本日、56億パラメータのオープンウェイトモデル「FLUX 3 Image Klein」をリリースします。テキストからの画像生成、画像編集、最大10枚の参照画像を使ったマルチリファレンス生成に対応しています。フルモデルのFLUX 3 Imageと中核となる機能を共有しており、ネイティブ4K生成、ピクセル単位の精密な編集、要素の配置を制御したり編集を指定領域に限定したりできるバウンディングボックスを備えています。FLUX 3 Image Kleinは、画像、動画、音声にまたがるFLUX 3の共有ノウハウを基に構築されており、現実世界に根ざした画像を生成できるようにしています。
今回のリリースには、ファインチューニング用のベースモデル、低遅延生成用のステップ蒸留モデル、そしてNVIDIAの協力のもと開発されたFP8、INT8、NVFP4版が含まれ、FLUX Kommunity Licenseのもとで提供されます。社内評価では、FLUX 3 Image Kleinはテキストからの画像生成、マルチリファレンス生成、画像編集のすべてで、より大規模なオープンウェイトモデルを上回り首位となりました。FLUX.2 [klein] 9Bと比べると、テキストからの画像生成で91 Elo、画像編集で70 Eloの向上を達成しつつ、パラメータ数は38%少なくなっています。
FLUX 3 Image Kleinは一般向けGPUに最適化されています。INT8版を使えば、VRAM 8GBのNVIDIA GeForce RTXシリーズGPUで動作し、RTX 5090では1MPの画像を約4秒で生成できます。ベースチェックポイントは初日からLoRA学習に対応しており、より高速な本番用途では、チームが特定のカスタマイズを施して利用できます。
スピードと品質のバランスにおいて、FLUX 3 Image Kleinは、Qwen-Image 2.1、FLUX.2 [pro]、Ideogram V4.5、Krea 2よりも低い遅延を実現し、同等の遅延帯では最も高い評価を得ています。本日より、BFL APIを通じたオープンウェイトとして、またダウンロード可能なウェイトとして利用できます。
出典: Hacker News · 要約：HeadlinesBriefing