FLUX 3 Image Klein đã ra mắt: 5,6 tỷ tham số, 8 GB VRAM và một điều khoản trị giá 5 triệu USD trong giấy phép

Black Forest Labs đã công bố FLUX 3 Image Klein vào ngày 15 tháng 10 năm 2026: một mô hình hình ảnh trọng số mở với 5,6 tỷ tham số, đồng thời chạy dưới dạng một endpoint tính phí có tên flux-3-image-klein/ trên API của chính công ty, với giá khởi điểm 0,009 USD cho mỗi 1K hình ảnh. Nó nằm dưới mô hình lớn hơn FLUX 3 Image và kế thừa bộ tính năng nổi bật của mô hình đó — đầu ra 4K gốc, tối đa mười hình ảnh tham chiếu, và các hộp giới hạn để đặt hoặc chỉnh sửa các phần tử — với mức giá chỉ khoảng một phần năm giá 1K và chỉ bằng một phần nhỏ dấu chân. Đó là những tuyên bố khi ra mắt, và chúng có thể kiểm chứng được dựa trên trọng số, giấy phép và bảng giá. Điều chưa thể kiểm chứng được là tuyên bố quyết định phần lớn các giao dịch mua: rằng một mô hình 5,6 tỷ tham số vượt trội hơn các đối thủ trọng số mở lớn hơn về chất lượng.

Mọi con số chất lượng trong bản phát hành đều đến từ bên trong Black Forest Labs. Không ai bên ngoài công ty đã công bố một benchmark, và các bảng xếp hạng công khai vẫn chưa có mục nào cho Klein. Điều đó là bình thường với một mô hình mới ra đời được một ngày, và điều đó đáng được nói rõ ngay từ đầu, bởi vì phần còn lại của bài viết này đặc biệt cụ thể — kích thước tệp, mức giá trên mỗi ảnh, ngưỡng giấy phép — và câu hỏi về chất lượng nằm tách biệt khỏi tất cả những điều đó.

Thực ra thì cái gì đã được phát hành vào ngày 15 tháng 10?

Thông báo có tiêu đề là FLUX 3 Image Klein: trọng số mở, 5,6B tham số và nó liệt kê một bản phát hành hoàn chỉnh thay vì chỉ phát hành một checkpoint đơn lẻ:

• 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.

• Một mô hình cho ba công việc. Tạo ảnh từ văn bản, chỉnh sửa với một ảnh tham chiếu và tổng hợp nhiều ảnh tham chiếu đều dùng chung một bộ trọng số. Ảnh tham chiếu neo nội dung thay vì khóa cấu trúc, và mô hình chấp nhận tối đa mười ảnh tham chiếu.

• 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.

Các kho lưu trữ đã được đưa lên trước thông báo — các kho gốc và chưng cất được tạo vào ngày 13 tháng 10, còn các kho ComfyUI và prompt-upsampler vào ngày 14 tháng 10 — với bài đăng ra mắt, điểm cuối API và trang định giá đều tiếp theo vào ngày 15. img src="2.png" alt="Ảnh chụp bằng trình duyệt headless của trang kho lưu trữ Hugging Face cho black-forest-labs/flux-3-image-klein, hiển thị cổng chấp nhận giấy phép, huy hiệu flux-kommunity-license, kích thước mô hình được ghi là 6B tham số với kiểu tensor BF16, 3.241 lượt tải xuống trong tháng trước, 219 lượt thích, và cây mô hình liệt kê các adapter và bản tinh chỉnh, được chụp bằng tiếng Anh vào ngày 16 tháng 10 năm 2026." />

Tuyên bố về 8 GB, và ai đã đo nó

"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.

Tuyên bố về chất lượng đang thực sự ở đâu, nói một cách thẳng thắn

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.

Nó tốn bao nhiêu, và đường cong uốn như thế nào

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 mỗi ảnh

• 1K — $0.009 mỗi ảnh

• 1.5K — $0.011 mỗi ảnh

• 2K — $0.014 mỗi ảnh

• 4K — $0.036 mỗi ảnh

Cùng bảng đó định giá FLUX 3 Image ở mức $0.041, $0.048, $0.07, $0.10 và $0.607 cho năm bậc đó. Đó là mức chênh 5,3× ở 1K và khoảng 17× ở 4K, và đó chính là toàn bộ lập luận thương mại dành cho Klein: nếu khối lượng công việc của bạn là text-to-image 4K ở quy mô lớn, thì mô hình nhỏ hơn không phải là một sự hạ cấp mà bạn phải chịu đựng, mà là một mục chi phí thay đổi theo cả một bậc độ lớn.

Hãy chú ý đến hình dạng của đường cong thay vì giá khởi điểm. Gói rẻ nhất của Klein là $0.008, nhưng mức giá gần như đi ngang đến 2K rồi tăng vọt 2,6× ở 4K, trong khi FLUX 3 Image tăng hơn 6×. Nếu đầu ra của bạn là 1K, hai mô hình có mức giá đủ sát nhau để chất lượng là yếu tố quyết định. Nếu là 4K, chúng không cùng đẳng cấp để so sánh.

Giấy phép quyết định liệu bạn có thực sự có thể phát hành hay không.

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.

Hãy đọc kỹ cách diễn đạt, vì hai bản tóm tắt về nó khác nhau về phạm vi. Bài đăng ra mắt mô tả “sử dụng thương mại miễn phí cho cá nhân và công ty có doanh thu hằng năm dưới 5 triệu USD”. Thẻ mô hình lại trình bày cùng ngoại lệ đó là bao gồm việc tạo đầu ra thương mại của Người dùng đủ điều kiện, và nói thêm rằng nó “không phải là sự cho phép toàn diện để tinh chỉnh hoặc phân phối cho mục đích thương mại”. Đối với một nhóm có kế hoạch tinh chỉnh Klein trên dữ liệu độc quyền và phát hành mô hình kết quả trong một sản phẩm, bài đăng ra mắt không phải là tài liệu trả lời câu hỏi. Toàn văn giấy phép mới là.

Cũng có một điều khoản đáng biết trước khi bạn thiết kế một pipeline dữ liệu xoay quanh Klein: giấy phép hạn chế việc sử dụng mô hình, các dẫn xuất hoặc đầu ra của nó để cải thiện một mô hình AI khác thực hiện chức năng tương tự mô hình FLUX. Việc tạo dữ liệu tổng hợp để huấn luyện một mô hình hình ảnh cạnh tranh chính là trường hợp mà điều khoản đó được viết ra để nhắm đến.

Điều duy nhất bạn không được bỏ qua

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.

Bắt tay vào việc đó, và những gì diễn ra tiếp theo

Trọng số nằm trên Hugging Face sau một cổng chấp nhận giấy phép, cùng với mã suy luận tham chiếu và bản demo Gradio để điều khiển hộp giới hạn trong cùng một tổ chức. Điểm cuối được lưu trữ là API của chính nhà cung cấp. Klein hiện chưa có trong danh mục của OrcaRouter, nên ở đây chúng tôi không có gì để định tuyến, và chúng tôi muốn nói thẳng điều đó hơn là ngụ ý điều khác. Điều mà OrcaRouter thực sự mang lại cho bạn là nửa còn lại của một pipeline hình ảnh thực thụ: các mô hình hình ảnh được lưu trữ mà có mặt trong danh mục đều nằm sau một khóa duy nhất cùng với hơn 200 mô hình khác, với giá niêm yết của nhà cung cấp được chuyển nguyên với mức chênh lệch 0% và tự động chuyển đổi dự phòng nếu một nhà cung cấp gặp trục trặc. Các nhóm cuối cùng chạy Klein cho khối lượng công việc 4K lớn và gọi một mô hình được lưu trữ cho luồng tương tác đang thực hiện đúng sự phân tách mà một điểm cuối duy nhất được tạo ra để phục vụ.

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.

Điểm chuẩn thì lỗi thời, giá cả thì biến động; nhưng hồ sơ thất bại thì không: những sự cố AI và lỗi tác nhân (agent) được ghi nhận đằng sau các mô hình thuộc nhóm này đều được tập hợp trong the OrcaRouter AI Incident Archive, nơi mỗi mục đều đi kèm nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ đánh dấu tranh chấp.