FLUX 3 Image Klein rankas som #1 bland öppna vikter – på resultattavlan som dess skapare har ritat

Siffran finns överallt nu. FLUX 3 Image Klein kom först bland modeller med öppna vikter inom text-till-bild, först inom multireferensgenerering, först inom bildredigering – och slog den äldre FLUX.2 [klein] 9B med 91 Elo inom text-till-bild och 70 Elo inom redigering, samtidigt som den hade 38 % färre parametrar. Det är siffrorna i Black Forest Labs lanseringsinlägg, i sammanfattningarna, i det sociala kortet. Meningen som tenderar att falla bort är den som i källan är kopplad till dem: dessa är interna utvärderingar.

Det är ingen skandal. Det är så nästan varje bildmodell lanseras, och det är den enda jämförelse ett labb kan göra innan någon annan har vikterna. Men det förändrar vad en läsare bör göra med rankingen. FLUX 3 Image Klein är faktiskt släppt – 5,6B parametrar, öppna vikter, publicerad 15 oktober 2026 under FLUX Kommunity License, anropbar för 0,009 USD per 1 000 bilder via BFL:s egen API. Det som ännu inte finns är en poäng från någon som inte är Black Forest Labs. Modellen är verklig; placeringen på leaderboarden är ett påstående.

Vad releasen faktiskt fastställde

Separera artefakterna från marknadsföringen, eftersom de väger olika tungt. Artefakterna går att granska idag, av vem som helst, utan GPU:

• Vikter — en bildgenerator med 5,6B parametrar, med en bascheckpoint för finjustering och en destillerad checkpoint med 16 steg för latens

• Precisionsbyggen – BF16 på 11,2 GB, FP8 på 5,6 GB, samt INT8- och NVFP4-byggen gjorda med NVIDIA

• Licens — FLUX Kommunity License: gratis kommersiell användning för privatpersoner och företag med under $5M i årlig omsättning, betalda självhostade licenser eller API:et över den gränsen

• Funktioner — text-till-bild, redigering, multireferensgenerering med upp till 10 referensbilder, äkta 4K och bounding box-kontroll

• Pris — $0.009 per 1 000 bilder via leverantörens API, med en 2K-nivå ovanför

• Verktyg — LoRA-träningsrecept för Diffusers, Ostris AI Toolkit och NVIDIA NeMo AutoModel

Allt det där finns i repositoriet och dokumentationen. Inget av det beror på att ett benchmark är sant. En modell kan vara liten, snabb, licensierbar och nedladdningsbar utan att vara bäst på något, och de egenskaperna är värdefulla i sig.

Det som lanseringen inte fastställde är relativ kvalitet. Lanseringsinlägget visar Elo-diagram i stället för att trycka exakta poäng i texten, så den exakta skillnaden mellan Klein och dess jämförelseuppsättning går inte ens att citera fullt ut – du kan läsa staplarna, inte siffrorna. De namngivna jämförelseobjekten är Qwen-Image 2.1 på 7B och Krea 2 på 12,9B, där Krea 2 utesluts från redigeringsjämförelsen eftersom det inte stöder redigering. Det är rimliga kontroller. De är fortfarande labbets egna kontroller, i labbets eget ramverk, på prompter som labbet valt.

Ordet ”tredjepart” gör ett arbete som det inte har förtjänat.

Mycket av bevakningen av den här utgåvan beskriver rankningarna som tredjepartsbenchmarks. Det är de inte. En sökning efter en oberoende post i en resultattabell ger leverantörens blogginlägg och ett dussin omskrivningar av det, och omskrivningarna övertar inramningen utan att överta förbehållet.

Den mest användbara offentliga resultattavlan för bildmodeller är Artificial Analysis, som rangordnar enligt Elo baserat på parvisa mänskliga preferensröster. Dess text-till-bild-tavla, version 2.1, hämtad den 16 oktober 2026, har 42 synliga poster. GPT Image 2.5 Sunburst ligger etta på 1218. Nano Banana 2 ligger sjua på 1139. FLUX 3 Image ligger på trettonde plats med 1114, baserat på 5 766 exempel, prissatt av tavlan till $48 per tusen bilder. FLUX.2 [klein] 9B — baslinjen i BFL:s jämförelse — ligger på tjugosjätte plats med 1026.

FLUX 3 Image Klein finns inte med på den listan. Inte vid lanseringen, inte åtta dagar senare. Posten med beteckningen "FLUX 3 Image" är en annan produkt: det är det större syskonet som endast finns som API, och listans siffra på 48 dollar per tusen matchar den modellens publicerade intervall, inte Kleins 9 dollar. Detta spelar roll av en enkel anledning. I den enda oberoende rankning som finns är den högst rankade bildmodellen med öppna vikter inte Klein och inte alls en modell från Black Forest Labs – det är Qwen-Image-3.0-Pro på 1093. Påståendet att Klein är först bland öppna vikter motsägs därför inte av den offentliga listan. Det saknas helt enkelt där.

Sätt BFL:s eget delta bredvid en offentlig tavla

Det finns ett sätt att få en grov riktning utan att låtsas att det är en mätning. BFL anger sina förbättringar som deltan gentemot FLUX.2 [klein] 9B, och den äldre modellen finns på den offentliga resultattavlan. Så ta den offentliga poängen och lägg till leverantörens delta:

• Text-till-bild — FLUX.2 [klein] 9B på 1026 hos Artificial Analysis, plus BFL:s +91, hamnar nära 1117

• Redigering – FLUX.2 [klein] 9B på 1015 på redigeringstavlan, plus BFL:s +70, landar nära 1085

Läs det som aritmetik, inte som en förutsägelse. Elo-deltan går inte att överföra mellan utvärderingsramverk. En skillnad på 91 punkter uppmätt på BFL:s promptuppsättning överförs inte punkt för punkt till en resultattavla byggd av röster från allmänheten på olika bilder, med olika röstare och ett annat urvalsfönster. Övningen är bara användbar för skalan: den antyder en modell som skulle landa i det lägre 1100-intervallet i text-till-bild, vilket är ungefär där FLUX 3 Image redan ligger och med god marginal bakom Nano Banana 2 på 1139. Den antyder inte en modell som skulle toppa open-weight-fältet med bred marginal, och den antyder absolut inte att +91 översätts till en sammanlagd förstaplats.

Om du vill ha den ärliga enradsversionen: en post i låga 1100-området skulle med stor sannolikhet vara den bästa open-weight-modellen på den listan, eftersom den nuvarande ledaren där är 1093. Så riktningen i BFL:s påstående är rimlig. Storleken är overifierad, och marginalen till den närmaste open-weight-konkurrenten kan vara mycket mindre än lanseringsinramningen antyder.

Vad vi såg när vi körde det

Vår egen erfarenhet av modellen pekar på något mer specifikt än "bästa bildmodell med öppna vikter". Vi har kört FLUX 3 Image Klein via leverantörens API, utan en fast promptuppsättning eller en bedömningsmall, så betrakta detta som en observation snarare än ett resultat. Förmågan som stack ut var exakt, lokaliserad redigering: att ändra ett enskilt objekt i en scen, flytta ett element till ett avgränsat område eller tillämpa en instruktion som bör lämna resten av bildrutan orörd. Fall där nästan allt tillåts ändras – en fullständig omstilisering, en genomgripande ljusändring – var mycket svårare att skilja från föregående generation.

Det är motsatt betoning mot större delen av den offentliga debatten. Lanseringens inramning handlar om huruvida Klein överhuvudtaget kan redigera, och huruvida det slår modeller som kostar fem gånger så mycket. Den mer användbara frågan för den som arbetar i produktion är huruvida det kan redigera snävt. Precisa redigeringar är där en avgränsningsruta och en bevarad bakgrund faktiskt spelar roll, där en liten modell antingen behåller resten av scenen eller i tysthet målar om den, och där kostnaden för ett nytt försök inte bara är pengar utan en granskningscykel.

Redigering är det påstående som förtjänar det hårdaste testet

Av de tre anspråken på förstaplatsen är redigering det man bör vara mest skeptisk till, av en strukturell anledning. Text-till-bild-kvalitet är i stort sett lätt att bedöma – en grupp människor kan titta på två bilder och välja en. Redigeringskvalitet är villkorad av instruktionsföljning, och instruktionsföljning är precis det som en leverantörs egen uppsättning prompter har bäst förutsättningar att få att se bra ut. Om dina utvärderingsprompter skrevs av dem som justerade modellen, mäter du skärningspunkten mellan två saker som du kontrollerar.

Det finns också en detalj i pipelinen som påverkar varje jämförelse man kör själv. Klein levereras med en separat prompt-upsampler – en 9B-finjustering av Qwen3.5-9B som heter flux-3-image-klein-pup – vilken är på som standard och som BFL säger att modellen inte är avsedd att köras utan. Det innebär att ett naivt benchmark som skickar prompter precis som de skrivs mäter ett annat system än det som leverantören utvärderade. Varje oberoende test som är värt att läsa måste ange huruvida upsamplern var på, eftersom samma checkpoint kan ge märkbart olika utdata beroende på svaret. Det är en hel del metodologisk yta för ett påstående som för närvarande vilar på en presentationsbild från ett enda labb.

Hastighetssiffrorna tillhör NVIDIA

En uppsättning siffror i släppet har ett annat ursprung än kvalitetsanspråken, och de förtjänar att tillskrivas på rätt sätt. Latenssiffrorna – ungefär 4 sekunder för en 1MP-bild på ett RTX 5090 i INT8 vid 16 steg, under 9 sekunder på ett RTX 4070, 0,55 sekunder på ett GB300 – mättes av NVIDIA, där RTX-resultaten kördes genom ComfyUI. Det är fortfarande en leverantörsnära mätning, eftersom NVIDIA hjälpte till att bygga de kvantiserade checkpoints, men det är en hårdvarumätning snarare än en preferensbedömning, och hårdvarumätningar är mycket lättare att reproducera. Om du har kortet kan du kontrollera det på en eftermiddag.

VRAM-påståendet om 8 GB förtjänar samma behandling. Det stämmer för INT8-generatorbygget. Det stämmer inte för hela den rekommenderade pipelinekedjan, eftersom prompt-uppsamplaren är en separat BF16-nedladdning på 18,8 GB som vill ha sitt eget minne. En användare som läser "körs på 8 GB" och sedan aktiverar standardpipelinen kommer att upptäcka vilket påstående som var avgränsat och vilket som inte var det.

Så här kontrollerar du detta själv

Det billigaste ärliga testet är inte en resultattabell. Det är tjugo av dina egna prompter, körda två gånger – en gång med upsamplern och en gång utan – på de uppgifter du faktiskt bryr dig om, bedömda efter om du skulle släppa resultatet. Klein gör detta ovanligt praktiskt eftersom vikterna går att ladda ner och licensen tillåter kommersiell användning under gränsen på 5 miljoner dollar i intäkter, så testet kräver inget konto hos någon.

För allt annat är ett routningslager det billigaste sättet att köra samma prompt mot flera leverantörers slutpunkter under en och samma nyckel, vilket är vad OrcaRouter är till för: ett OpenAI-kompatibelt API över 200+ modeller, 0 % påslag med leverantörens listpris som skickas rakt igenom, och automatisk failover när en slutpunkt försämras. Det är värt att vara tydlig med att detta inte är en väg till Klein. Vår katalog har 210 modeller och innehåller ingen FLUX-post alls, så för den här modellen är de ärliga alternativen i dag BFL:s eget API eller en självhostad checkpoint. Vi säger hellre det än antyder något annat.

Vad skulle avgöra det?

Tre saker, i stigande ordning efter användbarhet. För det första att Klein dyker upp som en egen post på en oberoende board – inte sammanslagen med FLUX 3 Image, som är en annan modell till ett annat pris. För det andra att den posten överlever några tusen röster snarare än några hundra, eftersom tidig Elo för en ny modell är brusig och tenderar att glida nedåt när nyhetsrösten bleknar. För det tredje att någon publicerar en redigeringsjämförelse som anger sin upsampler-inställning, eftersom siffrorna annars inte är jämförbara.

Fram till dess är den korrekta meningen snävare än rubriken och mer användbar än någon av ytterligheterna. FLUX 3 Image Klein är en bildmodell med öppna vikter på 5,6B för $0.009 per 1 000 bilder som körs på konsumenthårdvara, {{1}}vars leverantör uppger att den är den bästa modellen med öppna vikter inom text-till-bild, multireferensgenerering och redigering{{/1}}. Den första halvan av den meningen är verifierad. Den andra halvan är ett påstående med en namngiven avsändare, och {{2}}avsändaren är laboratoriet som byggde den{{/2}}.