FLUX 3 Image Klein 在開放權重中排名第一——而且是在其開發者自製的排行榜上

這個數字如今無所不在。FLUX 3 Image Klein 在開放權重模型的文字轉圖像項目中排名第一、在多參考生成中排名第一、在圖像編輯中排名第一——而且在參數量少 38% 的情況下，於文字轉圖像以 91 Elo、於圖像編輯以 70 Elo 擊敗較舊的 FLUX.2 [klein] 9B。這些都是 Black Forest Labs 發布文中、各篇回顧裡、社群卡片上的數字。往往被漏掉的那句話，正是來源中附在這些數字後面的那句：這些是內部評估。

那不是醜聞。幾乎每個圖像模型問世時都是這樣，而在其他人取得權重之前，這也是一間實驗室唯一能做的比較。但這會改變讀者該如何看待這份排名。FLUX 3 Image Klein 確實已經發布——56 億參數、開放權重，於 2026 年 10 月 15 日在 FLUX Kommunity License 下公開，可在 BFL 自家 API 上以每 1K 張圖像 0.009 美元的價格呼叫。目前還不存在的，是來自 Black Forest Labs 以外任何人的評分。模型是真的；排行榜上的名次則只是一項宣稱。

這份發布實際上確立了什麼

請將產物與行銷宣傳分開看待，因為兩者承載的份量不同。產物今天任何人都能在沒有 GPU 的情況下查核：

• 權重 — 5.6B 參數的影像生成器，附有可用於微調的基礎檢查點，以及可降低延遲的 16 步蒸餾檢查點

• 精度版本 — BF16 為 11.2 GB、FP8 為 5.6 GB，另有以 NVIDIA 製作的 INT8 與 NVFP4 版本

• 授權 — FLUX Kommunity License：年營收低於 500 萬美元的個人與公司可免費商業使用；超過此門檻則需付費取得自託管授權或使用 API。

• 功能 — 文字轉圖像、編輯、最多可搭配 10 張參考圖像的多參考生成、原生 4K，以及邊界框控制

• 價格 — 供應商 API 每 1K 張圖片為 $0.009，其上另有 2K 級距

• 工具 — 適用於 Diffusers、Ostris AI Toolkit 與 NVIDIA NeMo AutoModel 的 LoRA 訓練配方

所有這些都在儲存庫和文件中。這些都不取決於某個基準測試是否成立。一個模型可以小而快、可授權且可下載，而不必在任何方面都是最好的，而這些特性本身就值得具備。

這次發布並未確立的是相對品質。發布文章展示的是 Elo 圖表，而不是在文中印出確切分數，因此 Klein 與其比較組之間的確切差距甚至無法完整引用——你看得到長條，卻看不到數字。具名比較對象是 7B 的 Qwen-Image 2.1 與 12.9B 的 Krea 2，其中 Krea 2 因不支援編輯而被排除在編輯比較之外。這些是合理的對照。但它們仍是實驗室自己的對照、在實驗室自己的測試框架中、使用實驗室自己選的提示詞。

「第三方」這個詞正在承擔它沒掙得的分量。

關於這次發佈的許多報導，都把這些排名描述成第三方基準測試。它們並不是。搜尋一個獨立排行榜的條目，結果只會找到該廠商的部落格文章，以及十幾篇對它的改寫，而那些改寫沿用了原本的框架，卻沒有沿用它附帶的但書。

對圖像模型而言，最實用的公開排行榜是 Artificial Analysis，其排名依據人類成對偏好投票所得的 Elo。其文字轉圖像排行榜版本 2.1 於 2026 年 10 月 16 日擷取，共有 42 個可見條目。GPT Image 2.5 Sunburst 以 1218 分位居第一。Nano Banana 2 以 1139 分排名第七。FLUX 3 Image 以 1114 分排名第十三，樣本數為 5,766，該排行榜標價為每千張圖像 48 美元。FLUX.2 [klein] 9B——BFL 比較中的基準——以 1026 分排名第二十六。

FLUX 3 Image Klein 並不在那個榜單上。發表當天不在，八天後也不在。標示為「FLUX 3 Image」的項目是另一款產品：它是體積較大、僅提供 API 的兄弟型號，而榜單上每千次 48 美元的數字，符合的是那個型號的公開價格區間，而非 Klein 的 9 美元。這件事之所以重要，原因很簡單。在目前唯一存在的獨立排名中，得分最高的開放權重圖像模型並不是 Klein，也根本不是 Black Forest Labs 的模型——而是 Qwen-Image-3.0-Pro，得分 1093。因此，「Klein 在開放權重模型中排名第一」這個說法，並沒有被公開榜單所駁倒。它只是根本不在榜單上而已。

將 BFL 自家的 delta 放在公開看板旁

有一種方法可以取得粗略方位，而不必假裝那是實際測量。BFL 將其增益表述為相對於 FLUX.2 [klein] 9B 的差值，而那個較舊的模型是在公開排行榜上。所以，取公開分數並加上廠商的差值：

• 文字轉圖像 — FLUX.2 [klein] 9B 在 Artificial Analysis 上為 1026，加上 BFL 的 +91，達到接近 1117

• 編輯 — FLUX.2 [klein] 9B 在編輯排行榜上拿下 1015，再加上 BFL 的 +70，落在 1085 附近

請把這當成算術，而不是預測。Elo 差值無法在不同評測框架之間通用。在 BFL 的提示詞集上測得的 91 分差距，不會一分對一分地轉移到一個由不同圖片、不同投票者和不同取樣窗口的群眾投票所建立的排行榜上。這項練習只有規模上的參考價值：它暗示的模型在文生圖中會落在 1100 分出頭，這大致就是 FLUX 3 Image 目前所在的位置，並且穩穩落後於 1139 分的 Nano Banana 2。它並不暗示有一個模型會以大幅差距位居開放權重領域之首，也絕對不暗示 +91 會轉化為總排名第一。

如果你想要誠實的一句話版本：低 1100 多分的成績，很可能會是那個排行榜上最好的開放權重模型，因為目前那裡的領先者是 1093。所以 BFL 說法的方向是合理的。其幅度尚未經證實，而與最接近的開放權重競爭者之間的差距，可能遠比發布時的說法所暗示的小得多。

我們執行時看到的情況

我們自身對這個模型的使用經驗，指向比「最佳開放權重圖像模型」更具體的東西。我們透過廠商的 API 跑過 FLUX 3 Image Klein，沒有固定提示詞集，也沒有評分規準，所以請把這視為觀察，而非結果。最突出的能力是精確、局部化的編輯：更改場景中的單一物件、把元素移入限定區域，或套用一項理應讓畫面其餘部分保持不變的指令。至於幾乎允許所有東西改變的情況——全面重新風格化、整體燈光變更——則更難與上一代區分開來。

這與大多數公開論述的側重點相反。發表時的論述框架關注的是 Klein 到底能不能編輯，以及它是否勝過價格貴五倍的模型。對任何從事生產工作的人來說，更有用的問題是它能否精準地編輯。精準的編輯，才是邊界框與保留背景真正重要的地方；小型模型要麼守住場景其餘部分，要麼悄悄重繪它；而重試的代價不只是金錢，還包括一輪審核週期。

編輯是值得接受最嚴苛考驗的主張。

在三項第一名的主張中，最該對「編輯」抱持懷疑，原因是結構性的。文字生圖的品質大致上可辨——一般人看兩張圖就能選出比較好的一張。編輯品質則取決於指令遵循，而指令遵循正是廠商自家提示詞集最能討好、襯托的項目。如果你的評估提示詞是由調校模型的人所寫，那你衡量的就是你所能控制的兩件事之交集。

還有一個管線細節會影響每一次自行執行的比較。Klein 隨附一個獨立的提示詞放大器——一個名為 flux-3-image-klein-pup 的 Qwen3.5-9B 9B 微調模型——它預設為開啟，而且 BFL 表示該模型並非設計為在沒有它的情況下運作。這意味著，一個直接把使用者輸入的提示詞送出的簡易基準測試，所測量的系統與供應商評估的系統並不相同。任何值得閱讀的獨立測試都需要說明放大器是否開啟，因為同一個檢查點可能會根據這個答案而產生明顯不同的輸出。對於一項目前僅建立在一家實驗室的一張投影片上的主張而言，這涉及的方法論層面相當多。

這些速度數字屬於 NVIDIA

發布內容中有一組數據的來源與品質宣稱不同，值得妥善標明出處。延遲數據——在 RTX 5090 上以 INT8、16 步處理一張 1MP 影像約需 4 秒，在 RTX 4070 上不到 9 秒，在 GB300 上為 0.55 秒——是由 NVIDIA 測得，其中 RTX 的結果是透過 ComfyUI 執行得出。這仍算是與廠商相關的測量，因為 NVIDIA 協助建構了量化檢查點，但這是硬體測量，而非偏好判斷，而硬體測量遠更容易重現。如果你有這張卡，一個下午就能驗證。

8 GB VRAM 的說法也該比照處理。對 INT8 生成器版本而言確實如此，但對整套建議流程而言並非如此，因為提示詞升採樣器是另一個 18.8 GB 的 BF16 下載項目，還需要自己的記憶體。使用者讀到「可在 8 GB 上執行」，接著啟用預設流程時，就會發現哪些說法有標明適用範圍，哪些沒有。

如何自行檢查

最便宜且誠實的測試不是排行榜。而是用你自己二十個提示詞，在你真正在乎的任務上跑兩次——一次用上取樣器，一次不用——並以你是否會把輸出推出上線來評分。Klein 讓這件事格外可行，因為權重可下載，且授權允許在營收低於 500 萬美元門檻下作商業使用，所以這項測試不需要向任何人註冊帳號。

至於其他所有需求，路由層是最便宜的方式，可以用同一把金鑰，把相同的提示詞跑在多個供應商的端點上，而這正是 OrcaRouter 的用途：一個相容 OpenAI 的 API，涵蓋 200 多個模型，0% 加價、直接按供應商的定價原價計費，並在端點效能下降時自動容錯移轉。值得明確說明的是，這並不是通往 Klein 的途徑。我們的目錄有 210 個模型，完全沒有 FLUX 項目，因此就這個模型而言，目前誠實的選項是 BFL 自家的 API 或自架檢查點。我們寧願這樣說，也不願暗示相反的情況。

什麼能讓它塵埃落定

三件事，按實用性由低到高排列。第一，Klein 在獨立排行榜上作為獨立條目出現——不與 FLUX 3 Image 合併，後者是不同價格的不同模型。第二，該條目能撐過數千票而非數百票，因為新模型的早期 Elo 雜訊很大，且隨著新鮮感投票消退往往會向下漂移。第三，有人發表編輯比較時註明其升頻器設定，因為沒有這項資訊，數字就無法互相比較。

在那之前，準確的句子比標題更狹窄，也比任何一個極端更有用。FLUX 3 Image Klein 是一個 5.6B 的開放權重圖像模型，每 1K 張圖像收費 $0.009，可在消費級硬體上運行；其供應商稱它是文字轉圖像、多參考生成與編輯方面最佳的開放權重模型。這句話的前半部分已獲驗證。後半部分是一項有具名作者的說法，而作者就是打造它的實驗室。