FLUX 3 Image Klein：5.6B 参数在你的磁盘上实际有多重

FLUX 3 Image Klein是 Black Forest Labs 的FLUX 3 Image家族中的开放权重成员，于 2026 年 10 月 15 日发布，参数量 5.6B，同日即可下载权重，并提供按量计费的端点。标题中的这个数字只统计了图像 Transformer，别无其他。文本编码器——Qwen3-VL-4B-Instruct——需要单独下载，图像自编码器是第三项，而这三者中真正能跑起来的最小组合约为 10.5 GB。若取同样这三个文件的 BF16 版本，则大约为 20 GB。若再遵循参考实现自带的默认流水线——它在每次生成前都会运行一个提示词上采样器——磁盘上的总占用将超过 39 GB。

所有这些都与供应商声称 FLUX 3 Image Klein 可在单张消费级 GPU 上运行并不矛盾，因为该说法从来就不是关于文件大小的。它关乎的是量化构建下推理时的显存占用，以及权重一次只加载一个张量的方式。但“5.6B 参数且可在单张消费级 GPU 上运行”把三个不同的数字——参数量、下载体积和常驻内存——压缩进了一个短语，而任何规划部署的人都需要这三个数字。在模型发布仅一天、尚无独立第三方对其进行实测的情况下，根据 BFL 自己的文档和 Hugging Face API，这三个数字实际上分别是这样的。

10月15日发布了什么

Klein 是 FLUX 3 系列继 9 月 FLUX 3 Action 之后发布的第二个开放权重版本。发布帖的标题是FLUX 3 Image Klein：开放权重，5.6B 参数，而它所列出的内容相当完整，并非只是丢出一批检查点：

• 两个检查点，均为 5.6B。Klein Base 未经蒸馏，在引导系数 3.5 下运行 50 步，专为微调、LoRA 训练和研究而设。Klein 经过步数蒸馏，只需 16 步且无需引导，是 BFL API 背后的检查点。

• 三种量化格式。FP8 和 NVFP4 变体与主仓库中的 BF16 transformer 并存，另有一个在 NVIDIA 支持下开发的 INT8 版本。ComfyUI 的重新打包版本为 transformer 和文本编码器都增加了 INT8 版本，而主仓库并不提供这些。

• 首日运行时支持涵盖 ComfyUI、Hugging Face Diffusers、TensorRT-LLM、SGLang Diffusion 和 vLLM-Omni，此外还可通过 Ostris 的 AI Toolkit 进行 LoRA 训练，并在 NVIDIA NeMo AutoModel 中提供配方。基于 NVIDIA GB200 NVL72 训练；GB300 NVFP4 的计时数据正是亚秒级声明的依据所在。

• 功能集是继承而来的，而非被削减。原生 4K、可保留未编辑区域的基于指令的编辑、最多十张参考图像，以及在 0–1000 网格上的边界框，可用于放置元素或将编辑限制在某一区域内。BFL 在模型卡中明确指出，边界框用于引导放置位置和缩放，而不是将像素限制在硬遮罩内——如果你期待的是遮罩级别的控制，这一点就很重要。

这些仓库在公告发布之前就已经上线了。base 和 distilled 仓库创建于 10 月 13 日，ComfyUI 和提示词上采样器（prompt-upsampler）仓库创建于 10 月 14 日，发布帖子和 API 端点则在 15 日跟进。 Wait — should base/distilled be translated? "基础版和蒸馏版仓库" is more localized. I'll use that.这些仓库在公告发布之前就已经上线了。基础版和蒸馏版仓库创建于 10 月 13 日，ComfyUI 和提示词上采样器（prompt-upsampler）仓库创建于 10 月 14 日，发布帖与 API 端点则在 15 日跟进。

56亿美元数字背后的三份文件

请查看文件列表，而不是参数量和下载变化的形态。Hugging Face API 报告了该蒸馏仓库自身各文件的大小如下：

• 图像变换器，BF16——model.safetensors，11.10 GB。BFL 的发布公告将其四舍五入为 BF16 下的 11.2 GB 和 FP8 下的 5.6 GB。

• 文本编码器，BF16——Qwen3-VL-4B-Instruct，拆分到两个 safetensors 分片中，合计 8.88 GB。ComfyUI 仓库中存在同一编码器的 INT8 版本，大小为 4.86 GB。

• 图像自编码器 — 0.34 GB，而它是任何量化路径都无法移除的那个文件。

所以实际的下限不是 5.6 GB，也不是 11.2 GB。它是 5.28 GB 的 NVFP4 transformer，加上 4.86 GB 的 INT8 文本编码器，再加上 0.34 GB 的 VAE——对于一个既能生成又能编辑的流水线来说，约 10.5 GB 的文件。同样这三个组件的全 BF16 版本约为 20.3 GB。还有提示词上采样器，除非你传入 --no-pup，否则参考 CLI 会在每次请求时下载并运行它，它自成一个仓库：bfloat16 下为 18.82 GB，而 ComfyUI 打包所附带的 INT8 版本为 9.75 GB。把 BF16 上采样器加入 BF16 流水线，那么在你生成一张图像之前，磁盘上大约就是 39 GB。

BFL 自己的模型卡中带有一条本应紧挨着这些数字的警告：“量化包需要支持其格式的加载器；其文件大小并不是总 GPU 内存占用的衡量标准。”

这要分两面看。量化文件小，并不意味着这次运行就能装进那么小的内存；下载体积大，也不意味着工作集就大。它确实意味着，下载部分是你在拥有硬件之前就能规划的部分，而且它正是被作为宣传重点的参数量所掩盖的那部分。

8 GB 显存这一数字从何而来

显存方面的说法很具体。BFL 表示，在 INT8 构建版本下，FLUX 3 Image Klein 可通过 ComfyUI 或 Diffusers，在显存低至 8 GB 的 NVIDIA GeForce RTX GPU 上运行，而文档将支持的最低配置定为 RTX 3090。

这些速度数据有着值得精确说明的来源：它们由 NVIDIA 测量，RTX 相关结果是在 ComfyUI 中测得的。使用步数蒸馏模型和 INT8 构建版本时，一张 1 MP 图像在 RTX 5090 上约需 4 秒，在 RTX 4070 上不到 9 秒。在 GB300 上以 NVFP4 运行时，蒸馏模型生成一张 1 MP 图像不到 0.6 秒。服务一个 LoRA 会使生成时间增加约 5%。

这些是厂商报告的数据，与发布文章中的API延迟数字并非同一种测量。BFL在自己的服务器上为Klein计时，而Qwen-Image 2.1、FLUX.2 [pro]、Ideogram V4.5和Krea 2则从客户端计时，这会把轮询和网络时间计入竞争对手的数据，却不计入自己的——文章也是这么说的。诚实的解读是：4秒和9秒这两个数字作为在所指名的显卡上的本地推理耗时是可信的，而速度与质量的前沿图则是厂商自己用不对称的秒表做出的比较。BFL或NVIDIA之外的任何人都没有复现过其中任何一项。

通过 API 的成本是多少，以及曲线在何处弯折

蒸馏检查点以 flux-3-image-klein 的形式提供服务，包含提示词上采样和像素修复。BFL 按每张图像公布这些费率，文生图和编辑均相同：

• 768 × 768 — $0.008

• 1K — $0.009

• 1.5K — $0.011

• 2K — $0.014

• 4K — $0.036

与 FLUX 3 Image——同一功能列表上仅提供 API 的更大版本——相比，决定取舍的应是比值，而非绝对价格。FLUX 3 Image 生成一张 1K 图像为 $0.048，而 Klein 为 $0.009，相差约 5.3 倍。在 4K 下，同样的对比是 $0.607 对 $0.036，相差近十七倍。任何大批量生成 4K 图像的人，都不是在便宜模型与昂贵模型之间做选择，而是在一个经得起产品实际检验的单张价格与一个经不起的价格之间做选择。

这笔账的另一半在你自己这边：在已经拥有的显卡上自托管 Klein，没有按图像计费的成本；在租来的显卡上自托管 Klein，则有按小时计费的成本。盈亏平衡点会随利用率移动，而且移动幅度很大——闲置的 GPU 才是昂贵的配置，而不是便宜的配置。如果你的图像流量波动大，固定费率通常是更划算的取舍；如果流量稳定且高，下载就开始为自己回本，许可证则成为真正重要的变量。

许可证才是决定你能否发布它的关键部分

两个检查点均受 FLUX Kommunity License 约束，值得将其两种描述并排阅读，因为它们的措辞并不相同。发布帖称，该许可证“允许年收入低于 500 万美元的个人和公司免费商用，以及研究和非商业用途”，而规模更大的组织则可通过 BFL 的付费自托管许可选项或 API 进行商业部署。模型卡称，该许可证“允许非商业用途，并为合格用户提供商业输出例外，但须遵守其条款”，其中“合格用户”的定义见许可证文本本身。

对大多数团队而言，收入门槛才是关键事实：年收入低于 500 万美元，可免费商用；超过这一门槛，则需选择 BFL 的一个付费层级。这些层级已公开列出——Builder：每月 1 万张图像和 1 个域名，Platform 和 Professional：每月 10 万张图像，Enterprise 可定制——并且它们都将 FLUX 3 Image Klein 与 FLUX.2 系列模型打包提供，还包含微调和 LoRA 权利。请注意这些层级的含义：一家超过门槛的公司并不是再次购买模型，而是购买使用其已下载权重的权利；这与 API 账单属于不同类别的支出项，而且当原型变成产品时，这种支出更容易被遗忘。

如果你的组织收入接近这条线，请阅读 LICENSE.md，而不是任何一份摘要。两份供应商文件以两种不同的语域描述同一份文书，这正是主文本才对你具有约束力的情形。

该质量声明是BFL自己的主张，且不包含FLUX 3 Image

Klein 在内部评估中拿出的最亮眼质量成绩是：在文本生成图像、多参考生成和图像编辑三项中均位列第一——领先于规模更大的开放权重模型，也高于对比中的闭源模型 Ideogram V4.5 和 FLUX.2 [pro]。开放权重对比组在文中其他位置给出了名称：7B 的 Qwen-Image 2.1 和 12.9B 的 Krea 2，两者都比 Klein 的 5.6B 更大；Krea 2 因不支持编辑而未列入编辑一栏。与上一代开放模型 FLUX.2 [klein] 9B 相比，Klein 在文本生成图像上提升 91 Elo，在图像编辑上提升 70 Elo，同时参数量少了 38%。

FLUX 3 Image——厂商自家更大的模型，通过同一 API、在同一功能面上销售——并没有出现在这个对比中。仅凭这一点并不能说明什么；用一个小型开源模型与下载者本来可能会运行的那些模型进行基准对比，是一个站得住脚的选择。但这也意味着买家最想看到的那句话——“Klein 与更大模型之间的差距在 X 以内”——仍然没有写出来。

独立评测的情况还要更单薄。那个追踪这一系列的唯一公开文生图排行榜列出了 FLUX 3 Image，而截至撰稿时，它根本没有 FLUX 3 Image Klein 条目。因此，发布首日可获得的每一个质量数字都可追溯到 BFL，而可复现的那些——你可以在二十分钟内自行核实的那些——是上文的文件大小和每张图费率，而不是 Elo 差值。

调用它，还是运行它

这个决定可以清晰地沿三个问题来拆分。如果你需要在自己的数据上做微调或 LoRA，或者图像不能离开你的基础设施，又或者你的用量又高又稳定，那么下载就是答案，而许可证是首先要敲定的事。如果你的用量波动很大，你的图像是重点素材而非批量产出，又或者你想在投入硬件之前先评估模型，那么按每张 1K 图像 $0.009 计价的端点，比搭一个周末的环境更便宜。

还有第三种值得点明的情况，因为它恰恰最为常见：团队最终会调用多个图像模型而不是一个，用一个小型开源模型处理大批量工作，用前沿模型处理关键出图任务。这正是 OrcaRouter 存在的意义——一个 API 密钥打通 200 多个模型，按供应商标价原价透传，0% 加价因此供应商调价当天就能生效，并具备自动故障转移，让尚未经过验证的模型可以进入生产链路，而不至于成为单点故障。FLUX 3 Image Klein 目前不在我们的目录中，所以无论哪种情况，BFL 端点都是直接调用供应商；我们能做的是让它周边的一切——其他图像模型、路由规则、回退机制——都处在同一个端点和同一条计费线下。

什么会改变这一点？

三件事，按其可能对决策产生的影响大小排序。一是对 Klein 和 FLUX 3 Image 的独立正面对比，因为两者在 4K 下的价格差达十七倍，而质量差距尚未衡量。二是来自非 NVIDIA 方的、在真实 8 GB 显卡上的 INT8 计时数据，因为整个本地部署宣传所依赖的正是这个数字，而它却由一个利益相关方测得。三是 BFL 的许可证澄清，用以调和发布帖中的收入门槛表述与模型卡中的 Qualifying User 表述。

在此之前，站得住脚的立场是那种狭义立场：FLUX 3 Image Klein 是真实存在的，今天就能下载，它在同一份功能清单上能做到 FLUX 3 Image API 所做的事，而且在 1K 分辨率下每张图像的成本大约只有其五分之一，在 4K 下只有其十七分之一。按最小约 10.5 GB 的文件来规划，若加上放大器并在 BF16 下全部算上则是 39 GB；在决定硬件问题之前先决定许可问题，并且把你迄今读到的每一个质量数字都当作厂商的说辞。