Открытой FLUX 3 Image Klein в пике нужно 31 ГБ видеопамяти
FLUX 3 Image Klein, открытая модель Black Forest Labs для генерации и правки изображений, вышла 15 октября, и в пике ей нужно больше 30 ГБ видеопамяти. Цифры даны для серверного ускорителя, а 5,6 млрд параметров в названии описывают только часть системы.
По карточке модели Black Forest Labs на Hugging Face, на B200 при разрешении 1024x1024 пик видеопамяти составляет 31 ГБ в BF16, и это без апсемплера промптов. 5,6 млрд параметров относятся к трансформеру изображений. Текстовый энкодер Qwen3-VL-4B-Instruct считается отдельно.
Сколько памяти уходит на самом деле
В одном репозитории лежат три варианта трансформера: BF16, FP8 и NVFP4. Пик с эталонным кодом у них 31, 26 и 25 ГБ соответственно. Компания отдельно предупреждает, что размер квантизованных файлов не говорит о полном расходе памяти GPU, а для загрузки нужен загрузчик, который понимает их формат.
Апсемплер промптов - отдельная модель, которая превращает короткий запрос в полное описание сцены, а при правке учитывает ещё и референсы. Весит она 18,8 ГБ и, по карточке, на 80-гигабайтной карте добавляет около 28 ГБ. В эталонном CLI апсемплер запускается перед каждой генерацией, выключить его можно флагом --no-pup. Классификатор NSFW-контента Falconsai/nsfw_image_detection загружается всегда.
Квантизацию описывают по-разному. В анонсе названы FP8, NVFP4 и INT8. В репозитории варианты лежат только в variants/fp8r/ и variants/nvfp4/.
16 шагов вместо 50
Чекпоинтов два. Klein Base не дистиллирован: 50 шагов сэмплирования, guidance 3,5, предназначен для дообучения, тренировки LoRA и исследований. Дистиллированный Klein проходит за 16 шагов и обходится без guidance. Он нужен для генерации, редактирования и self-hosting, и именно он работает за BFL API. На этой странице лежит дистиллированный.
Готового приложения в файлах нет, только пакет модели. Для запуска нужна реализация с поддержкой flow-map sampling и этого формата чекпоинта. Вариантов два: эталонный код в репозитории black-forest-labs/flux-3-image-klein на GitHub или модульный пайплайн Diffusers ModularPipeline, который ставится из git-версии библиотеки. В анонсе ещё обещана дистиллированная модель с нативным 4K в BFL API, а все замеры памяти в карточке сделаны для 1024x1024.
Рамки, референсы и длинные описания
Генерация по тексту, правка по одному референсу и композиция из нескольких идут через одну модель. На вход подаётся промпт и до 10 референсных картинок, на выходе получается одно изображение.
Раскладку задают JSON-списком, который дописывают после описания сцены. У каждой рамки есть координаты [top, left, bottom, right] на сетке от 0 до 1000, а сам элемент помечается в тексте тегом вроде <silhouette_1>. Для правки по рамкам на n-й референс ссылаются как <ref_image_n>, а для элемента указывают from, src_bbox и tgt_bbox. Объект через промпт можно перекрасить, сдвинуть или заменить, а null в целевой рамке его удаляет. Апсемплер умеет и сам написать такое описание по списку рамок.
Рамка при этом задаёт место и масштаб, но маской не служит. Элемент может вылезти за её границы, мелкий запрошенный объект может вообще не появиться, а правка может зацепить то, что лежит вне выбранной области.
Модель ждёт полного описания кадра: композиция, объект, фон, свет. Референсы закрепляют содержание, но структуру не фиксируют. Короткий промпт даёт шаблонную картинку, а однострочная команда вроде «make it blue» меняет кадрирование. Для правки разработчики советуют пересказать референс целиком и вписать изменение в этот текст. Для стиля лучше перечислить признаки (палитру, штрих, текстуру), чем называть конкретную работу. Текст на картинках модель рисует, но с оговоркой, что он может выйти неточным или искажённым.
Кому можно зарабатывать
Klein распространяется под FLUX Kommunity License v1.0. Некоммерческое использование разрешено. Коммерческие результаты генерации могут получать Qualifying Users с годовой выручкой меньше 5 миллионов долларов, причём выручка аффилированных компаний тоже учитывается. Для остальных случаев предусмотрена коммерческая лицензия. Это исключение не даёт права на коммерческое дообучение или распространение. Текстовый энкодер Qwen3-VL-4B-Instruct идёт под Apache-2.0.
Раздел 4 лицензии запрещает военное применение, слежку вместе с исследованиями и разработками в этой области, биометрическую обработку и нарушение прав на цифровые копии людей. Ещё один пункт касается всех, кто собирает синтетические датасеты: модель, её производные и сгенерированные ею результаты нельзя использовать, чтобы улучшить другую ИИ-модель, которая выполняет ту же функцию, что и модели FLUX.
Дальше
Открытая Muse Spark Open от Meta проигрывает Kimi K3 в коде
Чтобы запустить у себя Muse Spark Open на 816B параметров, Meta предлагает связать через MLX два Mac Studio с M5 Ultra и 512 ГБ. Версию на 512 ГБ Apple сейчас в продажу не выставляет. Вы бы собрали связку из двух Mac Studio ради локальной модели или остались бы в облаке?
Читайте также
- Ideogram 4.5 заточили под правку и обещают открыть веса
- FLUX 3 Max делает 10-секундное видео примерно за 11 секунд
- Krea 3 правит картинку за 8 секунд и 6 центов
- Веса Kimi K3.1 Pro открыты: 104 млрд активных параметров из 2,8 трлн
- Hy4 от Tencent получил зрение по цене превью, веса позже
- NVIDIA научила модель расшифровки речи слушаться промптов
Комментарии
Пока никто не написал. Будьте первым.
Присоединяйтесь к разговору
Войдите, чтобы оставить комментарий. Он появится после модерации.

