FLUX 3 Image Klein: Vad 5,6B parametrar faktiskt väger på din disk

FLUX 3 Image Klein är medlemmen med öppna vikter i Black Forest LabsFLUX 3 Image-familj, publicerad den 15 oktober 2026 med 5,6 miljarder parametrar, med nedladdningsbara vikter och en avgiftsmätt slutpunkt samma dag. Siffran i rubriken räknar bildtransformatorn och inget annat. Textkodaren – Qwen3-VL-4B-Instruct – är en separat nedladdning, bildautoencodern en tredje, och den minsta kombination av de tre som faktiskt körs landar på cirka 10,5 GB. Tar du BF16-versionerna av samma tre filer är du uppe i ungefär 20 GB. Följer du referensimplementationens egen standardpipeline, som kör en prompt-upsampler före varje generering, passerar totalen 39 GB på disk.

Inget av detta motsäger leverantörens påstående att FLUX 3 Image Klein körs på en enda konsument-GPU, eftersom påståendet aldrig handlade om filstorlek. Det handlar om VRAM vid inferens, i en kvantiserad version, med vikterna laddade en tensor i taget. Men "5,6B parametrar och körs på en enda konsument-GPU" pressar samman tre separata tal – antalet parametrar, nedladdningen och det residenta minnet – till en enda fras, och den som planerar en driftsättning behöver alla tre. Det här är vad vart och ett av dem faktiskt är, enligt BFL:s egen dokumentation och Hugging Face API, när modellen är en dag gammal och ingen oberoende har mätt den ännu.

Vad som släpptes den 15 oktober

Klein är den andra utgåvan med öppna vikter från FLUX 3-familjen, efter FLUX 3 Action i september. Lanseringsinlägget har titeln FLUX 3 Image Klein: öppna vikter, 5,6B parametrar, och det som räknas upp är en ganska komplett utgåva snarare än en checkpoint-dump:

• Två checkpoints, båda 5,6B. Klein Base är odestillerad, kör 50 steg vid guidance 3,5 och är avsedd för finjustering, LoRA-träning och forskning. Klein är stegdestillerad till 16 steg utan guidance och är checkpointen bakom BFL API.

• Tre kvantiseringsformat. FP8- och NVFP4-varianter finns tillsammans med BF16-transformatorn i huvudarkivet, med ett INT8-bygge utvecklat med NVIDIA-stöd. ComfyUI-ompackningen lägger till INT8-versioner av både transformatorn och textkodaren, vilka huvudarkivet inte har.

• Körtidsstöd från dag ett i ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion och vLLM-Omni, plus LoRA-träning via Ostris AI Toolkit och recept i NVIDIA NeMo AutoModel. Tränad på NVIDIA GB200 NVL72; GB300 NVFP4-tidtagningen är den bakom påståendet om under en sekund.

• Funktionsuppsättningen är ärvd, inte reducerad. Native 4K, instruktionsbaserad redigering som bevarar oredigerade områden, upp till tio referensbilder och avgränsningsrutor på ett 0–1000-rutnät som kan placera element eller begränsa en redigering till ett område. BFL är tydliga i modellkortet med att rutor styr placering och skala snarare än att begränsa pixlar till en hård mask – vilket spelar roll om du förväntade dig kontroll på masknivå.

Repona lades upp före tillkännagivandet. Bas- och destillerade repon skapades den 13 oktober och repona för ComfyUI och prompt-upsampler den 14 oktober, med lanseringsinlägget och API-slutpunkten som följde den 15:e.

De tre filerna bakom siffran 5,6B

Läs filförteckningen i stället för parameterantalet och formen på nedladdningsändringarna. Hugging Face-API:et rapporterar det destillerade repots egna filer vid dessa storlekar:

• Bildtransformator, BF16 — model.safetensors, 11,10 GB. BFL:s lanseringsinlägg avrundar detta till 11,2 GB i BF16 och 5,6 GB i FP8.

• Textkodare, BF16 — Qwen3-VL-4B-Instruct, uppdelad över två safetensors-shards, 8,88 GB tillsammans. En INT8-version av samma kodare finns i ComfyUI-repositoriet på 4,86 GB.

• Bildautoencoder — 0,34 GB, och det är den enda filen som ingen kvantiseringsväg tar bort.

Så den praktiska miniminivån är varken 5,6 GB eller 11,2 GB. Den är NVFP4-transformern på 5,28 GB plus INT8-textkodaren på 4,86 GB plus VAE:n på 0,34 GB – omkring 10,5 GB filer för en pipeline som genererar och redigerar. All-BF16-versionen av samma tre är omkring 20,3 GB. Och prompt-upsamplern, som referens-CLI:t laddar ner och kör vid varje begäran om du inte anger --no-pup, är sitt eget repository: 18,82 GB i bfloat16, eller 9,75 GB i INT8-bygget som ComfyUI-paketeringen levererar. Lägg till BF16-upsamplern i BF16-pipelinen och du har ungefär 39 GB på disk innan du genererar en bild.

BFL:s eget modellkort innehåller det förbehåll som hör hemma intill dessa siffror: "Kvantiserade paket behöver en loader som stöder deras format; deras filstorlek är inte ett mått på den totala GPU-minnesanvändningen."

Det går åt båda hållen. Att en kvantiserad fil är liten betyder inte att körningen ryms i så mycket minne, och en stor nedladdning betyder inte att arbetsmängden är stor. Det betyder att nedladdningen är den del du kan planera innan du har hårdvara, och det är den del som parameterantalet i rubriken döljer.

Varifrån siffran 8 GB VRAM kommer

Minnespåståendet är specifikt. Med INT8-bygget uppger BFL att FLUX 3 Image Klein körs på NVIDIA GeForce RTX-GPU:er med så lite som 8 GB VRAM, via ComfyUI eller Diffusers, och dokumentationen anger den lägsta nivån som stöds till ett RTX 3090.

Hastighetssiffrorna har ett ursprung som är värt att precisera: de mättes av NVIDIA, i ComfyUI för RTX-resultaten. Med den stegdestillerade modellen och INT8-bygget tar en 1 MP-bild cirka 4 sekunder på en RTX 5090 och under 9 sekunder på en RTX 4070. På en GB300 i NVFP4 producerar den destillerade modellen en 1 MP-bild på under 0,6 sekunder. Att servera en LoRA ökar genereringstiden med ungefär 5 %.

Detta är uppgifter från leverantören och de är inte samma mätning som API-latenssiffrorna i lanseringsinlägget. BFL tidtog Klein på sina egna servrar medan de tidtog Qwen-Image 2.1, FLUX.2 [pro], Ideogram V4.5 och Krea 2 från klienten, vilket räknar in polling- och nätverkstid i konkurrenternas siffror men inte i sina egna — och det står i inlägget. Den ärliga tolkningen är att siffrorna 4 sekunder och 9 sekunder är trovärdiga som lokala inferenstider på de namngivna korten, och att diagrammet över fronten för hastighet kontra kvalitet är en leverantörs egen jämförelse ritad med asymmetriska tidtagarur. Ingen utanför BFL eller NVIDIA har reproducerat något av dem.

Vad det kostar via API:et, och var kurvan böjer sig

Den destillerade checkpointen tillhandahålls som flux-3-image-klein, med prompt-upsampling och pixelrestaurering inkluderade. BFL publicerar dessa priser per bild, identiska för text-till-bild och för redigering:

• 768 × 768 — $0,008

• 1K — 0,009 $

• 1,5K — $0,011

• 2K — $0,014

• 4K — 0,036 $

Ställt mot FLUX 3 Image, det större syskonet som bara finns via API på samma funktionslista, är det förhållandet som bör styra beslutet snarare än det absoluta priset. FLUX 3 Image kostar $0,048 för en 1K-bild mot Kleins $0,009 – en faktor på omkring 5,3. Vid 4K är samma jämförelse $0,607 mot $0,036, en faktor på nästan sjutton. Den som genererar 4K i volym väljer inte mellan en billig och en dyr modell; de väljer mellan en prisnivå per bild som klarar mötet med en produkt och en som inte gör det.

Den andra halvan av kalkylen ligger på din sida: en självhostad Klein på ett grafikkort du redan äger har ingen kostnad per bild, och en självhostad Klein på ett hyrt grafikkort har en kostnad per timme. Break-even-punkten förskjuts med utnyttjandegraden, och den förskjuts mycket – en inaktiv GPU är den dyra konfigurationen, inte den billiga. Om din bildtrafik är spikig är det fasta priset oftast den bättre affären; om den är jämn och hög börjar nedladdningen betala sig och licensen blir variabeln som spelar roll.

Licensen är den del som avgör om du kan släppa den.

Båda checkpoints är under FLUX Kommunity License, och det är värt att läsa de två beskrivningarna av den sida vid sida eftersom de inte är formulerade på samma sätt. Lanseringsinlägget säger att licensen "tillåter fri kommersiell användning för individer och företag med en årlig intäkt under 5 miljoner USD, tillsammans med forskning och icke-kommersiell användning", medan större organisationer använder den kommersiellt genom BFL:s betalda licensalternativ för självhosting eller API:et. Modellkortet säger att licensen "tillåter icke-kommersiell användning och ger ett undantag för kommersiell output för kvalificerade användare, med förbehåll för dess villkor", där Kvalificerad användare definieras i själva licenstexten.

Intäktströskeln är den avgörande faktorn för de flesta team: under 5 miljoner USD i årliga intäkter, fri kommersiell användning; över den, en av BFL:s betalnivåer. Dessa nivåer listas offentligt — Builder med 10 000 bilder per månad och 1 domän, Platform och Professional med 100 000 bilder per månad, Enterprise anpassad — och alla inkluderar FLUX 3 Image Klein tillsammans med modeller i FLUX.2-familjen, med finjusterings- och LoRA-rättigheter inkluderade. Notera vad nivåerna innebär: ett företag över tröskeln köper inte modellen igen, det köper rätten att använda vikter som det redan har laddat ner, vilket är en annan typ av post än en API-räkning och en som är lättare att glömma när en prototyp blir en produkt.

Om din organisations intäkter ens är i närheten av gränsen bör du läsa LICENSE.md i stället för någon av sammanfattningarna. Två leverantörsdokument som beskriver samma instrument i två olika register är precis den situation där primärtexten är den som binder dig.

Kvalitetsanspråket är BFL:s eget och omfattar inte FLUX 3 Image

Kleins främsta kvalitetsresultat, från interna utvärderingar, är förstaplatsen inom text-till-bild, multireferensgenerering och bildredigering – före större modeller med öppna vikter och över de slutna modellerna i jämförelsen, Ideogram V4.5 och FLUX.2 [pro]. Jämförelseuppsättningen med öppna vikter nämns på annan plats i inlägget: Qwen-Image 2.1 med 7B och Krea 2 med 12,9B, båda större än Kleins 5,6B, där Krea 2 är utesluten från redigeringskolumnen eftersom den inte stöder redigering. Mot FLUX.2 [klein] 9B, den föregående generationens öppna modell, vinner Klein 91 Elo i text-till-bild och 70 i bildredigering samtidigt som den har 38 % färre parametrar.

FLUX 3 Image – leverantörens egen större modell, som säljs via samma API på samma funktionsyta – förekommer ingenstans i den jämförelsen. Det är inte i sig fördömande; att benchmarka en liten öppen modell mot de modeller som en nedladdare annars skulle köra är ett försvarbart val. Men det innebär att meningen som en köpare helst vill se, ”Klein ligger inom X från den större modellen”, fortfarande är oskriven.

Den oberoende bilden är ännu tunnare. Den enda offentliga text-till-bild-topplistan som följer den här familjen listar FLUX 3 Image, och när detta skrivs har den ingen post för FLUX 3 Image Klein alls. Så varje kvalitetssiffra som finns tillgänglig från dag ett går tillbaka till BFL, och de reproducerbara – de du själv kan kontrollera på tjugo minuter – är filstorlekarna och priserna per bild ovan, inte Elo-deltana.

Att anropa det, eller att köra det

Beslutet delas tydligt efter tre frågor. Om du behöver finjusteringar eller LoRA:er på dina egna data, eller om bilderna inte får lämna din infrastruktur, eller om din volym är hög och jämn, är nedladdningen svaret och licensen det som bör avklaras först. Om din volym är ojämn, om dina bilder är hero assets snarare än massutdata, eller om du vill utvärdera modellen innan du satsar på hårdvara, är slutpunkten till $0.009 per 1K-bild billigare än en helg av installation.

Det finns ett tredje fall som är värt att nämna, eftersom det är det vanliga: team som till slut anropar flera bildmodeller i stället för en, och använder en liten öppen modell för volymarbete och en frontiermodell för de bilder som verkligen spelar roll.leverantörens listpris som förs vidare med 0 % påslag så att en leverantörsprisändring får genomslag samma dag, och automatisk failover så att en obeprövad modell kan ligga i en produktionsväg utan att vara en enskild felpunkt. FLUX 3 Image Klein finns inte i vår katalog i dag, så BFL-slutpunkten är ett direkt anrop till leverantören hur som helst; det vi kan göra är att hålla allt runtomkring den – de andra bildmodellerna, routningsreglerna, fallbacken – bakom samma slutpunkt och samma faktureringsrad.

Vad skulle förändra detta

Tre saker, i ordning efter hur mycket de skulle påverka ett beslut. En oberoende direkt jämförelse mellan Klein och FLUX 3 Image, eftersom prisgapet mellan dem är sjuttonfaldigt vid 4K och kvalitetsgapet är omätt. INT8-timings på ett faktiskt 8 GB-kort från någon som inte är NVIDIA, eftersom det är siffran som hela argumentet för lokal driftsättning vilar på och den har mätts av en intresserad part. Och ett licensförtydligande från BFL som förenar intäkttröskelformuleringen i lanseringsinlägget med formuleringen för Kvalificerad användare i modellkortet.

Fram till dess är den försvarbara hållningen den snäva: FLUX 3 Image Klein är verklig, den går att ladda ner idag, den gör det som FLUX 3 Image API gör, med samma funktionslista, och den kostar ungefär en femtedel så mycket per bild vid 1K och en sjuttondel så mycket vid 4K. Planera för cirka 10,5 GB filer i minsta konfigurationen och 39 GB med uppskalaren och allt i BF16, avgör licensfrågan innan du avgör hårdvarufrågan, och behandla varje kvalitetssiffra du hittills har läst som leverantörens.