FLUX 3 Image Klein har släppts: 5,6 miljarder parametrar, 8 GB VRAM och en rad på 5 miljoner dollar i licensen

Black Forest Labs publicerade FLUX 3 Image Klein den 15 oktober 2026: en bildmodell med öppna vikter och 5,6 miljarder parametrar som även körs som en avgiftsbelagd slutpunkt som heter flux-3-image-klein/ på företagets eget API, från $0,009 per 1 000 bilder. Den ligger under den större FLUX 3 Image och ärver den modellens främsta egenskaper – inbyggd 4K-utdata, upp till tio referensbilder och avgränsningsrutor för att placera eller redigera element – till ungefär en femtedel av 1K-priset och en bråkdel av resursavtrycket. Det är lanseringspåståendena, och de kan kontrolleras mot vikterna, licensen och pristabellen. Det som ännu inte kan kontrolleras är det enda påståendet som avgör de flesta köp: att en modell med 5,6 miljarder parametrar rankas högre än större konkurrenter med öppna vikter när det gäller kvalitet.

Varje kvalitetsvärde i släppet kommer inifrån Black Forest Labs. Ingen utanför företaget har publicerat ett benchmark, och de offentliga resultattavlorna har ännu ingen post för Klein. Det är normalt för en modell som är en dag gammal, och det är värt att säga direkt, eftersom resten av den här texten är ovanligt konkret – filstorlekar, priser per bild, licenströsklar – och kvalitetsfrågan står vid sidan av allt detta.

Vad släpptes egentligen den 15 oktober?

Tillkännagivandet har rubriken FLUX 3 Image Klein: öppna vikter, 5,6B parametrar och det listar ett komplett släpp snarare än ett enskilt checkpoint-släpp:

• 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.

• En modell för tre uppgifter. Text-till-bild, redigering med en referens och komposition med flera referenser körs genom samma vikter. Referensbilder förankrar innehåll snarare än låser struktur, och modellen accepterar upp till tio av dem.

• 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.

Repona lades upp före tillkännagivandet – bas- och destilleringsreporna skapades den 13 oktober, ComfyUI- och prompt-upsampler-reporna den 14 oktober – medan lanseringsinlägget, API-slutpunkten och prissättningssidan alla kom den 15:e. img src="2.png" alt="Skärmdump tagen med huvudlös webbläsare av Hugging Face-reposidan för black-forest-labs/flux-3-image-klein, som visar licensgodkännandegrinden, badge för flux-kommunity-license, modellstorleken angiven som 6B parametrar med tensortypen BF16, 3 241 nedladdningar den senaste månaden, 219 gillningar och modellträdet som listar adaptrar och finjusteringar, tagen på engelska den 16 oktober 2026." />

8 GB-påståendet, och vem som mätte det

"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.

Var kvalitetsanspråket står, ärligt talat

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.

Vad det kostar, och hur kurvan böjer sig

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 per bild

• 1K — $0,009 per bild

• 1,5K — $0,011 per bild

• 2K — $0.014 per bild

• 4K — 0,036 $ per bild

I samma tabell prissätts FLUX 3 Image till $0,041, $0,048, $0,07, $0,10 och $0,607 för dessa fem nivåer. Det är ett prisgap på 5,3× vid 1K och ungefär 17× vid 4K, och det är hela det kommersiella argumentet för Klein: om din arbetsbelastning är 4K text-till-bild vid hög volym är den mindre modellen inte en nedgradering du tolererar, utan en radpost som ändras med en storleksordning.

Notera formen på kurvan snarare än instegspriset. Kleins billigaste nivå är $0.008, men priset är ganska platt upp till 2K och hoppar sedan 2,6× för 4K, medan FLUX 3 Image hoppar mer än 6×. Om dina utdata är 1K är de två modellerna tillräckligt nära i pris för att kvaliteten bör avgöra. Om de är 4K är de inte i samma liga.

Licensen avgör om du faktiskt kan leverera

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.

Läs formuleringen noga, för två sammanfattningar av den skiljer sig åt i omfång. Lanseringsinlägget beskriver "fri kommersiell användning för privatpersoner och företag med årliga intäkter under 5 miljoner dollar". Modellkortet beskriver samma undantag som att omfatta kommersiell generering av utdata från Kvalificerade användare, och tillägger att det "inte är ett generellt tillstånd för kommersiell finjustering eller distribution". För ett team vars plan är att finjustera Klein på proprietär data och leverera den resulterande modellen som en del av en produkt, är lanseringsinlägget inte dokumentet som besvarar frågan. Det gör den fullständiga licenstexten.

Det finns också en klausul som är värd att känna till innan du designar en datapipeline kring Klein: licensen begränsar användning av modellen, dess derivat eller dess utdata för att förbättra en annan AI-modell som utför en funktion liknande en FLUX-modell. Generering av syntetisk data för att träna en konkurrerande bildmodell är exakt det fall som klausulen är skriven för.

Det enda du inte får hoppa över

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.

Att ta itu med det, och vad som händer härnäst

Vikterna ligger på Hugging Face bakom en grind för licensgodkännande, med referensinferenskod och en Gradio-demo för bounding box-kontroll i samma organisation. Den hostade endpointen är leverantörens egen API. Klein finns inte i OrcaRouters katalog i dag, så det finns inget för oss att routa här, och vi säger hellre det rakt ut än antyder något annat. Det OrcaRouter ger dig är den andra halvan av en riktig bildpipeline: de hostade bildmodellerna som finns i katalogen ligger bakom en enda nyckel tillsammans med 200+ andra modeller, med leverantörens listpris vidarebefordrat med 0 % påslag och automatisk failover om en leverantör strular. Team som till slut kör Klein för storskaligt 4K-arbete och anropar en hostad modell för den interaktiva vägen gör exakt den uppdelning som en enda endpoint är byggd för.

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.

Benchmarks åldras och priser förändras; felhistoriken gör det inte: de dokumenterade AI-incidenterna och agentfelen bakom modeller i den här klassen samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omtvistad status.