FLUX 3 Image Klein Prompt Upsampler: Mô hình 18,8 GB mà BFL phát hành mà không hề đặt tên

Black Forest Labs shipped two models on 15 October 2026 and announced one of them. The announced model is FLUX 3 Image Klein, the 5.6B open-weights image generator that drew the launch post, the pricing table, the ComfyUI workflow and a round of trade coverage. The other is the FLUX 3 Image Klein Prompt Upsampler — an 18.8 GB fine-tune of Qwen3.5-9B that rewrites your short request into the long caption the image model expects — and it is the single most permissive artifact in the release. Its repository is public, requires no account, and carries the Apache License 2.0, where each of its three sibling repositories carries the FLUX Kommunity License and an access gate. B​FL's launch post never names it. Neither does the model page, the release notes, or the API documentation for FLUX 3 Image Klein, which does not contain the word "upsampler" once in 35,000 characters.

That gap is checkable in about five minutes, and it is worth checking, because the upsampler decides more about what your images look like than most of the settings you will spend the weekend adjusting. It also raises a question the announcement does not answer: whether B​FL intends it as a standalone model you can build on, or as a load-bearing dependency of its own inference code that happened to get published with an Apache header. This piece separates what the repository proves from what only B​FL can confirm. Every number below comes from the model card, the Hugging Face API, the reference inference code or B​FL's own documentation, and none of it has been independently benchmarked by a third party.

Những gì thực sự đã được phát hành, và phần nào đã không được nêu tên

Hãy bắt đầu với các mốc thời gian, vì chúng chính xác. Kho lưu trữ upsampler được tạo trên Hugging Face lúc 20:40 UTC ngày 14 tháng 10 năm 2026 và được ghi lần cuối lúc 15:32 UTC ngày 15 tháng 10 — cùng khung thời gian ở mức phút như các kho lưu trữ FLUX 3 Image Klein mà nó phục vụ. Bài đăng ra mắt đề ngày 15 tháng 10. Vậy đây không phải là rò rỉ, không phải bản xem trước, và không phải một checkpoint mà ai đó đang giữ: đây là bản phát hành chính chủ được công bố cùng với mô hình mà nó thuộc về.

What it did not get is a name in the announcement. Read B​FL's own enumeration of the release and the pattern is consistent:

• The launch post describes FLUX 3 Image Klein's weights, its FP8, INT8 and NVFP4 builds built with N​VIDIA, its day-one ComfyUI and Diffusers support, and its licence. It mentions "prompt upsampling" once, as a feature of the hosted API endpoint, without naming a model or linking a repository.

• Trang mô hình tại bfl.ai/models/flux-3-image-klein liệt kê các phiên bản chưa chưng cất và đã chưng cất, đồng thời mô tả quyền truy cập API bao gồm "tăng cường prompt". Ngoài ra cũng không có kho lưu trữ.

• Ghi chú phát hành ngày 15 tháng 10 liệt kê các trọng số: Klein (đã chưng cất), Klein Base, và các trọng số ComfyUI. Bộ tăng mẫu không nằm trong số đó.

• Tài liệu API cho FLUX 3 Image Klein gồm 35.148 ký tự. Tìm kiếm không phân biệt chữ hoa chữ thường cho "upsampl" không trả về kết quả nào.

• Mã suy luận tham chiếu trên GitHub là nơi nó cuối cùng xuất hiện — một mục README có tiêu đề "Prompt upsampling", một cờ --no-pup trên CLI, một ngân sách --pup-memory, và một mô-đun flux3/pup.py. Đó là câu trả lời trung thực cho câu hỏi "liệu nó có bị ẩn không?": không. Nó được ghi tài liệu, nó được tích hợp, nó chạy mặc định, và nếu bạn đã clone repo thì bạn sẽ gặp nó ngay lập tức.

Sự phân biệt này rất quan trọng và dễ bị xóa nhòa. Đây không phải là một bản phát hành âm thầm; đây là một bản phát hành mà thành phần được cấp phép thoáng nhất của nó bị coi như phần hạ tầng tầm thường. Cộng đồng nhận ra nhanh hơn giới báo chí — tính đến ngày 15 tháng 10, đã có sẵn các bản lượng tử hóa GGUF của upsampler do bên thứ ba thực hiện trên Hugging Face, và một tổ chức gương đã sao chép cả bốn kho lưu trữ.

Upsampler thực sự là gì

Thẻ mô hình nói thẳng về phả hệ: đây là bản tinh chỉnh toàn phần của Qwen3.5-9B với tháp thị giác được đóng băng. Tệp cấu hình xác nhận hình dạng — 32 lớp, trạng thái ẩn rộng 4.096, 16 đầu attention so với 4 đầu khóa-giá trị, giới hạn vị trí 262.144 token, và từ vựng 248.320. Chồng lớp không đồng nhất: cứ bốn lớp thì ba lớp dùng attention tuyến tính, với một lớp attention đầy đủ ở mỗi lớp thứ tư. Tháp thị giác sâu 27 lớp, rộng 1.152, kích thước patch 16, hợp nhất không gian 2. Đây là một mô hình thị giác-ngôn ngữ attention lai thế hệ hiện tại, không phải một mẫu prompt có gắn thêm một mô hình ngôn ngữ.

Trên đĩa, nó là một tệp safetensors bfloat16 18,82 GB duy nhất, cùng với một tokenizer, một chat template và một tệp thú vị hơn phần còn lại: system_prompts.json, 12,6 KB chứa bốn system prompt hoàn chỉnh có tên t2i, i2i, t2i_bbox và i2i_bbox. Bốn prompt đó chính là giao diện thực tế của mô hình. Chúng cũng có thể đọc được, nghĩa là hành vi của upsampler không phải là hộp đen — bạn có thể đọc chính xác nó được chỉ dẫn làm gì, rồi kiểm tra xem nó có làm đúng như vậy không.

Quá trình huấn luyện diễn ra theo hai giai đoạn, theo thẻ mô hình: tinh chỉnh có giám sát trên các cặp yêu cầu ngắn và lời nhắc mở rộng tương ứng của chúng, sau đó là tinh chỉnh theo sở thích trên các cặp đầu ra của chính mô hình, được kết xuất qua FLUX 3 Image Klein với seed cố định và xếp hạng dựa trên hình ảnh thu được. Giai đoạn thứ hai mới là giai đoạn đáng chú ý. Bộ upsampler không được tinh chỉnh để viết ra những lời nhắc đọc cho hay; nó được tinh chỉnh dựa trên việc lời nhắc nào của chính nó tạo ra bức ảnh đẹp hơn khi mô hình hình ảnh chạy chúng. Đó là phương pháp do nhà cung cấp tự báo cáo, không phải một ablation đã được công bố, và không tồn tại đánh giá độc lập nào về nó.

Bốn chế độ, và cách pipeline chọn một chế độ

Bộ lấy mẫu tăng cường không phải lúc nào cũng là công cụ tạo ảnh từ văn bản. Lời nhắc hệ thống mà nó tải phụ thuộc vào thứ bạn đưa cho nó, và quy tắc nằm trong bbox.py:

• Không có ảnh tham chiếu, không có hộp — prompt t2i. Nó mở rộng một yêu cầu thành một chú thích chi tiết duy nhất.

• Ảnh tham chiếu, không có hộp — prompt i2i. Nó xem các ảnh tham chiếu và viết một chỉ dẫn chỉnh sửa để xác định từng đối tượng được nhắc đến dựa trên hình dáng thực tế của nó. Một yêu cầu mơ hồ sẽ được hiểu là bản chỉnh sửa hợp lý nhất cho các ảnh được cung cấp.

• Hộp được cung cấp, văn bản sang hình ảnh — lời nhắc t2i_bbox. Đầu ra trở thành một chú thích, theo sau là bảng phần tử JSON, mỗi hàng ứng với một đối tượng trên khung vẽ từ 0 đến 1000, và chú thích trích dẫn từng hàng bằng id trong ngoặc nhọn.

• Hộp cùng các tham chiếu — lời nhắc i2i_bbox, trả về một bản ghi chú thích có trường from phân biệt nội dung lấy từ ref_image_N với nội dung được đánh dấu target, cùng một hộp trong nguồn và một hộp trong đầu ra được hình dung.

Các hộp của bạn thắng khi xảy ra xung đột. Đoạn mã chuyển tọa độ 0-đến-1 của bạn lên lưới 0-đến-1000, giao chúng cho mô hình dưới dạng một danh sách đã khóa có thẩm quyền, rồi đối chiếu câu trả lời: bất kỳ hàng nào mà mô hình lập kế hoạch lại dưới id riêng của nó mà chồng lấn với một hộp đã khóa với intersection-over-union từ 0,9 trở lên thì nhận id đã khóa, và các hàng đã khóa được ghi lại nguyên văn với mô tả của mô hình được chấp nhận. Bố cục của bạn không phải là một gợi ý để mô hình có thể cải thiện.

Việc giải mã được cố định và đáng để sao chép nếu bạn tự gọi nó: greedy, top-p 0,95, top-k 20, mức trần 3.584 token mới, và hình phạt hiện diện 1,5 cho text-to-image so với 0,0 cho chỉnh sửa. Sự bất đối xứng đó là có chủ đích — hình phạt tồn tại để ngăn trình tạo chú thích lặp lại chính nó, và một chỉ dẫn chỉnh sửa nhắc đến cùng một đối tượng hai lần một cách hợp lệ thì không nên bị phạt vì điều đó.

Những gì các prompt đòi hỏi — và tại sao các prompt của bạn lại trông như vậy

Lời nhắc hệ thống t2i là tài liệu hữu ích nhất trong bản phát hành đối với bất kỳ ai cảm thấy hành vi của FLUX 3 Image Klein kỳ lạ. Một số hướng dẫn của nó giải thích trực tiếp phong cách đầu ra của mô hình:

• Độ dài. "Độ dài thông thường là 100 đến 350 từ, nhiều hơn đối với các cảnh phức tạp." Upsampler không nén hay tóm tắt prompt của bạn. Nó mở rộng prompt lên khoảng một bậc độ lớn, và mô hình hình ảnh đã được huấn luyện dựa trên các caption nằm trong khoảng đó.

• Mỗi người trong tiêu điểm đều có một hồ sơ. Sắc tộc, giới tính, độ tuổi, tông màu da, tóc và quần áo — như những thuộc tính có thể quan sát được. Câu lệnh đưa ra các ví dụ "da trắng" và "da nâu".

• Phần nền chiếm khoảng một phần sáu chú thích. Rõ ràng. Câu lệnh cũng yêu cầu nội dung không lấy nét và ở xa phải được mô tả dưới dạng hình khối, màu sắc và hình bóng thay vì danh tính hay văn bản đọc được.

• Kiểu mặc định là nhiếp ảnh. Khi không có kiểu được nêu rõ, mô hình sẽ lên kế hoạch cho một bức ảnh thực tế và mở đầu bằng quy ước về loại hình — "Full-color outdoor photograph", "Studio photograph" — và chỉ dành "Photorealistic" cho các bản dựng hình. Yêu cầu về một thứ gì đó "realistic" sẽ được chuyển thành quy ước nhiếp ảnh thay vì được lặp lại nguyên văn.

• Những điều cấm. Không dùng trạng từ rào đón. Không đưa ra phán xét về chất lượng hay cảm xúc. Không có câu kết về tâm trạng. Các phủ định được viết lại thành những câu khẳng định về điều đang hiện diện. Giọng tạo sinh là bắt buộc: "this image shows" và "we can see" bị cấm hoàn toàn.

• Chống ảnh stock. Prompt yêu cầu "một vài chi tiết cụ thể tầm thường, không lý tưởng, được lấy từ chính những đồ vật trong cảnh thay vì hình mẫu ảnh stock lý tưởng". Đó là một chỉ dẫn nhằm khiến hình ảnh bớt chung chung, được viết thẳng vào system prompt.

• Xử lý văn bản. Văn bản được hiển thị phải được ghi lại nguyên văn trong dấu ngoặc kép bằng ngôn ngữ và chữ viết gốc, với các ngắt dòng được giữ nguyên, kiểu chữ, màu sắc và vị trí được chỉ định. Khi một yêu cầu cần văn bản mà nó không cung cấp, mô hình sẽ tự soạn nội dung cụ thể, đúng theo lĩnh vực.

Đọc danh sách đó đối chiếu với một kết quả tạo sinh đáng thất vọng, và bạn thường có thể tìm ra quy tắc nào đã không được cung cấp đủ thông tin để vận hành. Một bức chân dung phẳng lì với nền trống là một yêu cầu không có bối cảnh, không có ánh sáng và không có chi tiết cụ thể thông thường nào trong đó. Một câu lệnh mà sau đó mô hình vẫn mở rộng, lấp đầy khoảng trống bằng một kế hoạch chung chung do chính nó tự chọn.

Nó tiêu tốn của bạn bao nhiêu bộ nhớ và thời gian

The upsampler is on by default in B​FL's own pipeline, and the practical reason to care is that "on by default" means a second model resident while the first one generates. From the reference code and documentation:

• Đĩa — 18,82 GB cho trọng số bfloat16, so với 11,1 GB cho safetensors riêng của mô hình ảnh đã chưng cất và khoảng 11 GB cho mô hình cơ sở.

• VRAM — the reference implementation gives the upsampler a share of the GPU, defaulting to 0.35 in the Python API and 0.85 in the standalone module's command line. B​FL's memory table, measured on a B200, runs 31 GB in bf16 for the image model with --no-pup; the upsampler's reserved share sits on top of that.

• The 8 GB story gets more complicated. B​FL's headline is that the INT8 build of FLUX 3 Image Klein runs on an RTX GPU with as little as 8 GB of VRAM, and that is the image model. In the ComfyUI repository the prompt upsampler ships as a separate 9.75 GB INT8 text encoder file. Nobody has published a configuration in which both an 8 GB card and the upsampler are resident at once.

• Công tắc tắt chỉ là một cờ. --no-pup gửi lời nhắc của bạn đúng nguyên như đã nhập. Bản demo cũng có nút bật/tắt tương tự, và tính năng upsampling lời nhắc của API được lưu trữ là một phần của endpoint chứ không phải một mục riêng trong bảng giá đã công bố: $0.008 ở 768 vuông, $0.009 ở 1K, $0.011 ở 1,5K, $0.014 ở 2K và $0.036 ở 4K, với mức giá tạo và chỉnh sửa như nhau.

• Ảnh tham chiếu được hạ độ phân giải trước khi bộ tăng mẫu nhìn thấy chúng. Một ảnh tham chiếu bị giới hạn ở khoảng một megapixel; hai ảnh thì mỗi ảnh 724 vuông; ba ảnh trở lên thì mỗi ảnh 512 vuông, được mã hóa lại thành JPEG ở chất lượng 92. Thẻ mô hình liệt kê điều này như một hạn chế theo đúng nguyên văn — các chi tiết nhỏ trong ảnh tham chiếu có thể bị mô tả sai — và đó là cơ chế đằng sau một lỗi cụ thể mà bạn có thể tái hiện: hãy yêu cầu một chỉnh sửa phụ thuộc vào một chi tiết in nhỏ, và hướng dẫn có thể quay lại mô tả sai sự vật, bởi vì bộ tăng mẫu chưa từng nhìn thấy nó ở độ phân giải đầy đủ. Mô hình hình ảnh nhận được ảnh gốc của bạn.

Giấy phép chính là phần đáng để tranh luận.

Đây là sự bất đối xứng, nói thẳng ra là vậy. Các trọng số FLUX 3 Image Klein đi kèm FLUX Kommunity License, vốn chỉ cho phép sử dụng thương mại miễn phí đối với cá nhân và công ty có doanh thu hằng năm dưới 5 triệu USD, còn các tổ chức lớn hơn sẽ được chuyển hướng sang cấp phép tự vận hành hoặc API. Khi kích hoạt một yêu cầu cấp phép thương mại cho một sản phẩm, mô hình bạn đang phát hành không phải là tạo tác duy nhất trong phạm vi.

Bốn kho lưu trữ nằm trong bản phát hành này. Ba trong số đó — mô hình chưng cất, mô hình cơ sở và trọng số ComfyUI — được API Hugging Face liệt kê là gated: auto, nghĩa là bạn phải chấp nhận các điều khoản trước khi có thể tải các tệp xuống. Một kho hoàn toàn không bị gated và mang Giấy phép Apache 2.0: prompt upsampler. Đây cũng là kho duy nhất trong bốn kho mà model card của nó ghi rõ trực tiếp một giấy phép permissive, và README của chính kho tham chiếu đã vạch rõ ranh giới — mã nguồn là Apache 2.0, trọng số Klein là FLUX Kommunity, và "prompt upsampler là Apache 2.0."

What that buys you depends on the unresolved question. If the upsampler is genuinely a standalone artifact, it is a 9B-class vision-language model you can fine-tune, redistribute and ship in a commercial product without a revenue threshold, and it is currently the cheapest way to acquire that capability from a frontier image lab under terms that do not require a lawyer. If it is intended only as a dependency of B​FL's reference code, then repurposing it carries a risk that no document currently resolves.

Điều gì đã được xác nhận, và điều gì chưa được xác nhận?

Đã xác nhận từ kho lưu trữ và API Hugging Face, tất cả đều có thể kiểm tra lại: danh mục tệp và kích thước byte, giấy phép Apache 2.0, việc không có cổng truy cập, mô hình cơ sở Qwen3.5-9B, bốn lời nhắc hệ thống và toàn văn của chúng, các tham số giải mã, ngân sách tiền xử lý tham chiếu, hành vi đối chiếu hộp, mô tả huấn luyện hai giai đoạn và các hạn chế đã công bố.

Not confirmed, and stated as open rather than guessed: whether B​FL considers the upsampler a supported product or an internal dependency; whether the Apache 2.0 header was a deliberate licensing decision or an inherited default from Qwen3.5-9B; how much the upsampler actually improves output, since no third party has run a controlled comparison and B​FL has published no ablation; whether the preference-tuning stage generalises beyond the prompts in its training set; and whether the 9.75 GB INT8 ComfyUI file is the same model at lower precision or a differently prepared one, since that repository's model card is gated and could not be read.

Cũng mở: những con số trên chính kho lưu trữ thì nhỏ. Mười ba lượt tải xuống và mười lượt thích ở upsampler, so với 3.241 lượt tải xuống và 128 lượt thích ở mô hình ảnh chưng cất, hai mươi tư giờ sau khi phát hành. Đó không phải là bằng chứng cho thấy mô hình không quan trọng — mà là bằng chứng cho thấy gần như không ai biết nó ở đó.

OrcaRouter phù hợp ở đâu, và ở đâu thì không

Bản trung thực trước tiên: OrcaRouter không lưu trữ bất kỳ mô hình Black Forest Labs nào. Danh mục đã được kiểm tra thay vì giả định, và không có mục FLUX nào trong đó. Không có nội dung nào bên dưới ngụ ý điều ngược lại.

What does sit in the catalogue is the comparison set. If you are going to spend a weekend testing whether prompt expansion helps your images, the interesting experiment is running the same request through FLUX 3 Image Klein with the upsampler on and off, and then against a hosted image model that does its own prompt handling — G​oogle's image models, O​penAI's, G​rok's — to see whether the gap you are measuring is the upsampler or the generator. Those hosted models are reachable from a single key on OrcaRouter, at the provider's list price with no markup added, so the cost of the experiment is the provider's own rate and nothing on top of it. That is a cheaper way to answer the question than downloading 18.82 GB four times.

Tuy nhiên, cần phải chính xác về giới hạn của lời khuyên đó. Nếu bạn thực sự muốn tinh chỉnh upsampler theo Apache 2.0, bạn cần có trọng số trên phần cứng của riêng mình và một môi trường chạy có thể phục vụ mô hình ngôn ngữ-thị giác 9B. OrcaRouter không làm phần đó, và câu hỏi về giấy phép ở trên là do bạn giải quyết.

Điều gì sẽ biến điều này thành một câu chuyện lớn hơn?

Four things, in rough order of how much they would change. First, a named mention from B​FL — a model card, a docs page, a line in the release notes — which would settle the framing here and probably force an update to this piece. Second, a controlled evaluation, ours or anyone's, of images generated with and without the upsampler at a fixed seed; that number is currently missing and it is the one everyone actually wants. Third, a statement on whether the Apache 2.0 licence is deliberate, since that is what makes the artifact interesting rather than merely unlisted. Fourth, the same treatment applied to the rest of the FLUX 3 family: if the upsampler pattern holds, other tiers will ship with permissive helper models attached and unannounced.

Cho đến lúc đó, cách hiểu thực tế vẫn hẹp và kém hào nhoáng. Vì mô hình hình ảnh được tải xuống bị hạn chế và giấy phép của nó có ngưỡng doanh thu, hầu hết những người muốn xây dựng trên FLUX 3 Image Klein sẽ bắt đầu với API, nơi upsampler không phải là quyết định bạn đưa ra — nó là việc mà endpoint tự làm, được tính vào bảng giá bắt đầu từ 0,008 USD một ảnh. Những người nên quan tâm đến kho lưu trữ là những người tự triển khai trên hạ tầng của mình, và với họ, sự thật hữu ích trong tuần này đơn giản là phần có giấy phép thông thoáng nhất của bản phát hành cũng chính là phần mà không ai nói với họ.

Đối với một mô hình mà các kiểu thất bại vẫn chưa được ghi chép, bản đối chiếu hữu ích là hồ sơ về những gì đã sai ở nơi khác: các sự cố AI và lỗi tác nhân đã được ghi nhận liên quan đến các mô hình trong lớp này được tập hợp trong the OrcaRouter AI Incident Archive, nơi mỗi mục mang nguồn riêng, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp.