Przejdź do treści

FLUX 3 Klein z otwartymi wagami: 5,6 mld parametrów i 8 GB VRAM wystarczą

Adam Marzec
Karta z nazwą FLUX 3 Klein, licznikiem 5,6 mld parametrów, chipami ComfyUI i Diffusers oraz pomiarami ceny 0,008 USD za obraz i wag 11,2 GB, pomarańczowa pieczątka otwarte wagi, obraz wyróżniający tekstu o generatorze obrazów z otwartymi wagami

15 października Black Forest Labs udostępniło FLUX 3 Klein, generator obrazów AI z otwartymi wagami o 5,6 mld parametrów, do pobrania z Hugging Face. Klein dziedziczy rdzenne możliwości pełnego FLUX 3 Image: natywne generowanie do 4K, edycję pixel-perfect, bounding boxy do ustawiania elementów i zamykania edycji w wyznaczonym polu oraz składanie obrazów z maksymalnie 10 referencji. Na tej premierze najbardziej zależało mi na jednym zdaniu blogu: build INT8 działa na kartach GeForce RTX z 8 GB VRAM przez ComfyUI albo Diffusers. Tyle pamięci ma zwykły gamingowy laptop, więc lokalny generator obrazów przestaje być hobby posiadaczy RTX 4090. Do tego dochodzi licencja FLUX Kommunity License, która pozwala komercyjnie generować obrazy każdej firmie z przychodem rocznym poniżej 5 mln USD, i cennik API zaczynający się od 0,8 centa za obraz.

To druga duża rzecz w otwartych obrazach w jednym tygodniu: Krea 3 otworzyła betę 15 października (pisaliśmy o niej osobno), a Klein dołączył tego samego dnia. Zastrzegam od razu: Klein nie testowaliśmy, nie wygenerowaliśmy własnych obrazów, a rankingi przywołuję jako deklaracje producenta. Każdy fakt liczbowy sprawdziłem w źródłach BFL, a surowe odczyty leżą w pakiecie. Do szerszego kontekstu lokalnych modeli wrócimy niżej, podstawy ma nasz hub lokalnych narzędzi AI.

Najważniejsze informacje

CoStan na odczyt 17.10
Premiera15 października 2026, wpis blogu BFL i wagi na Hugging Face
Model5,6B generator obrazów: tekst na obraz, edycja, multi-reference do 10 obrazów
Wariantybase (50 kroków, do fine-tuningu) i distilled (16 kroków); buildy FP8, INT8, NVFP4
Sprzętwagi 11,2 GB BF16 i 5,6 GB FP8; INT8 na RTX z 8 GB VRAM
Szybkość1 MP w ok. 4 s na RTX 5090, poniżej 9 s na RTX 4070 (pomiary NVIDIA)
Cena APIod 0,008 USD (768 px) do 0,036 USD (4K) za obraz
LicencjaFLUX Kommunity License, komercyjne wyjścia wolne poniżej 5 mln USD przychodu
Wątek HN166 punktów odczyt 17.10, utworzony 16.10

Gdzie Klein stoi w rodzinie FLUX 3

Rodzinę FLUX 3 Black Forest Labs ogłosiło 23 lipca 2026 jako multimodalną, uczoną wspólnie na obrazach, wideo i dźwięku, na starcie w Early Access. Dalej poszło po kolei: FLUX 3 Video 4 sierpnia, otwarte wagi FLUX 3 Action, modelu 7B do sterowania robotami, 23 września. Klein to zdaniem BFL drugie otwarte wydanie tej rodziny po Action. Pełny FLUX 3 Image, model zamknięty sprzedawany przez API, ma swoją stronę produktową, a ślad po jego debiucie datuje się na początek października: wątek na Hacker News z linkiem do tej strony powstał 1 października, 445 punktów przy odczycie 17.10.

Klein dzieli z pełnym modelem te same rdzenne możliwości, pisze BFL wprost, ale jest od niego o rząd wielkości mniejszy, a jego wagi widać na Hugging Face. Znajdziesz tam repozytorium black-forest-labs/flux-3-image-klein z wariantem distilled do szybkiej generacji w 16 krokach oraz black-forest-labs/flux-3-image-klein-base, wersję niedestylowaną, 50-krokową, do fine-tuningu i treningu LoRA. Do tego dochodzą buildy FP8, INT8 i NVFP4 przygotowane przy wsparciu NVIDII. Liczba 5,6B dotyczy samego generatora obrazów, a nie kodera tekstu, którym jest osobno licencjonowany Qwen3-VL-4B-Instruct na Apache 2.0.

Licencja: 5 mln dolarów wyznacza granicę

Wagi Klein wydano na licencji FLUX Kommunity License w wersji 1.0. Karta na Hugging Face zezwala na użycie niekomercyjne oraz na komercyjne generowanie wyjść przez Qualifying Users, czyli podmioty z rocznym przychodem brutto poniżej 5 mln USD, wliczając spółki zależne i powiązane. Większe organizacje mają dwie drogi: licencje self-hosted (od Buildera z limitem 10 tysięcy obrazów miesięcznie po Platformę ze 100 tysiącami) albo zwyczajne API.

Sekcja ograniczeń, do której karta odsyła do punktu 4 licencji, wymienia użycie wojskowe, inwigilację wraz z badaniami nad nią, przetwarzanie biometryczne, treści bezprawne i obraźliwe oraz trening innego modelu konkurującego z FLUX na bazie tych wag albo ich wyjść. O atrybucji wygenerowanych obrazów karta nie wspomina ani słowem, pełny tekst licencji siedzi jednak za bramką repozytorium, więc dopóki go nie przeczytamy, nie komentuję tego obszaru głębiej.

Ile kosztuje FLUX 3 Klein w API

Endpoint nazywa się flux-3-image-klein i obsługuje zarówno generację z tekstu, jak i edycję po tej samej cenie. Cennik z dokumentacji BFL, odczyt 17.10: obraz 768 na 768 pikseli kosztuje 0,008 USD, rozmiar 1K to 0,009 USD, 1,5K kosztuje 0,011 USD, 2K wychodzi 0,014 USD, a 4K zamyka się w 0,036 USD. Dla porównania pełny FLUX 3 Image w tych samych przedziałach rozlicza się od 0,041 do 0,607 USD, więc w 4K Klein jest kilkanaście razy tańszy. Płaci się kredytami po 0,01 USD, ceny API i Playgroundu są identyczne. Pod wątkiem HN jeden z komentujących zestawił te stawki z Krea 3 i jej 0,06 USD za obraz jako bardzo konkurencyjne.

Czy to numer jeden wśród otwartych modeli

Według wewnętrznych ewaluacji BFL Klein zajmuje pierwsze miejsce w generacji z tekstu, multi-reference i edycji wśród modeli otwartych, a w zestawieniu wyszedł także ponad zamknięte Ideogram V4.5 i FLUX.2 [pro]. W porównaniu parametrów, które BFL dołączyło, stoją Qwen-Image 2.1 z 7B i Krea 2 z 12,9B, przy czym Krea 2 nie umie edytować obrazów i w tej konkurencji nie uczestniczy. Wobec własnego poprzednika, FLUX.2 [klein] 9B, nowy model ma zyskiwać 91 Elo w tekście na obraz i 70 w edycji przy 38% mniejszej liczbie parametrów. To deklaracja producenta bez niezależnego audytu i tak ją traktujmy.

Wątek na Hacker News (166 punktów przy odczycie 17.10, utworzony 16.10) dał szybki kontrbilans. Użytkownik vunderba pisał po lokalnych próbach, że komponent tekst na obraz wypada słabo i szablon ComfyUI z domyślnymi ustawieniami daje mu półstopione twarze na poziomie SD 1.5. Thorentis uznał wynik za rozczarowujący wobec FLUX.2 Klein, a Mashimo przytaczał głosy z Reddita, że postacie ludzkie wychodzą źle, bo z danych treningowych wycięto wszystko zbliżone do NSFW. Nie wszyscy krytykowali: jjcm chwalił edycję jako solidną, choć narzekał na drobny tekst w obrazach, a risphere pisał z API OpenRoutera, że Klein jest szybki, ale wyraźnie słabszy od pełnego FLUX 3. Obraz jest mieszany i zależy od ścieżki, którą ktoś model uruchomił, a rozstrzygnąć tego nie możemy bez własnych testów.

Jak uruchomić FLUX 3 Klein lokalnie

BFL deklaruje, że build INT8 chodzi na kartach GeForce RTX z 8 GB VRAM przez ComfyUI albo Diffusers, a z modelem distilled generuje obraz 1 MP w około 4 sekundy na RTX 5090 i w poniżej 9 sekund na RTX 4070 (pomiar NVIDIA). Sama waga generatora zajmuje 11,2 GB w BF16 i 5,6 GB w FP8. Nie myl tego z pomiarem karty Hugging Face: tam kod referencyjny na B200 szczytowo bierze 31 GB w BF16, bo to pełny potok z koderem tekstu na serwerowym GPU.

Repozytoria są gated, więc zaczynasz od konta na Hugging Face i akceptacji warunków modelu. Dalej są trzy drogi. Najprostsza, ComfyUI, wygląda tak: zaktualizuj ComfyUI do najnowszej wersji, pobierz wagi z repozytorium black-forest-labs/flux-3-image-klein-comfy i załaduj gotowy workflow ze strony comfy.org/flux-3-image-klein, w szablonach tekst na obraz jest przełącznik enable_prompt_upsampler. Druga droga to Diffusers: pip install -U diffusers transformers accelerate, potem DiffusionPipeline.from_pretrained("black-forest-labs/flux-3-image-klein", dtype=torch.bfloat16, device_map="cuda") z karty modelu. Trzecia, kod referencyjny z GitHuba, ma interfejs scripts/cli.py i upsampler włączony domyślnie, wyłącza go flaga --no-pup.

I tu ważny haczyk, o którym oba źródła piszą podwójnie: Klein nie chce krótkich promptów. Model żywi się pełnymi opisami scen, a wysłany wprost jednowyrazowiec daje ogólnikowe wyniki. Dlatego w zestawie jest obowiązkowy upsampler, osobny model 9B (fine-tune Qwen3.5-9B, na Apache 2.0, plik 18,8 GB), który rozwija twoją prośbę do pełnego captiona; z CLI rusza sam, w Diffusers uruchamiasz go osobno przez Transformers. Na maszynie z 8 GB VRAM to dodatkowe obciążenie, więc przy niedoborze pamięci realniejsza jest droga z ComfyUI albo zapisanie własnych, pełnych opisów scen. Multi-reference działa tak samo: referencje trafiają po kolei do upsamplera i do pipeline’u, maksymalnie dziesięć.

Dostroić model można treningiem LoRA na wariancie Base, wsparcie od pierwszego dnia mają AI Toolkit Ostrisa i przepisy NVIDIA NeMo AutoModel. Przykład z dokumentacji BFL: 20 obrazów, około 4,5 godziny na jednej karcie, rank 32, learning rate 1e-4. LoRA wytrenowana na Base ładuje się do distilled bez konwersji, z zalecaną skalą 0,75. Pełniejszy kontekst sprzętowy opisujemy w tekście o AI lokalnie na komputerze, a zjawisko otwartych wag szerzej rozkłada nasz tekst otwarte modele AI.

Prompty po polsku

Nie ma. Żadne źródło BFL, ani blog, ani dokumentacja, ani karty Hugging Face, nie wspomina o innych językach niż angielski, a karta upsamplera podaje wprost language: en. Własnych testów polskich promptów nie robiliśmy, więc nie potwierdzimy ani nie obalimy, czy polskie zapytania przejdą. Bezpieczna droga na dziś to pisanie po angielsku i ewentualne tłumaczenie własnych opisów scen przed wysłaniem.

FAQ

Czy FLUX 3 Klein jest darmowy?

Wagi tak: pobierasz je z Hugging Face po akceptacji warunków i używasz niekomercyjnie bez opłat, a komercyjnie do 5 mln USD rocznego przychodu włącznie z filiami. API BFL rozlicza się od 0,008 USD za obraz 768 px do 0,036 USD za 4K, ceny licencji self-hosted dla większych firm są umowne.

Ile VRAM trzeba do FLUX 3 Klein?

Według BFL wystarczy 8 GB na karcie GeForce RTX z buildem INT8 przez ComfyUI albo Diffusers. Wagi generatora zajmują 11,2 GB w BF16 i 5,6 GB w FP8, a model 1 MP generuje w około 4 sekundy na RTX 5090 i poniżej 9 sekund na RTX 4070 (pomiary producenta). Do tego upsampler promptów, osobny model 9B, bywa najcięższym elementem zestawu.

Czym różni się Klein od pełnego FLUX 3 Image?

Parametrami i dostępnością: Klein ma 5,6B i otwarte wagi, pełny FLUX 3 Image jest większy, zamknięty i sprzedawany przez API. Rdzenne możliwości BFL deklaruje jako wspólne: 4K, edycja pixel-perfect, bounding boxy, referencje. Komentujący HN po testach obu pisali, że pełny model generuje wyraźnie lepiej, Klein wygrywa ceną (0,009 USD wobec 0,048 USD za 1K), licencją i możliwością pracy lokalnej.

Czy można używać FLUX 3 Klein komercyjnie?

Tak, pod warunkiem że twoja firma ma roczny przychód brutto poniżej 5 mln USD, licząc wraz z podmiotami powiązanymi. Taki Qualifying User może komercyjnie korzystać z wygenerowanych wyjść na licencji FLUX Kommunity License 1.0. Nadal obowiązują zakazy użycia wojskowego, inwigilacji, biometrii i trenowania konkurencyjnego modelu.

Czy FLUX 3 Klein działa po polsku?

Nie ma na to informacji. Dokumentacja i karty modelu mówią o angielskim, metadane upsamplera podają language: en, a my polskich promptów nie testowaliśmy. Model przyjmuje pełne opisy scen, więc właściwą ścieżką jest przetłumaczony na angielski opis przed wysłaniem.

Źródła

Powiązane artykuły