и техническое.

Куда на самом деле можно им позвонить

Обе модели доступны через собственный API вендора — BFL для Klein, Alibaba Cloud Model Studio и QwenCloud для Turbo — а также через несколько сторонних платформ. Ни одной из них сегодня нет в каталоге OrcaRouter, и мы предпочли бы сказать это прямо, а не намекать на историю о маршрутизации, которую не можем подкрепить. Что мы можем сказать, так это то, где вписывается окружающий рабочий процесс: OrcaRouter уже маршрутизирует набор хостируемых моделей изображений наряду с более чем 200 текстовыми и мультимодальными моделями через один API-ключ, с 0% наценки к прейскурантной цене провайдера и автоматическим переключением при сбое между провайдерами. Команды, использующие хостируемую модель изображений для интерактивного пути и сохраняющие чекпоинт с открытыми весами для пакетной работы, реализуют именно то разделение, для которого создана единая конечная точка, и если какая-либо из этих двух появится в каталоге, именно там она и появится.

Следить нужно не за очередной спецификацией. А за первым независимым рейтингом Elo для каждой из этих моделей — на том же табло, где уже находятся их предшественники. Пока это не произойдёт, два фигурирующих заявления — BFL: «лидирующее качество открытых весов при меньшем числе параметров» и Alibaba: «самый сбалансированный и экономически эффективный» — остаются рекламой, и единственные строки в этом сравнении, на которые можно уверенно опираться, — это лицензия, прайс-лист и минимальный объём VRAM.

Этот разрыв между тем, что измеряет табло результатов, и тем, с чем сталкивается реальное развёртывание, — как раз поэтому этот реестр важен: задокументированные сбои ИИ и инциденты с агентами, связанные с моделями этого класса, собраны в Архиве инцидентов ИИ OrcaRouter, где каждая запись содержит собственные источники, уровень серьёзности, оценку уверенности и отметку об оспаривании.