Black Forest Labs 發布 FLUX 3 Image Klein，56 億參數的開放權重圖像模型，主打文字生圖、圖像編輯，外加最多 10 張參考圖的多參考圖生成。官方數據很漂亮，HN 上 51 則留言的實測反應卻相當冷：人體崩壞幾乎洗版。
我把官方部落格全文翻成中文，再把 HN 討論串的重點整理在同一篇，文末附一頁式懶人包。
官方發布中文翻譯
今天我們釋出 FLUX 3 Image Klein，一個 56 億參數的開放權重模型，支援文字生成圖像、圖像編輯，以及最多 10 張參考圖的多參考圖生成。它與完整版 FLUX 3 Image 共享核心能力：原生 4K 生成、畫素級精確編輯，以及可用邊界框控制元素位置、或把編輯限定在指定區域。
FLUX 3 Image Klein 建立在 FLUX 3 跨圖像、影片、音訊的共同學習之上。圖像提供空間細節，影片帶來動態與物理變化，音訊則提供事件與互動資訊。這些訊號共同作用，讓模型生成的圖像更貼近真實世界。
本次釋出包含用於微調的 base 模型，以及用於低延遲生成的步數蒸餾模型，另有在 NVIDIA 支援下開發的 FP8、INT8、NVFP4 版本，採用 FLUX Kommunity License 授權。
用更少參數達到領先的開放權重品質
在內部評測中，FLUX 3 Image Klein 在文字生成圖像、多參考圖生成、圖像編輯三項都拿下第一，超越更大的開放權重模型，評分也高於同場比較的閉源模型 Ideogram V4.5 與 FLUX.2 [pro]。它以 56 億參數成為比較中最小的開放模型，對手分別是 Qwen-Image 2.1 的 70 億、Krea 2 的 129 億。相較於 90 億參數的 FLUX.2 [klein]，它在文字生成圖像拿下加 91 Elo、圖像編輯加 70 Elo，參數量還少了 38%。
FLUX 3 Image Klein 也針對消費級 GPU 最佳化。生成器權重在 BF16 下需 11.2 GB，FP8 下只需 5.6 GB。INT8 版本在 ComfyUI 或 Diffusers 裡，可在僅 8GB VRAM 的 NVIDIA GeForce RTX GPU 上運行。蒸餾模型搭配 INT8 版本，在 RTX 5090 上約 4 秒生成一張 1MP 圖像，在 RTX 4070 上不到 9 秒。
Base checkpoint 為微調而設計：Diffusers 與 Ostris 的 AI Toolkit 首日即支援 LoRA 訓練，NVIDIA NeMo AutoModel 也有可直接套用釋出 checkpoint 的 recipe。
速度與品質前沿線
經由 BFL API，它的延遲低於 Qwen-Image 2.1、FLUX.2 [pro]、Ideogram V4.5 與 Krea 2，且在同等延遲甚至更高延遲區間評分最高。延遲為端到端量測，從送出請求到完成 1MP 圖像，含排隊時間。
試用與開發
- BFL API：蒸餾模型以
flux-3-image-klein提供，支援提示詞擴寫與畫素還原。價格自每 1K 張圖 0.009 美元起。 - 權重：Hugging Face 上有 base 與 distilled 兩個版本。
- 首日支援 ComfyUI、Hugging Face Diffusers、TensorRT-LLM、SGLang Diffusion 與 vLLM-Omni。
- 在 NVIDIA GB300 上，蒸餾模型以 NVFP4 不到 0.6 秒生成一張 1MP 圖像。掛載 LoRA serving 約增加 5% 生成時間。
授權與安全
權重採 FLUX Kommunity License，年營收未滿 500 萬美元的個人與公司可免費商用，另開放研究與非商業用途。大型組織可經自託管授權方案或 API 商用部署。
BFL 表示，預訓練階段以資料集過濾限制有害內容暴露，後訓練階段以針對性微調抑制有害行為。釋出前經過內部紅隊測試與外部安全夥伴 Cinder 評估，漏洞明顯少於其他主流開放權重模型。
HN 網友回應整理
討論串：Flux 3 Image Klein: open weights, 5.6B parameters，177 points，51 則留言。核心結論只有一句：官方主打小、快、便宜，實測卻一面倒批評人體崩壞。
人體解剖崩壞，主流歸因於 NSFW 過度過濾
約半數留言在講這件事：融臉、多手指、麵條人。多人推論：BFL 把沾到裸露的訓練資料全砍掉，加上後訓練刻意閹割，連帶毀掉正常人體理解。
- Mashimo：Reddit 傳畫不好人，疑似訓練集把接近 NSFW 的全拿掉了，有人實測過嗎？
- minimaxir：拿自己屢試不爽的人體測試去跑，確實翻車，手指比例明顯錯誤。
- vunderba：官方 ComfyUI 範本配內建提示詞就產出 SD 1.5 等級的半融臉加身體恐怖，Flux 2 Klein 9B 也有解剖問題，但這版像被腦葉切除。另一則：砍資料砍過頭，連基本人體結構都不懂，LoRA 也救不回來，比 Qwen-Image 2.1 7B、Z-Image Turbo 6B、甚至自家前代都差。
- echelon：看起來比 Flux 2 還糟，人都畫成畸形，速度品質前沿有什麼用？
- dannyw：他們不只濾圖，還明說做了針對性訓練加 RL 去閹 NSFW 能力，為安全犧牲正常輸出品質很可惜。
- jug：同級用 Flux 2 Klein 或 Qwen-Image 2.1 體驗都比較不折磨，2026 年還在看身體恐怖片是明顯退步。
- Thorentis：跟 Flux 2 Klein 比非常失望，小本地生圖新 frontier 沒看到，爛到不該發。
- dotancohen：官方提示詞 upsampler 範例圖裡，牽狗繩的男人就有 6 根手指。
編輯尚可、生圖不行，替代品點名
- jjcm：編輯能力確實紮實，但細字排版令人失望。純文字生圖會去試 Moss Image，設計能力開箱即驚豔，文字重現是目前看過最強的。
- ThrowawayTestr：爛，回 Chroma 了。
- vunderba：Krea 3 補上短板，BFL 等於把頭送給 Krea。
- risphere：OpenRouter API 上跑很快，但明顯不如正常版 Flux 3。
- badsectoracula 與 vunderba：Moss 是 Apache 2，在一片怪授權中顯眼。Qwen-Image 初代本來也是 Apache 2，後來才換掉。另提 Boogu Image 0.1，Apache 2.0，統一模型，實測分數意外高。
| 模型 | 授權 | HN 說法 |
|---|---|---|
| Moss Image | Apache 2 | 設計與文字重現最強，生圖首選替代 |
| Chroma | 自有授權 | 有人直接回去用 Chroma |
| Qwen-Image 2.1 | 限商用 | 70 億參數，體驗比較不折磨 |
| Z-Image Turbo | 自有授權 | 60 億，一年前發布，仍比 Klein 穩 |
| Krea 3 | 自有授權 | 剛發布，每張 0.06 美元起 |
| Boogu Image 0.1 | Apache 2.0 | 統一模型，實測分數意外高 |
價格便宜但沒用
- drusepth：每 1K 張圖 0.009 美元起，對比 Krea 3 每張 0.06 美元起，如果品質能打，價格很有競爭力吧？
- beernet：價格是真的，便宜。打不過也是真的。
- SV_BubbleTime：爛圖再便宜也沒用。
為何小圖像模型這麼有效
另有一條支線辯論：56 億小模型效果不合理地好，能幹活的 LLM 至少 30B。roenxi 認為 LLM 要建模全人類知識，圖像模型只要記住狗在靜態照片裡長怎樣。nodja 認為圖像模型站在預訓練語言模型的肩膀上，等於編碼解碼器的後半段，不能直接比參數。swyx 補充，文字與寫碼要的內部複雜度遠高於記住長相構圖，圖像要推理只能把 diffusion head 接在 LLM 主幹上。
一頁式懶人包
官方亮點與 HN 評價的圖文版：
怎麼選
- 只做圖像編輯：可以試，HN 肯定編輯能力。
- 要畫人像寫真：先跳過，用 Moss 或 Qwen。
- 8GB VRAM 本地玩：INT8 版門檻低，可留著玩。
- 要商用：先看 Kommunity License 的營收門檻。