FLUX 3 Image Klein ครองอันดับ 1 ในกลุ่มโมเดลแบบเปิดน้ำหนัก — บนกระดานคะแนนที่ผู้สร้างของมันจัดทำขึ้นเอง

ตอนนี้ตัวเลขนั้นอยู่ทุกหนทุกแห่งแล้ว FLUX 3 Image Klein คว้าอันดับหนึ่งในกลุ่มโมเดล open-weight ด้านการสร้างภาพจากข้อความ อันดับหนึ่งด้านการสร้างภาพจากภาพอ้างอิงหลายภาพ อันดับหนึ่งด้านการแก้ไขภาพ — และเอาชนะ FLUX.2 [klein] 9B รุ่นเก่าได้ 91 Elo ในการสร้างภาพจากข้อความ และ 70 Elo ในการแก้ไขภาพ โดยมีพารามิเตอร์น้อยลง 38% เหล่านี้คือตัวเลขในโพสต์เปิดตัวของ Black Forest Labs ในบทสรุปย้อนหลัง ในโซเชียลการ์ด ประโยคที่มักถูกละไว้คือประโยคที่แนบมากับตัวเลขเหล่านี้ในต้นฉบับ: นี่คือการประเมินภายใน

นั่นไม่ใช่เรื่องอื้อฉาว มันเป็นวิธีที่โมเดลภาพแทบทุกตัวเปิดตัว และเป็นการเปรียบเทียบเดียวที่ห้องแล็บสามารถทำได้ก่อนที่ใครคนอื่นจะได้ไฟล์น้ำหนักโมเดล แต่มันเปลี่ยนสิ่งที่ผู้อ่านควรทำกับการจัดอันดับนั้น FLUX 3 Image Klein เปิดตัวจริง — พารามิเตอร์ 5.6B น้ำหนักแบบเปิด เผยแพร่เมื่อ 15 ตุลาคม 2026 ภายใต้ FLUX Kommunity License เรียกใช้ได้ในราคา $0.009 ต่อ 1,000 ภาพบน API ของ BFL เอง สิ่งที่ยังไม่มีคือคะแนนจากใครก็ตามที่ไม่ใช่ Black Forest Labs ตัวโมเดลมีอยู่จริง ส่วนอันดับบนลีดเดอร์บอร์ดเป็นเพียงคำกล่าวอ้าง

สิ่งที่การเปิดตัวได้กำหนดขึ้นจริง ๆ

แยกอาร์ติแฟกต์ออกจากโฆษณา เพราะทั้งสองอย่างมีน้ำหนักต่างกัน อาร์ติแฟกต์สามารถตรวจสอบได้วันนี้ โดยใครก็ได้ โดยไม่ต้องใช้ GPU:

• เวต — ตัวสร้างภาพขนาด 5.6B พารามิเตอร์ พร้อมเช็กพอยต์พื้นฐานสำหรับการไฟน์ทูน และเช็กพอยต์แบบกลั่น 16 สเต็ปเพื่อความหน่วงต่ำ

• บิลด์ตามระดับความแม่นยำ — BF16 ที่ 11.2 GB, FP8 ที่ 5.6 GB พร้อมบิลด์ INT8 และ NVFP4 ที่สร้างด้วย NVIDIA

• สัญญาอนุญาต — FLUX Kommunity License: ใช้เชิงพาณิชย์ได้ฟรีสำหรับบุคคลและบริษัทที่มีรายได้ต่อปีต่ำกว่า $5M หากเกินกว่านั้นต้องซื้อสัญญาอนุญาตแบบโฮสต์เองหรือใช้ API

• ความสามารถ — การสร้างภาพจากข้อความ การแก้ไขภาพ การสร้างภาพโดยใช้ภาพอ้างอิงหลายภาพสูงสุด 10 ภาพ ความละเอียด 4K แบบเนทีฟ และการควบคุมด้วยกรอบกำหนดขอบเขต

• ราคา — $0.009 ต่อ 1,000 ภาพบน API ของผู้ขาย โดยมีระดับ 2K อยู่เหนือขึ้นไป

• เครื่องมือ — สูตรการเทรน LoRA สำหรับ Diffusers, Ostris AI Toolkit และ NVIDIA NeMo AutoModel

ทั้งหมดนั้นอยู่ในรีพอซิทอรีและเอกสารแล้ว ไม่มีส่วนใดที่ต้องขึ้นอยู่กับว่าผล benchmark จะเป็นจริงหรือไม่ โมเดลหนึ่งสามารถมีขนาดเล็ก ทำงานเร็ว ให้สิทธิ์ใช้งานได้ และดาวน์โหลดได้ โดยไม่จำเป็นต้องเก่งที่สุดในเรื่องใดเลย และคุณสมบัติเหล่านั้นก็มีคุณค่าในตัวเอง

สิ่งที่การเปิดตัวครั้งนี้ไม่ได้ยืนยันคือคุณภาพเชิงเปรียบเทียบ โพสต์เปิดตัวแสดงกราฟ Elo แทนที่จะพิมพ์คะแนนที่แน่นอนลงในข้อความ ดังนั้นช่องว่างที่แน่นอนระหว่าง Klein กับชุดเปรียบเทียบจึงไม่สามารถอ้างอิงได้อย่างสมบูรณ์ด้วยซ้ำ — คุณอ่านได้จากแท่งกราฟ ไม่ใช่จากตัวเลข คู่เปรียบเทียบที่ระบุชื่อคือ Qwen-Image 2.1 ที่ 7B และ Krea 2 ที่ 12.9B โดย Krea 2 ถูกตัดออกจากการเปรียบเทียบด้านการแก้ไข เพราะไม่รองรับการแก้ไข สิ่งเหล่านี้เป็นกลุ่มควบคุมที่สมเหตุสมผล แต่ก็ยังเป็นกลุ่มควบคุมของแล็บเอง ในฮาร์เนสของแล็บเอง และบนพรอมต์ที่แล็บเลือกเอง

คำว่า "third-party" กำลังทำหน้าที่ที่มันยังไม่ได้มีสิทธิ์ทำ

สื่อจำนวนมากที่รายงานเกี่ยวกับรีลีสนี้บรรยายการจัดอันดับว่าเป็นเกณฑ์มาตรฐานจากบุคคลที่สาม ซึ่งไม่ใช่เลย หากค้นหาการปรากฏบนลีดเดอร์บอร์ดที่เป็นอิสระ จะพบเพียงโพสต์บล็อกของผู้ขายรายนั้นและการเขียนซ้ำอีกหลายสิบชิ้นจากโพสต์ดังกล่าว โดยงานเขียนซ้ำเหล่านั้นรับเอากรอบการนำเสนอมาโดยไม่ได้ถ่ายทอดข้อควรระวังที่มาพร้อมกันนั้นไปด้วย

กระดานจัดอันดับสาธารณะที่มีประโยชน์ที่สุดสำหรับโมเดลรูปภาพคือ Artificial Analysis ซึ่งจัดอันดับด้วยคะแนน Elo จากการโหวตความชอบของมนุษย์แบบจับคู่ กระดาน text-to-image เวอร์ชัน 2.1 ของระบบนี้ ซึ่งบันทึกเมื่อวันที่ 16 ตุลาคม 2026 มี 42 รายการที่แสดงให้เห็น GPT Image 2.5 Sunburst อยู่อันดับหนึ่งด้วยคะแนน 1218 Nano Banana 2 อยู่อันดับเจ็ดด้วยคะแนน 1139 FLUX 3 Image อยู่อันดับสิบสามด้วยคะแนน 1114 จาก 5,766 ตัวอย่าง โดยกระดานกำหนดราคาไว้ที่ 48 ดอลลาร์ต่อหนึ่งพันภาพ FLUX.2 [klein] 9B — ฐานอ้างอิงในการเปรียบเทียบของ BFL — อยู่อันดับที่ยี่สิบหกด้วยคะแนน 1026

FLUX 3 Image Klein ไม่ได้อยู่บนบอร์ดนั้น ไม่ใช่ตอนเปิดตัว และไม่ใช่แปดวันให้หลัง รายการที่ติดป้ายว่า "FLUX 3 Image" เป็นผลิตภัณฑ์อีกตัวหนึ่ง: เป็นรุ่นพี่ที่ใหญ่กว่าซึ่งให้บริการผ่าน API เท่านั้น และตัวเลข $48 ต่อหนึ่งพันของบอร์ดตรงกับช่วงราคาที่ประกาศไว้ของโมเดลนั้น ไม่ใช่ $9 ของ Klein เรื่องนี้สำคัญด้วยเหตุผลง่าย ๆ บนอันดับอิสระเพียงหนึ่งเดียวที่มีอยู่ โมเดลภาพแบบโอเพนเวตที่ได้คะแนนสูงสุดไม่ใช่ Klein และไม่ใช่โมเดลของ Black Forest Labs เลย — มันคือ Qwen-Image-3.0-Pro ที่ 1093 ดังนั้น ข้อกล่าวอ้างว่า Klein เป็นอันดับหนึ่งในกลุ่มโอเพนเวตจึงไม่ถูกหักล้างโดยบอร์ดสาธารณะ มันแค่ไม่มีอยู่ในบอร์ดนั้น

วางเดลต้าของ BFL เองไว้ข้างบอร์ดสาธารณะ

มีวิธีที่จะได้ทิศทางคร่าว ๆ โดยไม่แสร้งทำเป็นว่ามันเป็นการวัดค่า BFL ระบุส่วนที่เพิ่มขึ้นของตนเป็นเดลต้าเมื่อเทียบกับ FLUX.2 [klein] 9B และโมเดลรุ่นเก่านั้น อยู่บนกระดานสาธารณะ ดังนั้นให้นำคะแนนสาธารณะมาบวกกับเดลต้าของผู้จำหน่าย:

• การแปลงข้อความเป็นภาพ — FLUX.2 [klein] 9B อยู่ที่ 1026 บน Artificial Analysis และเมื่อบวกกับ +91 ของ BFL ก็เข้าใกล้ 1117

• การแก้ไข — FLUX.2 [klein] 9B อยู่ที่ 1015 บนบอร์ดการแก้ไข เมื่อบวก +70 ของ BFL แล้วจะอยู่ใกล้ 1085

จงอ่านสิ่งนี้เป็นเลขคณิต ไม่ใช่การพยากรณ์ ค่าเดลตาของ Elo ไม่สามารถถ่ายโอนข้ามฮาร์เนสได้ ช่องว่าง 91 คะแนนที่วัดบนชุดพรอมป์ของ BFL ไม่ได้ถ่ายโอนแบบคะแนนต่อคะแนนไปยังกระดานจัดอันดับที่สร้างจากโหวตของฝูงชนต่อภาพที่ต่างกัน โดยมีผู้โหวตต่างกันและหน้าต่างการสุ่มตัวอย่างต่างกัน แบบฝึกหัดนี้มีประโยชน์เพียงเพื่อดูขนาดเท่านั้น: มันชี้ว่าโมเดลหนึ่งจะอยู่ในช่วงต้น ๆ ของ 1100 ในการแปลงข้อความเป็นภาพ ซึ่งประมาณตำแหน่งที่ FLUX 3 Image อยู่แล้ว และตามหลัง Nano Banana 2 ที่ 1139 อย่างสบาย ๆ มันไม่ได้ชี้ว่าโมเดลจะขึ้นนำกลุ่มโมเดลเปิดด้วยส่วนต่างกว้าง และแน่นอนไม่ได้ชี้ว่า +91 จะแปลงเป็นอันดับหนึ่งโดยรวม

ถ้าอยากได้เวอร์ชันตรงไปตรงมาแบบบรรทัดเดียว: รายการที่ได้คะแนนช่วงต้น 1100 มีแนวโน้มสูงมากที่จะเป็นโมเดล open-weight ที่ดีที่สุดบนบอร์ดนั้น เพราะผู้นำปัจจุบันบนบอร์ดนั้นอยู่ที่ 1093 ดังนั้นทิศทางของคำกล่าวอ้างของ BFL จึงเป็นไปได้ แต่ขนาดของมันยังไม่ได้รับการยืนยัน และช่องว่างเหนือคู่แข่ง open-weight ที่ใกล้ที่สุดอาจเล็กกว่าที่กรอบการนำเสนอตอนเปิดตัวสื่อไว้มาก

สิ่งที่เราเห็นตอนที่เรารันมัน

ประสบการณ์ของเราเองกับโมเดลนี้ชี้ไปยังจุดที่เจาะจงกว่า “โมเดลภาพแบบเปิดเผยน้ำหนักที่ดีที่สุด” เราได้รัน FLUX 3 Image Klein ผ่าน API ของผู้จำหน่าย โดยไม่มีชุดพรอมป์ตตายตัวหรือเกณฑ์ให้คะแนน ดังนั้นโปรดมองสิ่งนี้เป็นข้อสังเกตมากกว่าผลลัพธ์ ความสามารถที่โดดเด่นคือการแก้ไขแบบเฉพาะจุดอย่างแม่นยำ: การเปลี่ยนวัตถุชิ้นเดียวในฉาก การย้ายองค์ประกอบไปยังพื้นที่ที่มีขอบเขตจำกัด หรือการใช้คำสั่งที่ควรปล่อยส่วนที่เหลือของเฟรมไว้ไม่แตะต้อง กรณีที่อนุญาตให้เกือบทุกอย่างเปลี่ยนได้ — การปรับสไตล์ใหม่ทั้งภาพ การเปลี่ยนแสงแบบยกเครื่อง — แยกออกจากรุ่นก่อนได้ยากกว่ามาก

นั่นเป็นจุดเน้นที่ตรงกันข้ามกับข้อโต้แย้งสาธารณะส่วนใหญ่ กรอบการเปิดตัวพูดถึงว่า Klein แก้ไขได้หรือไม่เลย และมันเอาชนะโมเดลที่ราคาแพงกว่าห้าเท่าได้หรือไม่ คำถามที่มีประโยชน์กว่าสำหรับใครก็ตามที่ทำงานโปรดักชันคือมันแก้ไขได้อย่างแคบ ๆหรือไม่ การแก้ไขที่แม่นยำคือจุดที่กรอบกำหนดขอบเขตและพื้นหลังที่คงไว้มีความสำคัญจริง ๆ เป็นจุดที่โมเดลเล็กจะรักษาส่วนที่เหลือของฉากไว้หรือแอบวาดทับใหม่ และเป็นจุดที่ต้นทุนของการลองใหม่ไม่ใช่แค่เงิน แต่รวมถึงรอบการตรวจสอบ

การตัดต่อคือข้อกล่าวอ้างที่สมควรได้รับการทดสอบที่เข้มงวดที่สุด

ในบรรดาข้ออ้างว่าเป็นที่หนึ่งทั้งสามข้อ การแก้ไขภาพคือสิ่งที่ควรตั้งข้อสงสัยมากที่สุด ด้วยเหตุผลเชิงโครงสร้าง คุณภาพของการสร้างภาพจากข้อความเป็นเรื่องที่ตัดสินได้อย่างกว้าง ๆ — ผู้คนสามารถดูภาพสองภาพแล้วเลือกภาพหนึ่งได้ คุณภาพของการแก้ไขภาพขึ้นอยู่กับการทำตามคำสั่ง และการทำตามคำสั่งก็เป็นสิ่งที่ชุดพรอมต์ของผู้จำหน่ายเองอยู่ในตำแหน่งที่ดีที่สุดที่จะทำให้ดูดีเกินจริง หากพรอมต์สำหรับการประเมินของคุณถูกเขียนโดยคนที่ปรับแต่งโมเดล คุณกำลังวัดจุดตัดของสองสิ่งที่คุณควบคุมได้

ยังมีรายละเอียดในไปป์ไลน์ที่ส่งผลต่อทุกการเปรียบเทียบที่รันเองด้วย Klein มาพร้อม prompt upsampler แยกต่างหาก — ซึ่งเป็น fine-tune ขนาด 9B ของ Qwen3.5-9B ชื่อ flux-3-image-klein-pup — เปิดใช้เป็นค่าเริ่มต้น และ BFL กล่าวว่าโมเดลนี้ไม่ได้ออกแบบมาให้รันโดยไม่มีตัวนี้ นั่นหมายความว่า benchmark แบบง่าย ๆ ที่ส่ง prompt ตามที่พิมพ์ไว้กำลังวัดระบบที่แตกต่างจากระบบที่ผู้จำหน่ายประเมินไว้ การทดสอบอิสระใด ๆ ที่คุ้มค่าอ่านจำเป็นต้องระบุว่าเปิด upsampler หรือไม่ เพราะ checkpoint เดียวกันสามารถให้ผลลัพธ์ที่แตกต่างอย่างเห็นได้ชัดขึ้นอยู่กับคำตอบนั้น นั่นเป็นจุดที่ต้องพิจารณาเชิงระเบียบวิธีวิจัยมากมายสำหรับข้อกล่าวอ้างที่ปัจจุบันอาศัยเพียงสไลด์ของห้องแล็บเดียว

ตัวเลขความเร็วเป็นของ NVIDIA

ตัวเลขชุดหนึ่งในประกาศเปิดตัวมีที่มาจากแหล่งที่แตกต่างจากข้อกล่าวอ้างด้านคุณภาพ และสมควรได้รับการให้เครดิตอย่างเหมาะสม ตัวเลขความหน่วง — ประมาณ 4 วินาทีสำหรับภาพ 1MP บน RTX 5090 ใน INT8 ที่ 16 สเต็ป, ต่ำกว่า 9 วินาทีบน RTX 4070, 0.55 วินาทีบน GB300 — ถูกวัดโดย NVIDIA โดยผลลัพธ์ของ RTX รันผ่าน ComfyUI นั่นยังเป็นการวัดที่ใกล้ชิดกับผู้จำหน่าย เนื่องจาก NVIDIA ช่วยสร้างเช็กพอยต์ที่ผ่านการควอนไทซ์ แต่เป็นการวัดฮาร์ดแวร์มากกว่าการตัดสินตามความชอบ และการวัดฮาร์ดแวร์นั้นง่ายต่อการทำซ้ำกว่ามาก หากคุณมีการ์ดจอ คุณสามารถตรวจสอบได้ภายในบ่ายเดียว

ข้อกล่าวอ้างเรื่อง VRAM 8 GB ก็สมควรได้รับการปฏิบัติแบบเดียวกัน นั่นเป็นความจริงสำหรับบิลด์ตัวสร้างแบบ INT8 แต่ไม่จริงสำหรับไปป์ไลน์ที่แนะนำทั้งหมด เพราะตัวอัปแซมเปลอร์พรอมต์นั้นเป็นการดาวน์โหลดแยกต่างหากขนาด 18.8 GB ในรูปแบบ BF16 ซึ่งต้องใช้หน่วยความจำของตัวเอง ผู้ใช้ที่อ่านว่า "รันได้บน 8 GB" แล้ว subsequently เปิดใช้งานไปป์ไลน์เริ่มต้นจะได้รู้ว่าข้อกล่าวอ้างใดถูกจำกัดขอบเขตไว้ และข้อใดไม่ได้ถูกจำกัด

วิธีตรวจสอบสิ่งนี้ด้วยตัวเอง

การทดสอบที่ตรงไปตรงมาและถูกที่สุดไม่ใช่ตารางอันดับ แต่คือพรอมป์ของคุณเองยี่สิบรายการ รันสองครั้ง — ครั้งหนึ่งด้วยตัวอัปแซมเปลอร์และอีกครั้งโดยไม่ใช้ — บนงานที่คุณใส่ใจจริง ๆ และให้คะแนนตามว่าคุณจะส่งผลลัพธ์นั้นออกไปหรือไม่ Klein ทำให้สิ่งนี้ปฏิบัติได้จริงเป็นพิเศษ เพราะเวตของโมเดลสามารถดาวน์โหลดได้ และสัญญาอนุญาตอนุญาตให้ใช้เชิงพาณิชย์ได้เมื่อรายได้ต่ำกว่าเกณฑ์ 5 ล้านดอลลาร์ ดังนั้นการทดสอบนี้จึงไม่ต้องมีบัญชีกับใคร

สำหรับทุกอย่างอื่น เลเยอร์การจัดเส้นทางคือวิธีที่ประหยัดที่สุดในการรันพรอมป์เดียวกันข้าม endpoint ของผู้ให้บริการหลายรายภายใต้คีย์เดียว ซึ่งเป็นจุดประสงค์ของ OrcaRouter: API เดียวที่เข้ากันได้กับ OpenAI ครอบคลุมกว่า 200 โมเดล บวกกำไร 0% โดยส่งราคาตามรายการของผู้ให้บริการผ่านไปโดยตรง และมี failover อัตโนมัติเมื่อ endpoint มีประสิทธิภาพลดลง ควรระบุให้ชัดเจนว่านี่ไม่ใช่เส้นทางไปยัง Klein แคตตาล็อกของเรามี 210 โมเดล และไม่มีรายการ FLUX ใดๆ เลย ดังนั้นสำหรับโมเดลนี้ ตัวเลือกที่ตรงไปตรงมาในตอนนี้คือ API ของ BFL เอง หรือ checkpoint ที่โฮสต์เอง เรายินดีพูดเช่นนั้นมากกว่าจะสื่อเป็นนัยเป็นอย่างอื่น

อะไรจะยุติเรื่องนี้ได้

สามสิ่ง เรียงตามลำดับประโยชน์จากน้อยไปมาก อย่างแรก Klein ที่ปรากฏเป็นรายการของตัวเองบนบอร์ดอิสระ — ไม่ถูกรวมเข้ากับ FLUX 3 Image ซึ่งเป็นโมเดลที่แตกต่างกันในราคาที่ต่างกัน อย่างที่สอง รายการนั้นอยู่รอดผ่านการโหวตหลายพันครั้งแทนที่จะเป็นเพียงไม่กี่ร้อยครั้ง เพราะ Elo ช่วงแรกของโมเดลใหม่นั้นมีสัญญาณรบกวนและมักจะลดลงเมื่อความตื่นเต้นจากการโหวตจางหายไป อย่างที่สาม การที่มีคนเผยแพร่การเปรียบเทียบการแก้ไขภาพที่ระบุการตั้งค่าตัวอัปสเกลเลอร์ เพราะหากไม่มีสิ่งนั้น ตัวเลขก็ไม่สามารถนำมาเปรียบเทียบกันได้

จนถึงตอนนั้น ประโยคที่ถูกต้องจะแคบกว่าพาดหัวข่าวและมีประโยชน์กว่าทั้งสองสุดขั้ว FLUX 3 Image Klein เป็นโมเดลภาพแบบ open-weight ขนาด 5.6B ในราคา $0.009 ต่อภาพ 1K ที่รันบนฮาร์ดแวร์ระดับผู้บริโภค โดยผู้จำหน่ายรายงานว่าเป็นโมเดล open-weight ที่ดีที่สุดในด้าน text-to-image การสร้างภาพจากหลายภาพอ้างอิง และการแก้ไขภาพ ครึ่งแรกของประโยคนี้ได้รับการยืนยันแล้ว ครึ่งหลังเป็นการกล่าวอ้างที่มีผู้ระบุชื่อ และผู้นั้นคือห้องแล็บที่สร้างมันขึ้นมา