FLUX 3 Image Klein เปิดตัวแล้ว: พารามิเตอร์ 5.6B, VRAM 8 GB และข้อกำหนด 5 ล้านดอลลาร์ในสัญญาอนุญาต

Black Forest Labs เผยแพร่ FLUX 3 Image Klein เมื่อวันที่ 15 ตุลาคม 2026: โมเดลภาพแบบเปิดน้ำหนัก (open-weights) ขนาด 5.6B พารามิเตอร์ ซึ่งทำงานเป็นเอนด์พอยต์แบบคิดค่าบริการตามการใช้งานที่เรียกว่า flux-3-image-klein/ บน API ของบริษัทเอง เริ่มต้นที่ $0.009 ต่อภาพ 1K โดยอยู่ภายใต้รุ่นที่ใหญ่กว่า FLUX 3 Image และสืบทอดจุดเด่นหลักของโมเดลนั้น — เอาต์พุต 4K แบบเนทีฟ, รูปอ้างอิงสูงสุดสิบรูป และกรอบล้อมรอบ (bounding boxes) สำหรับการวางหรือแก้ไของค์ประกอบ — ในราคาประมาณหนึ่งในห้าของราคา 1K และมีขนาดการใช้ทรัพยากรเพียงเศษเสี้ยว นั่นคือคำกล่าวอ้างตอนเปิดตัว และสามารถตรวจสอบเทียบกับน้ำหนัก สัญญาอนุญาต และตารางราคาได้ สิ่งที่ยังตรวจสอบไม่ได้คือคำกล่าวอ้างเดียวที่ชี้ขาดการตัดสินใจซื้อส่วนใหญ่: ว่าโมเดล 5.6B เหนือกว่าคู่แข่งแบบเปิดน้ำหนักที่ใหญ่กว่าในด้านคุณภาพ

ตัวเลขคุณภาพทุกตัวในรีลีสนี้มาจากภายใน Black Forest Labs ยังไม่มีใครนอกบริษัทเผยแพร่เบนช์มาร์ก และลีดเดอร์บอร์ดสาธารณะก็ยังไม่มีรายการสำหรับ Klein เป็นเรื่องปกติสำหรับโมเดลที่เพิ่งเปิดตัวได้หนึ่งวัน และควรพูดไว้ตั้งแต่ต้น เพราะส่วนที่เหลือของบทความนี้เจาะจงเป็นรูปธรรมอย่างผิดปกติ — ขนาดไฟล์ อัตราต่อภาพ เกณฑ์ไลเซนส์ — และคำถามเรื่องคุณภาพก็แยกออกจากทั้งหมดนั้น

เมื่อวันที่ 15 ตุลาคม มีอะไรถูกเผยแพร่ออกมาจริง ๆ

ประกาศนี้มีชื่อว่า FLUX 3 Image Klein: น้ำหนักแบบเปิด พารามิเตอร์ 5.6B และได้แจกแจงรายการเปิดตัวฉบับสมบูรณ์ แทนที่จะเป็นการปล่อยเช็กพอยต์เพียงตัวเดียว

• 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.

• โมเดลเดียวสำหรับสามงาน การสร้างภาพจากข้อความ การแก้ไขภาพโดยใช้ภาพอ้างอิงเดียว และการจัดองค์ประกอบภาพโดยใช้ภาพอ้างอิงหลายภาพ ทำงานผ่านน้ำหนักชุดเดียวกัน ภาพอ้างอิงจะยึดเนื้อหาแทนการล็อกโครงสร้าง และโมเดลรองรับภาพอ้างอิงได้สูงสุดสิบภาพ

• 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.

รีโพซิทอรีถูกอัปขึ้นก่อนการประกาศ — รีโพแบบ base และแบบ distilled ถูกสร้างเมื่อวันที่ 13 ตุลาคม ส่วนรีโพ ComfyUI และ prompt-upsampler เมื่อวันที่ 14 ตุลาคม — โดยโพสต์เปิดตัว ปลายทาง API และหน้าราคา ตามมาทั้งหมดในวันที่ 15img src="2.png" alt="ภาพแคปเจอร์ด้วยเบราว์เซอร์แบบ headless ของหน้า Hugging Face repository สำหรับ black-forest-labs/flux-3-image-klein แสดงด่านยอมรับสัญญาอนุญาต ป้าย flux-kommunity-license ขนาดโมเดลระบุเป็น 6B params พร้อมชนิดเทนเซอร์ BF16 ยอดดาวน์โหลด 3,241 ครั้งในเดือนที่แล้ว 219 ไลก์ และทรีของโมเดลที่แสดงรายการ adapters และ fine-tunes แคปเจอร์เป็นภาษาอังกฤษเมื่อวันที่ 16 ตุลาคม 2026" />

คำกล่าวอ้างเรื่อง 8 GB และใครเป็นผู้วัด

"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.

จุดที่คำกล่าวอ้างเรื่องคุณภาพยืนอยู่ ตามความเป็นจริง

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.

ค่าใช้จ่ายคือเท่าไร และเส้นโค้งนั้นโค้งงออย่างไร

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 ต่อภาพ

• 1K — $0.009 ต่อภาพ

• 1.5K — $0.011 ต่อภาพ

• 2K — $0.014 ต่อภาพ

• 4K — $0.036 ต่อภาพ

ตารางเดียวกันนี้กำหนดราคา FLUX 3 Image ไว้ที่ $0.041, $0.048, $0.07, $0.10 และ $0.607 สำหรับทั้งห้าระดับนั้น นั่นคือช่องว่าง 5.3 เท่าที่ 1K และประมาณ 17 เท่าที่ 4K และนี่คือข้อโต้แย้งเชิงพาณิชย์ทั้งหมดสำหรับ Klein: หากปริมาณงานของคุณคือ text-to-image 4K ในระดับปริมาณมาก โมเดลที่เล็กกว่าไม่ใช่การลดสเปกที่คุณยอมทน แต่เป็นรายการค่าใช้จ่ายที่เปลี่ยนแปลงไปหนึ่งอันดับขนาด

โปรดสังเกตรูปร่างของเส้นกราฟมากกว่าราคาจุดเริ่มต้น ระดับราคาถูกที่สุดของ Klein คือ $0.008 แต่อัตราราคาแทบคงที่จนถึง 2K แล้วกระโดด 2.6× เมื่อเป็น 4K ขณะที่ FLUX 3 Image กระโดดมากกว่า 6× หากเอาต์พุตของคุณเป็น 1K สองโมเดลนี้มีราคาใกล้กันพอที่คุณภาพจะเป็นตัวตัดสิน หากเป็น 4K ทั้งสองก็ไม่ควรถูกนำมาเปรียบเทียบกันในระดับเดียวกัน

ใบอนุญาตเป็นตัวกำหนดว่าคุณจะสามารถส่งมอบได้จริงหรือไม่

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.

อ่านถ้อยคำอย่างละเอียด เพราะบทสรุปสองฉบับของถ้อยคำนั้นแตกต่างกันในขอบเขต โพสต์เปิดตัวอธิบายว่า "การใช้เชิงพาณิชย์ฟรีสำหรับบุคคลและบริษัทที่มีรายได้ต่อปีต่ำกว่า $5M" การ์ดโมเดลกำหนดข้อยกเว้นเดียวกันว่าครอบคลุมการสร้างผลลัพธ์เชิงพาณิชย์โดยผู้ใช้ที่มีคุณสมบัติ และเสริมว่า "ไม่ใช่การอนุญาตแบบครอบคลุมสำหรับการ fine-tuning หรือการแจกจ่ายในเชิงพาณิชย์" สำหรับทีมที่มีแผนจะ fine-tune Klein บนข้อมูลที่เป็นกรรมสิทธิ์และนำโมเดลที่ได้ไปฝังในผลิตภัณฑ์ โพสต์เปิดตัวไม่ใช่เอกสารที่ตอบคำถามนั้น ข้อความสัญญาอนุญาตฉบับเต็มคือคำตอบ

ยังมีข้อกำหนดหนึ่งที่ควรทราบก่อนที่คุณจะออกแบบไปป์ไลน์ข้อมูลโดยมี Klein เป็นแกนกลาง: สัญญาอนุญาตจำกัดการนำโมเดล อนุพันธ์ของโมเดล หรือผลลัพธ์ของโมเดลไปใช้เพื่อปรับปรุงโมเดล AI อื่นที่ทำหน้าที่คล้ายกับโมเดล FLUX การสร้างข้อมูลสังเคราะห์เพื่อฝึกโมเดลภาพที่เป็นคู่แข่งคือกรณีที่ข้อกำหนดนั้นเขียนขึ้นมาเพื่อรองรับโดยตรง

สิ่งหนึ่งที่คุณต้องไม่ข้าม

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.

การลงมือทำ และสิ่งที่เกิดขึ้นต่อไป

เวตอยู่บน Hugging Face โดยมีด่านยอมรับสัญญาอนุญาตกั้นอยู่ พร้อมโค้ด inference อ้างอิงและเดโม Gradio สำหรับควบคุม bounding box อยู่ในองค์กรเดียวกัน เอนด์พอยต์แบบโฮสต์คือ API ของผู้จำหน่ายเอง Klein ยังไม่อยู่ในแค็ตตาล็อกของ OrcaRouter ในตอนนี้ จึงไม่มีอะไรให้เราเราเตอร์ตรงนี้ และเราขอพูดตรง ๆ อย่างนั้นดีกว่าจะสื่อเป็นนัยเป็นอย่างอื่น สิ่งที่ OrcaRouter มอบให้คุณคืออีกครึ่งหนึ่งของไปป์ไลน์ภาพจริง: โมเดลภาพแบบโฮสต์ที่อยู่ในแค็ตตาล็อก อยู่หลังคีย์เดียวควบคู่ไปกับโมเดลอื่นอีกกว่า 200 โมเดล โดยมีราคาตามรายการของผู้ให้บริการที่ส่งผ่านโดยบวกเพิ่ม 0% และการสลับไปใช้ตัวสำรองอัตโนมัติหากผู้ให้บริการรายใดสะดุด ทีมที่ลงเอยด้วยการรัน Klein สำหรับงาน 4K ปริมาณมากและเรียกใช้โมเดลแบบโฮสต์สำหรับเส้นทางเชิงโต้ตอบ กำลังทำการแยกแบบเดียวกับที่เอนด์พอยต์เดียวถูกสร้างมาเพื่อรองรับ

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.

เบนช์มาร์กนั้นเก่าไปตามกาลเวลาและราคาเปลี่ยนแปลง แต่บันทึกความล้มเหลวไม่เป็นเช่นนั้น: เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่บันทึกไว้ซึ่งอยู่เบื้องหลังโมเดลในคลาสนี้ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และแฟล็กข้อโต้แย้งของตนเอง