FLUX 3 图像 Klein 提示词放大器：BFL 发布了 18.8 GB 的模型，却未给它命名

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.

实际发布的是什么，哪部分未被命名？

先从日期说起，因为这些日期是确切的。上采样器仓库于 2026 年 10 月 14 日 20:40 UTC 在 Hugging Face 上创建，最后一次写入是在 10 月 15 日 15:32 UTC——与其所服务的 FLUX 3 Image Klein 仓库处于同一分钟级时间窗口。发布帖的日期是 10 月 15 日。所以这不是泄露，不是预览，也不是谁攥着不发的检查点：而是与其所属模型一同发布的第一方版本。

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.

• 模型页面位于 bfl.ai/models/flux-3-image-klein，其中列出了未蒸馏版本和蒸馏版本，并将 API 访问描述为包含“提示增强”。同样没有代码仓库。

• 10 月 15 日的发布说明列出了这些权重：Klein（蒸馏版）、Klein Base 和 ComfyUI 权重。上采样器不在其中。

• FLUX 3 Image Klein 的 API 文档共 35,148 个字符。对 "upsampl" 进行不区分大小写的搜索，返回零条结果。

• GitHub 上的参考推理代码正是它最终现身的地方——README 中一个标题为“Prompt upsampling”的小节、CLI 上的 --no-pup 标志、--pup-memory 预算，以及一个 flux3/pup.py 模块。对于“它是隐藏的吗？”这个问题，诚实的答案是：不是。它有文档记载，它已集成，它默认运行，而且如果你克隆了这个仓库，你立刻就会遇到它。

这一区别很重要，也很容易被模糊。这不是一次秘密发布；这是一次发布，其中许可条款最宽松的组件却被当成了管道。社区比媒体更早注意到——到10月15日，Hugging Face 上已经出现了该上采样器的第三方 GGUF 量化版本，而且一个镜像组织已经复制了全部四个仓库。

升频器究竟是什么

模型卡片直接说明其渊源：它是在冻结视觉塔的情况下对 Qwen3.5-9B 进行的全量微调。配置文件证实了其规格——32 层、4,096 宽的隐藏状态、16 个注意力头对 4 个键值头、262,144 token 的位置上限，以及 248,320 的词表大小。层堆叠并不统一：每四层中有三层使用线性注意力，每第四层则有一个全注意力层。视觉塔深 27 层，宽度为 1,152，patch 大小为 16，空间合并为 2。这是一个当前一代的混合注意力视觉语言模型，而不是把语言模型硬拼上去的提示模板。

在磁盘上，它是一个单一的 18.82 GB bfloat16 safetensors 文件，外加一个分词器、一个聊天模板，以及一个比其他文件更有意思的文件：system_prompts.json，12.6 KB，包含四个完整的系统提示词，分别名为 t2i、i2i、t2i_bbox 和 i2i_bbox。这四个提示词就是模型的实际接口。它们还是可读的，这意味着上采样器的行为并非黑箱——你可以准确读到它被指示去做什么，然后检查它是否做到了。

训练分为两个阶段，依照模型卡所述：先是在成对的简短请求及其扩展提示词上进行监督微调，然后在该模型自身输出组成的成对样本上进行偏好调优——这些输出通过 FLUX 3 Image Klein 以固定种子渲染，并依据生成的图像进行排序。值得关注的是第二阶段。这个上采样器并不是被调优来写出读起来通顺的提示词；它被调优的依据是，当图像模型运行它自己生成的提示词时，哪一个提示词产生了更好的图片。这是厂商报告的方法，而非已发表的消融实验，也不存在对其进行的独立评估。

四种模式，以及流水线如何选择其中一种

上采样器并不总是一个文本到图像工具。它会加载哪个系统提示，取决于你传给它的内容，而规则位于 bbox.py 中：

• 无参考图像，无边界框 —— 即 t2i 提示词。它会把请求扩展为一段详细的描述。

• 参考图像，无方框 —— i2i 提示词。它会查看参考图像，并写出一条编辑指令，根据每个指代对象的实际外观来识别它们。含糊的请求会被解读为对所提供图像最合理的编辑。

• 提供边界框，文本转图像 —— 即 t2i_bbox 提示词。输出内容为一段说明文字，后接一个 JSON 元素表，在 0 到 1000 的画布上每个对象占一行，说明文字通过尖括号 id 引用每一行。

• 框加参考——i2i_bbox 提示词，它会返回一条标注记录，其中的 from 字段用于区分取自 ref_image_N 的内容与标记为 target 的内容，并包含源图像中的一个框和想象输出中的一个框。

你的框在冲突中胜出。代码会把你的 0 到 1 坐标转换到 0 到 1000 的网格上，作为一份权威的锁定列表交给模型，然后再对返回结果进行对账：模型以自己的 id 重新规划的任意一行，只要与某个锁定框的交并比达到 0.9 或更高，就沿用该锁定 id；而锁定行则按原样写回，同时采用模型给出的描述。你的布局不是模型可以随意改进的建议。

解码参数是固定的，如果你自己调用，值得照搬：贪婪解码，top-p 0.95，top-k 20，最多 3,584 个新 token，以及文生图的存在惩罚为 1.5，而编辑为 0.0。这种不对称是有意为之——存在惩罚是为了阻止说明文字生成器自我重复，而一条合理地两次提到同一对象的编辑指令不应因此受到惩罚。

提示词有哪些要求——以及你的提示词为何是现在这个样子

对于任何觉得 FLUX 3 Image Klein 的行为有些古怪的人来说，t2i 系统提示词是本次发布中最有用的文档。它的一些指令直接解释了该模型的输出风格：

• 长度。“典型长度为 100 到 350 词，复杂场景则需要更多。”上采样器并不会压缩或概括你的提示词。它会将其扩展约一个数量级，而图像模型正是依据该长度范围内的图注训练出来的。

• 每个被关注的人都会获得一份档案。种族、性别、年龄范围、肤色、发型和衣着——作为可观察的属性。提示中给出了“白皙肤色”和“棕色肤色”的例子。

• 背景约占字幕的六分之一。明确说明。提示还要求将失焦和远处的内容描述为形状、颜色和剪影，而非身份或可读文本。

• 样式默认为摄影。若未指定样式，模型会规划一张真实的照片，并以媒介惯例作为开头——"Full-color outdoor photograph"、"Studio photograph"——而把"Photorealistic"留给渲染图。对于"逼真"之类的请求，会将其转换为照片惯例，而不是原样复述。

• 禁止事项。不使用模糊限制副词。不进行质量或情感评判。不写关于情绪的结尾句。否定句改写为对现存内容的陈述。必须使用生成性表述：直接禁止使用“这张图显示”和“我们可以看到”。

• 反图库照片。该提示要求“从场景自身的物体中选取几个普通、不够理想的细节，而非图库照片式的理想化呈现”。这是一条让图像少一些千篇一律的指令，被写入了系统提示词中。

• 文本处理。渲染出的文本必须以其原始语言和文字逐字转写在双引号内，保留换行，并注明字体排印、颜色和位置。当请求需要其未提供的文本时，模型应撰写具体且符合领域规范的措辞。

对照一份令人失望的生成结果来读那份清单，通常就能找出是哪条规则没有得到足够的信息来发挥作用。一张背景空白的平淡肖像，是一个没有场景、没有光照、也没有任何日常细节的请求。而模型随后还是对它进行了扩展，用自己的通用方案填补了空缺。

它在内存和时间上给你带来的代价

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:

• 磁盘 — bfloat16 权重占用 18.82 GB，而蒸馏图像模型自身的 safetensors 占用 11.1 GB，基础模型约为 11 GB。

• 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.

• 关闭开关只是一个标志。--no-pup 会按你输入的原样发送提示词。演示版也有同样的开关，而托管 API 的提示词上采样属于端点本身的一部分，并非公开价目表中的单独收费项：768 方形尺寸为 $0.008，1K 为 $0.009，1.5K 为 $0.011，2K 为 $0.014，4K 为 $0.036，生成与编辑定价相同。

• 参考图会在上采样器看到它们之前被缩小。一张参考图的上限约为一百万像素；两张时每张为 724×724；三张或更多时每张为 512×512，并以质量 92 重新编码为 JPEG。模型卡明确将这一点列为限制——参考图中的小细节可能会被错误描述——而这也是一个你可以复现的具体故障背后的机制：要求进行一个依赖小型印刷细节的编辑时，返回的指令可能会描述错误的东西，因为上采样器从未以完整分辨率看到它。图像模型拿到的是你的原图。

许可证才是值得争论的部分

这里明确说明这种不对称性。FLUX 3 Image Klein 权重采用 FLUX Kommunity License，该许可证仅允许年收入低于 500 万美元的个人和公司免费商用，规模更大的组织则需转向自托管许可或 API。一旦对某个产品触发商业许可咨询，你所交付的模型就不是唯一在范围内的产物。

此次发布包含四个仓库。其中三个——蒸馏模型、基础模型和 ComfyUI 权重——被 Hugging Face API 列为 gated: auto，这意味着你必须先接受条款，才能下载这些文件。有一个完全未设门禁，并采用 Apache License 2.0：提示词放大器。它也是这四个当中唯一一个在模型卡中直接声明宽松许可证的；而且参考仓库自己的 README 也明确划清了界限——代码是 Apache 2.0，Klein 权重是 FLUX Kommunity，而“提示词放大器是 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.

哪些是已确认的，哪些不是

已从代码仓库和 Hugging Face API 中确认，所有这些都可重新核查：文件清单与字节大小、Apache 2.0 许可证、不存在的访问门禁、Qwen3.5-9B 基础模型、四条系统提示词及其完整文本、解码参数、参考预处理预算、边界框协调行为、两阶段训练说明，以及已公布的局限性。

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.

同样公开的还有：仓库本身的数据并不起眼。发布二十四小时后，上采样器有十三次下载和十个点赞，而蒸馏图像模型则有 3,241 次下载和 128 个点赞。这并不能证明该模型不重要——它只能证明几乎没有人知道它的存在。

OrcaRouter 适合用在何处，又不适合用在何处

先说诚实版本：OrcaRouter 不托管任何 Black Forest Labs 模型。目录是经过实际核查的，而非凭假设，其中并没有 FLUX 条目。下文没有任何内容暗示相反的情况。

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.

不过，有必要明确这条建议的局限。如果你确实想在 Apache 2.0 下微调该上采样器，就需要把权重放到自己的硬件上，并有一个能够服务 9B 视觉语言模型的运行时。OrcaRouter 并不负责这一部分，而上面提到的许可证问题也需要由你自己解决。

什么会让这变成一个更大的故事？

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.

在那之前，实际的解读是狭窄而平淡的。由于下载得到的图像模型受门控限制，且其许可证附带收入门槛，大多数想基于 FLUX 3 Image Klein 进行构建的人会从 API 入手；在这里，上采样器不是由你做出的决定——它是端点所执行的功能，并已计入起价为每张图片 0.008 美元的费率卡中。真正该关心这个代码仓库的人是那些自行托管的人，而对他们来说，本周有用的事实很简单：此次发布中许可最宽松的组件，也正是没人告诉过他们的那一个。

对于一个失效模式尚未被记录的模型来说，有用的对照物是别处已经出错的记录：这一类模型的已记录 AI 事故与智能体故障，都收录在OrcaRouter AI 事故档案库中，其中每条条目都带有自己的来源、严重程度、置信度评级和争议标记。