FLUX 3 Image Klein：5.6B 參數實際上在你的磁碟上佔用多少空間？

FLUX 3 Image Klein是 Black Forest LabsFLUX 3 Image 系列的開放權重成員，於 2026 年 10 月 15 日發布，具有 56 億參數，同日即提供可下載的權重與按用量計費的端點。標題中的數字只計入影像 transformer，其他一概不算。文字編碼器——Qwen3-VL-4B-Instruct——是另一個獨立下載項目，影像自動編碼器則是第三個，而這三者中真正能跑起來的最小組合約為 10.5 GB。若換成同樣這三個檔案的 BF16 版本，則約為 20 GB。再依照參考實作本身的預設流程走——每次生成前都會先跑一次提示詞放大器——磁碟上的總量就會突破 39 GB。

這些都不與廠商聲稱 FLUX 3 Image Klein 能在單一消費級 GPU 上執行的說法相矛盾，因為該說法從來就不是關於檔案大小。它談的是推論時的 VRAM，在量化版本中，權重一次載入一個張量。但「5.6B 參數，且能在單一消費級 GPU 上執行」這句話，把三個各自獨立的數字——參數量、下載大小與常駐記憶體——壓縮成一個片語，而任何規劃部署的人這三個數字都需要。以下是它們各自實際上究竟是什麼，依據 BFL 自家的文件與 Hugging Face API，在模型才剛問世一天、還沒有任何獨立第三方實測過的時候。

10月15日發布了什麼

Klein 是 FLUX 3 系列的第二個開放權重發布，緊接在九月的 FLUX 3 Action 之後。發布文章的標題是FLUX 3 Image Klein：開放權重，56 億參數，而文中列出的內容是相當完整的發布，而非僅僅一堆檢查點：

• 兩個檢查點，皆為 5.6B。Klein Base 未經蒸餾，在 guidance 3.5 下執行 50 步，其存在是為了微調、LoRA 訓練與研究。Klein 經過步數蒸餾至 16 步且無需 guidance，是 BFL API 背後的檢查點。

• 三種量化格式。FP8 與 NVFP4 版本與主儲存庫中的 BF16 transformer 並存，另有一款在 NVIDIA 協助下開發的 INT8 版本。ComfyUI 的重新打包版本額外提供了 transformer 與文字編碼器的 INT8 版本，而主儲存庫並未包含這些版本。

• 首日執行階段支援在 ComfyUI、Hugging Face Diffusers、TensorRT-LLM、SGLang Diffusion 與 vLLM-Omni 中，加上可透過 Ostris 的 AI Toolkit 進行 LoRA 訓練，以及 NVIDIA NeMo AutoModel 中的配方。以 NVIDIA GB200 NVL72 進行訓練；GB300 NVFP4 的計時數據正是這項低於一秒宣稱的依據。

• 功能集是承襲而來的，並未縮減。 原生 4K、可保留未編輯區域的指令式編輯、最多十張參考圖像，以及 0–1000 網格上的邊界框，可放置元素或將編輯限制在特定區域。BFL 在模型卡中明確指出，邊界框是引導放置位置與縮放比例，而非將像素限制在硬遮罩內——如果你原本期待的是遮罩層級的控制，這點就很重要。

這些儲存庫在公告之前就已上線。基礎與蒸餾儲存庫建立於 10 月 13 日，ComfyUI 與 prompt-upsampler 儲存庫則建立於 10 月 14 日，而發布文章與 API 端點隨後於 15 日上線。

5.6B 這個數字背後的三個檔案

請看檔案清單，而不是參數量與下載變化的樣貌。Hugging Face API 回報蒸餾儲存庫本身檔案的大小如下：

• 影像轉換器，BF16 — model.safetensors，11.10 GB。BFL 的發布貼文將此四捨五入為 BF16 的 11.2 GB 和 FP8 的 5.6 GB。

• 文字編碼器，BF16——Qwen3-VL-4B-Instruct，拆分為兩個 safetensors 分片，總計 8.88 GB。ComfyUI 儲存庫中也有同一個編碼器的 INT8 版本，大小為 4.86 GB。

• 影像自動編碼器 — 0.34 GB，而且它是任何量化路徑都無法移除的那個檔案。

所以實際下限不是 5.6 GB，也不是 11.2 GB。它是 5.28 GB 的 NVFP4 Transformer，加上 4.86 GB 的 INT8 文字編碼器，再加上 0.34 GB 的 VAE——對於一個能生成與編輯的管線來說，檔案約 10.5 GB。同樣這三個元件的全 BF16 版本約 20.3 GB。而提示詞放大器——參考 CLI 在每次請求時都會下載並執行它，除非你傳入 --no-pup——有它自己的儲存庫：bfloat16 下為 18.82 GB，或 ComfyUI 套件所隨附的 INT8 組建中為 9.75 GB。把 BF16 放大器加入 BF16 管線，在你生成一張影像之前，磁碟上大約就要 39 GB。

BFL 自家的模型卡上，就載明了那句本應放在這些數字旁邊的警語：「量化套件需要能支援其格式的載入器；其檔案大小並非總 GPU 記憶體使用量的衡量指標。」

這有兩面性。一個量化檔案很小，並不代表這次執行就裝得進那麼多記憶體；而下載檔案很大，也不代表工作集就很大。但它確實意味著：下載是你在擁有硬體之前就能規劃的部分，而它也正是標題上的參數數量所掩蓋的部分。

8 GB VRAM 這個數字是從哪裡來的？

記憶體需求的說法相當明確。BFL 指出，在 INT8 版本下，FLUX 3 Image Klein 可在 NVIDIA GeForce RTX GPU 上執行，VRAM 最低只需 8 GB，並可透過 ComfyUI 或 Diffusers 運行；而官方文件則將支援的最低門檻訂在 RTX 3090。

這些速度數據有個值得精確指明的出處：它們是由 NVIDIA 測量的，其中 RTX 的結果是在 ComfyUI 中測得。使用步數蒸餾模型與 INT8 版本時，一張 1 MP 影像在 RTX 5090 上約需 4 秒，在 RTX 4070 上則不到 9 秒。在 GB300 上以 NVFP4 運行時，蒸餾模型產生一張 1 MP 影像只需不到 0.6 秒。提供 LoRA 會使生成時間增加約 5%。

這些是供應商自行回報的數據，與發布文章中 API 延遲數字所採用的量測方式並不相同。BFL 在自己的伺服器上為 Klein 計時，卻從客戶端為 Qwen-Image 2.1、FLUX.2 [pro]、Ideogram V4.5 和 Krea 2 計時，這會把輪詢與網路時間算進競爭對手的數字裡，卻不算進自己的——而文章也表明了這一點。誠實的解讀是：4 秒與 9 秒這兩個數字，作為在所指名顯示卡上的本機推論計時是可信的；而速度與品質前緣圖則只是供應商以不對稱的碼錶所繪製的自家比較。除了 BFL 或 NVIDIA 之外，沒有任何人重現過其中任何一項。

透過 API 的成本是多少，以及曲線在哪裡轉折

蒸餾檢查點以 flux-3-image-klein 形式提供，並包含提示詞升採樣與像素修復。BFL 公布這些每張影像的費率，文字轉圖像與編輯皆相同：

• 768 × 768 — $0.008

• 1K — $0.009

• 1.5K — $0.011

• 2K — $0.014

• 4K — $0.036

對照同一功能清單上體型更大、僅提供 API 的兄弟產品 FLUX 3 Image，真正該主導決策的是比例，而非絕對價格。FLUX 3 Image 的 1K 圖片要價 $0.048，Klein 則是 $0.009——相差約 5.3 倍。到了 4K，同樣的比較是 $0.607 對上 $0.036，倍數將近十七倍。任何大量生成 4K 的人，並不是在便宜模型與昂貴模型之間做選擇；他們是在兩種每張圖片費率之間做選擇：一種撐得過與產品實際接軌的考驗，另一種則撐不過。

算術的另一半取決於你自己這邊：在你已經擁有的顯卡上自架 Klein，沒有每張圖片的成本；而在租來的顯卡上自架 Klein，則有每小時的成本。損益平衡點會隨使用率移動，而且移動幅度很大——閒置的 GPU 才是昂貴的配置，不是便宜的那種。如果你的圖片流量起伏不定，固定費率通常是比較好的取捨；如果流量穩定且量大，下載就會開始回本，而授權則成為真正關鍵的變數。

授權條款是決定你能否推出它的部分。

這兩個 checkpoint 都採用 FLUX Kommunity License，而值得把兩份針對該授權的說明並排閱讀，因為它們的措辭並不一致。發布貼文表示，該授權「允許年營收低於 500 萬美元的個人與公司免費進行商業使用，同時也涵蓋研究與非商業用途」，而規模較大的組織則可透過 BFL 的付費自架授權方案或 API 進行商業部署。模型卡則表示，該授權「允許非商業使用，並為合格使用者提供商業輸出例外，惟須遵守其條款」，其中合格使用者的定義載於授權條文本身。

營收門檻對多數團隊而言是具決定性的事實：年營收低於 500 萬美元可免費商用；超過此門檻，就必須選用 BFL 的其中一個付費方案層級。這些層級是公開列出的——Builder 每月 10K 張圖片、1 個網域，Platform 與 Professional 每月 100K 張圖片，Enterprise 則為客製方案——而且全都將 FLUX 3 Image Klein 與 FLUX.2 系列模型一併打包，並包含微調與 LoRA 權利。請留意這些層級的意義：一家越過門檻的公司並不是再次購買模型，而是購買使用已下載權重的權利，這是與 API 帳單不同性質的費用項目，也是當原型變成產品時更容易被遺忘的一項。

如果你的組織營收只要接近這條界線，請閱讀 LICENSE.md，而不是任一份摘要。兩份供應商文件以兩種不同語域描述同一份文書，正是主要文本才對你具約束力的情況。

這項品質宣稱是 BFL 自行提出的，且不包含 FLUX 3 Image。

Klein 最受矚目的品質成果，來自內部評估，在文字轉圖像、多參考生成與圖像編輯方面都拿下第一名——領先規模更大的開放權重模型，也超越比較中的封閉模型 Ideogram V4.5 與 FLUX.2 [pro]。開放權重比較組的名稱在文中他處提及：Qwen-Image 2.1 為 7B，Krea 2 為 12.9B，兩者都比 Klein 的 5.6B 更大，其中 Krea 2 因不支援編輯而被排除在編輯欄之外。相較於前一代的開放模型 FLUX.2 [klein] 9B，Klein 在文字轉圖像上提升 91 Elo，在圖像編輯上提升 70 Elo，同時參數量少了 38%。

FLUX 3 Image——廠商自家更大的模型，透過同一個 API、在相同的功能介面上販售——完全沒有出現在那項比較中。單就這點而言並不致命；拿一個小型開放模型，去對照下載者原本可能會跑的模型來做基準測試，是站得住腳的選擇。但這意味著買家最想看到的那句話——「Klein 與更大模型的差距在 X 以內」——至今仍未寫下。

獨立的情況甚至更單薄。唯一追蹤這個系列、公開的文字轉圖像排行榜列出了 FLUX 3 Image，而截至撰稿時，它完全沒有 FLUX 3 Image Klein 的條目。因此，首日可取得的所有品質數字都可回溯至 BFL，而其中可重現的——也就是你能在二十分鐘內自行查核的那些——是上述的檔案大小與每張圖片費率，而不是 Elo 差值。

呼叫它，或執行它

這項決定可以清楚地依三個問題分成兩邊。如果你需要用自己的資料進行微調或訓練 LoRA，或者圖像不能離開你的基礎設施，或者你的用量高且穩定，那麼下載就是答案，而授權條款是首先該解決的事。如果你的用量起伏不定，你的圖像是重點視覺素材而非大量產出，或者你想在投入硬體之前先評估模型，那麼每張 1K 圖像 $0.009 的端點，比週末的設定工夫還便宜。

還有第三種值得一提的情況，因為它其實最常見：團隊最後會呼叫好幾個圖像模型，而不是只用一個，用小型開源模型處理大量工作，用前沿模型處理真正重要的關鍵時刻。供應商定價以 0% 加成原樣直通，因此供應商調價當天就會反映，而且具備自動容錯移轉，讓未經實證的模型也能放在正式環境的呼叫路徑上，而不會成為單一失效點。FLUX 3 Image Klein 目前不在我們的型錄中，所以無論如何，BFL 端點都是直接向供應商呼叫；我們能做的是把它周邊的一切——其他圖像模型、路由規則、備援機制——都留在同一個端點與同一條帳單項目之後。

什麼會改變這個

三件事，按它們對決策的影響程度排序。一場 Klein 與 FLUX 3 Image 之間的獨立正面對決，因為兩者在 4K 下的價差達十七倍，而品質差距尚未被衡量。由非 NVIDIA 人士在實際 8 GB 顯卡上測得的 INT8 計時數據，因為整個本地部署推廣論述所仰賴的正是這個數字，而它卻是由一個利益相關方測得的。以及來自 BFL 的授權澄清，用以調和發布文章中營收門檻的表述與模型卡中 Qualifying User 的表述。

在那之前，站得住腳的立場是狹隘的那一個：FLUX 3 Image Klein 是真的，今天就能下載，它在同一份功能清單上做到 FLUX 3 Image API 所做的事，而且在 1K 時每張影像的成本大約只有五分之一，在 4K 時則大約只有十七分之一。最小要規劃約 10.5 GB 的檔案，加上升採樣器且全部採用 BF16 時則約 39 GB，先決定授權問題，再決定硬體問題，並且把你目前為止讀到的每一個品質數字都當成廠商自己說的。