FLUX 3 Image Klein Prompt Upsampler：BFL 推出卻未命名的 18.8 GB 模型

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.

實際上出貨的是什麼，而哪一部分沒有被命名

先從日期說起，因為它們確切無誤。這個升採樣器儲存庫於 2026 年 10 月 14 日 20:40 UTC 在 Hugging Face 建立，最後寫入時間是 10 月 15 日 15:32 UTC——與它所服務的 FLUX 3 Image Klein 儲存庫落在同樣的分鐘級時間窗內。發布貼文標註的日期是 10 月 15 日。因此，這不是外洩，不是預覽，也不是任何人握在手上的檢查點：它是與其所屬模型一同發布的第一方版本。

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.

• 模型頁面（bfl.ai/models/flux-3-image-klein）列出了未蒸餾與蒸餾版本，並將 API 存取描述為包含「提示強化」。此外也沒有任何程式碼倉庫。

• 10月15日的發行說明列出了權重：Klein（蒸餾版）、Klein Base，以及 ComfyUI 權重。上採樣器不在其中。

• API 說明文件用於 FLUX 3 Image Klein，全長 35,148 個字元。以不分大小寫方式搜尋「upsampl」會得到零筆結果。

• GitHub 上的參考推論程式碼就是它最終現身的地方——一個標題為「Prompt upsampling」的 README 章節、CLI 上的 --no-pup 旗標、--pup-memory 預算，以及 flux3/pup.py 模組。這正是對「它被隱藏了嗎？」的誠實答案：沒有。它有文件記載、已經整合、預設就會執行，而且如果你 clone 了這個 repo，你馬上就會遇到它。

這個區別很重要，而且很容易被模糊掉。這不是一次暗中發布；這是一次其授權最寬鬆的元件被當成底層管線來對待的發布。社群比媒體更快注意到——到了10月15日，Hugging Face 上已經有第三方針對該上採樣器的 GGUF 量化版本，而某個鏡像組織也已複製了全部四個儲存庫。

升頻器實際上是什麼

模型卡對其血統直言不諱：它是 Qwen3.5-9B 的完整微調，並將視覺塔凍結。設定檔證實了其架構——32 層、4,096 寬的隱藏狀態、16 個注意力頭對上 4 個鍵值頭、262,144 個 token 的位置上限，以及 248,320 的詞彙量。層堆疊並非一致：每四層中有三層使用線性注意力，每第四層則為完整注意力層。視覺塔深 27 層、寬 1,152，patch 大小為 16，空間合併為 2。這是當代的混合注意力視覺語言模型，而非套上語言模型的提示範本。

在磁碟上，它是一個單一的 18.82 GB bfloat16 safetensors 檔案，外加一個 tokenizer、一個聊天模板，以及一個比其他檔案更有趣的檔案：system_prompts.json，大小 12.6 KB，內含四個完整的系統提示，分別命名為 t2i、i2i、t2i_bbox 和 i2i_bbox。這四個提示就是模型實際的介面。它們同樣是可讀的，這表示上取樣器的行為並非黑箱——你可以確切讀到它被指示要做什麼，然後檢查它是否照做。

根據模型卡，訓練分為兩個階段：先是對短請求與其擴展提示的配對進行監督式微調，接著是對模型自身輸出的配對進行偏好調校，這些輸出以固定種子透過 FLUX 3 Image Klein 渲染，並依生成的圖像排名。第二個階段才是值得注意的地方。上取樣器並非被調校來撰寫讀起來通順的提示；它被調校的依據是，當圖像模型執行它自己產出的提示時，哪些提示能產生更好的圖片。這是廠商自述的方法論，並非已發表的消融實驗，而且不存在針對它的獨立評估。

四種模式，以及管線如何選擇其中一種

升採樣器不一定是文字轉圖像工具。它會載入哪個系統提示，取決於你交給它什麼，而規則就在 bbox.py 裡：

• 無參考圖像、無邊框——即 t2i 提示詞。它會將一個請求擴展為單一詳細說明文字。

• 參考影像，無方框 — i2i 提示詞。它會查看參考影像，並寫出一則編輯指示，依據每個指涉對象實際上呈現的樣貌來辨識它。含糊的要求會被解讀為對所提供影像最合理的編輯。

• 已提供邊界框，文字轉圖像—— t2i_bbox 提示詞。輸出會是一段說明文字，後接 JSON 元素表格，在 0 到 1000 的畫布上每個物件各佔一列，而說明文字會以角括號 ID 引用每一列。

• 方框加上參考 — i2i_bbox 提示詞，會傳回一筆註解記錄，其中 from 欄位可區分取自 ref_image_N 的內容與標記為 target 的內容，並包含來源中的一個方框以及想像輸出中的一個方框。

你的框會在衝突中勝出。程式碼會將你的 0 到 1 座標轉換到 0 到 1000 的網格上，把它們以權威鎖定清單的形式交給模型，然後再對答案進行協調：任何模型以自身 id 重新規劃、且與某個鎖定框的交集除以聯集（IoU）達到 0.9 或更高的列，會採用該鎖定 id，而鎖定的列會逐字寫回，並採用模型的描述。你的版面配置不是模型可以自行改進的建議。

解碼設定是固定的，如果你自己呼叫它，值得照抄：貪婪解碼、top-p 0.95、top-k 20、最多 3,584 個新 token，以及文字生圖的 presence penalty 為 1.5，而編輯則為 0.0。這種不對稱是刻意設計的——這個懲罰是為了阻止說明文字生成器不斷重複自己，而一則正當地提及同一物件兩次的編輯指令，不應因此受到懲罰。

提示詞要求什麼——以及你的提示詞為什麼會呈現出這樣的樣貌

對任何覺得 FLUX 3 Image Klein 行為古怪的人來說，t2i 系統提示詞是此次發佈中最有用的文件。其中一些指令直接說明了該模型的輸出風格：

• 長度。 "典型長度為 100 到 350 個詞，複雜場景則更多。" 上採樣器不是在壓縮你的提示詞，也不是在為它做摘要。它會將提示詞擴展約一個數量級，而圖像模型是以該範圍內的圖說進行訓練的。

• 每位畫面焦點中的人都會有一份個人檔案。族裔、性別、年齡範圍、膚色、頭髮與衣著——作為可觀察的特徵。提示詞提供的例子是「白皙膚色」和「棕色膚色」。

• 背景大約佔圖說的六分之一。明確。提示詞也要求將失焦與遠處的內容描述成形狀、色彩和輪廓，而不是身分或可讀文字。

• 風格預設為攝影。在未指定風格的情況下，模型會規劃出一張實際照片，並以媒材慣例開頭——「全彩戶外照片」、「棚拍照片」——而把「Photorealistic」保留給渲染圖。若要求「寫實」的效果，會轉換成攝影慣例，而非原樣複述。

• 禁止事項。不得使用模糊限定副詞。不得作品質或情緒判斷。不得以關於情緒的句子作結。否定句一律改寫為陳述所呈現事物的句子。必須使用生成語氣：「this image shows」與「we can see」一律禁止。

• 反圖庫照片。提示詞要求「從場景自身的物件中，取得一些平凡、不理想的具體細節，而不是圖庫照片的理想化樣貌」。這是一項寫入系統提示詞、讓圖像不那麼千篇一律的指令。

• 文字處理。呈現的文字必須以其原始語言與文字系統，在雙引號內逐字轉錄，並保留換行，且須指定字體排版、顏色與位置。當某項要求需要其未提供的文字時，模型應撰寫具體且符合領域的正確措辭。

對照那份清單和一個令人失望的生成結果，你通常就能找出哪一條規則沒有獲得足夠的資訊來發揮作用。一張背景空白的扁平肖像，是一個沒有場景、沒有光線，也沒有任何普通具體細節的請求。而模型後來還是擴充了這個提示詞，用它自己選定的通用方案填補了空缺。

這會讓你付出多少記憶體和時間成本

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:

• 磁碟——bfloat16 權重為 18.82 GB，相較之下，蒸餾影像模型本身的 safetensors 為 11.1 GB，基礎模型則約 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.

• 關閉開關只需要一個旗標。 --no-pup 會依你輸入的原樣送出提示詞。示範版有相同的切換開關，而託管 API 的提示詞上採樣屬於端點本身的一部分，並非公布價目表中的獨立收費項目：768 平方為 $0.008，1K 為 $0.009，1.5K 為 $0.011，2K 為 $0.014，4K 為 $0.036，且生成與編輯的定價相同。

• 參考圖在上採樣器看到它們之前會先被降採樣。一張參考圖的上限約為一百萬像素；兩張各為 724×724；三張以上各為 512×512，並以品質 92 重新編碼為 JPEG。模型卡明文將此列為限制——參考圖中的微小細節可能會被錯誤描述——而這正是你可重現的某個特定失效背後的機制：要求進行一項取決於某個微小印刷細節的編輯，回傳的指令可能描述錯誤的東西，因為上採樣器從未以全解析度看到它。影像模型拿到的是你的原始影像。

授權條款才是值得爭論的部分

這就是不對稱之處，直白地說。FLUX 3 Image Klein 的權重採用 FLUX Kommunity License，該授權僅允許年營收低於 500 萬美元的個人與公司免費商業使用，較大型的組織則須改用自架授權或 API。當某項產品觸發商業授權詢問時，你正在出貨的模型並不是唯一納入範圍的產物。

這次發布包含四個儲存庫。其中三個——蒸餾模型、基礎模型與 ComfyUI 權重——被 Hugging Face API 列為 gated: auto，這表示你必須先接受條款才能下載檔案。有一個完全未設閘門，並採用 Apache License 2.0：提示詞放大器。它也是這四個中唯一在其模型卡直接聲明寬鬆授權的，而參考儲存庫本身的 README 也明確劃清界線——程式碼是 Apache 2.0，Klein 權重是 FLUX Kommunity，而「提示詞放大器是 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.

哪些已確認，哪些尚未確認

已從儲存庫與 Hugging Face API 確認，全部皆可重新查核：檔案清單與位元組大小、Apache 2.0 授權、未設存取閘門、Qwen3.5-9B 基礎模型、四個系統提示及其全文、解碼參數、參考前處理預算、邊界框協調行為、兩階段訓練描述，以及已發布的限制。

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.

另外，公開可見的還有：該儲存庫本身的數字很小。上採樣器有十三次下載和十個讚，而蒸餾影像模型在發布二十四小時後則有 3,241 次下載和 128 個讚。這並不是該模型不重要的證據——而是幾乎沒有人知道它存在的證據。

OrcaRouter 適合的地方，以及不適合的地方

先說誠實的版本：OrcaRouter 並未託管任何 Black Forest Labs 模型。這份目錄是經過查核而非憑空假設的，其中沒有任何 FLUX 項目。以下內容均不暗示與此相反。

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.

不過，值得精確說明那項建議的限制。如果你真的想在 Apache 2.0 下微調該上採樣器，你需要在自己的硬體上備有權重，以及一個能服務 9B 視覺語言模型的執行環境。OrcaRouter 不負責那個部分，而上述授權問題得由你自己解決。

什麼會讓這件事變成更大的新聞？

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，實際的解讀是狹隘且不光鮮的。由於下載的圖像模型受到限制，且其授權帶有營收門檻，大多數想以 FLUX 3 Image Klein 為基礎進行開發的人都會從 API 開始；在那裡，升採樣器不是你做的決定——而是端點所執行的事情，並計入每張圖片 0.008 美元起的價目表中。應該關心這個儲存庫的人是那些自行託管的人，而對他們來說，本週有用的事實很簡單：這次發布中授權最寬鬆的部分，也是沒有人告訴過他們的那一個。

對於一個失效模式仍未被記錄的模型來說，有用的對照資料是其他地方已經出錯的紀錄：這類模型的已記錄 AI 事件與代理失效，都收錄在 OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。