আজ আমরা FLUX 3 Image Klein প্রকাশ করছি, যা টেক্সট-টু-ইমেজ জেনারেশন, ছবি সম্পাদনা এবং সর্বোচ্চ ১০টি রেফারেন্স ছবিসহ মাল্টি-রেফারেন্স জেনারেশনের জন্য একটি ৫.৬B প্যারামিটারের ওপেন ওয়েটস মডেল। এটি সম্পূর্ণ FLUX 3 Image মডেলের মূল সক্ষমতাগুলো ভাগ করে নেয়: নেটিভ 4K জেনারেশন, পিক্সেল-পারফেক্ট সম্পাদনা, এবং বাউন্ডিং বক্স, যা উপাদানগুলো কোথায় বসবে তা নিয়ন্ত্রণ করে বা সম্পাদনাকে একটি নির্দিষ্ট এলাকায় সীমাবদ্ধ রাখে। FLUX 3 Image Klein, ছবি, ভিডিও ও অডিও জুড়ে FLUX 3-এর সম্মিলিত শিক্ষার ওপর ভিত্তি করে তৈরি, যা মডেলটিকে বাস্তব জগতে প্রতিষ্ঠিত মনে হওয়া ছবি তৈরিতে সহায়তা করে।
এই রিলিজে ফাইন-টিউনিংয়ের জন্য একটি বেস মডেল এবং কম-লেটেন্সি জেনারেশনের জন্য একটি স্টেপ-ডিস্টিলড মডেল রয়েছে, সাথে NVIDIA-র সহায়তায় তৈরি FP8, INT8 ও NVFP4 বিল্ড রয়েছে, যা FLUX Kommunity License-এর অধীনে দেওয়া হচ্ছে। অভ্যন্তরীণ মূল্যায়নে FLUX 3 Image Klein টেক্সট-টু-ইমেজ, মাল্টি-রেফারেন্স জেনারেশন ও ছবি সম্পাদনায় প্রথম স্থান অধিকার করেছে, যা বৃহত্তর ওপেন ওয়েটস মডেলগুলোকেও ছাড়িয়ে গেছে। FLUX.2 [klein] 9B-এর তুলনায় এটি টেক্সট-টু-ইমেজে ৯১ Elo এবং ছবি সম্পাদনায় ৭০ বেশি অর্জন করেছে, যদিও এর প্যারামিটার ৩৮% কম।
FLUX 3 Image Klein কনজিউমার GPU-র জন্য অপটিমাইজ করা হয়েছে। INT8 বিল্ডের মাধ্যমে এটি মাত্র ৮GB VRAM-সম্পন্ন NVIDIA GeForce RTX GPU-তে চলে এবং RTX 5090-এ প্রায় ৪ সেকেন্ডে একটি ১MP ছবি তৈরি করে। বেস চেকপয়েন্ট প্রথম দিন থেকেই LoRA প্রশিক্ষণ সমর্থন করে, এবং দ্রুত প্রোডাকশন ওয়ার্কলোডের জন্য দলগুলো নির্দিষ্ট কাস্টমাইজেশন নিয়ে কাজ করতে পারে।
গতি ও মানের সীমারেখায় FLUX 3 Image Klein, Qwen-Image 2.1, FLUX.2 [pro], Ideogram V4.5 ও Krea 2-এর তুলনায় কম লেটেন্সি দেয় এবং তার লেটেন্সি স্তরে সর্বোচ্চ রেটিং অর্জন করে। এটি আজ BFL API-র মাধ্যমে ওপেন ওয়েটস হিসেবে এবং ডাউনলোডযোগ্য ওয়েটস হিসেবে পাওয়া যাচ্ছে।
উৎস: Hacker News · সারাংশ: HeadlinesBriefing