Открытой FLUX 3 Image Klein в пике нужно 31 ГБ видеопамяти

В анонсе FLUX 3 Image Klein, который цитирует Testing Catalog, сказано, что модель «запускается на одной потребительской видеокарте». Другие цифры приводит карточка модели от Black Forest Labs на Hugging Face: на B200 при 1024x1024 пиковое потребление видеопамяти составляет 31 ГБ в BF16, и это с выключенным апсемплером промптов.

Апсемплер в эту цифру не входит. Если его включить, он добавляет около 28 ГБ.

Коротко

• Цифра 5,6 млрд параметров относится только к трансформеру изображений. Текстовый энкодер Qwen3-VL-4B-Instruct считается отдельно.
• Пик видеопамяти на B200 при 1024x1024 без апсемплера: 31 ГБ в BF16, 26 ГБ в FP8 и 25 ГБ в NVFP4. С апсемплером, по замеру на GPU с 80 ГБ, добавляется около 28 ГБ.
• Дистиллированный чекпойнт генерирует за 16 шагов без guidance. Версии Base нужно 50 шагов с guidance 3,5.
• По лицензии FLUX Kommunity коммерческие результаты разрешены только тем, у кого годовая выручка меньше 5 миллионов долларов, вместе с аффилированными компаниями.

Сколько видеопамяти нужно Klein?

Самой модели нужно от 25 до 31 ГБ в зависимости от формата весов. Все три замера сделаны на B200 при разрешении 1024x1024. В репозитории лежат трансформер в BF16, его варианты в FP8 и NVFP4, текстовый энкодер и автоэнкодер изображений. Testing Catalog добавляет к списку квантований INT8, но в карточке такого варианта нет. Ещё карточка прямо предупреждает, что по размеру файлов квантованной версии нельзя судить, сколько видеопамяти она займёт.

Эталонный CLI по умолчанию загружает ещё две модели. Классификатор безопасности Falconsai/nsfw_image_detection загружается всегда. Апсемплер flux-3-image-klein-pup весит 18,8 ГБ при скачивании и перед каждой генерацией переписывает короткий запрос в развёрнутое описание сцены. Его можно отключить флагом --no-pup, но карточка предупреждает, что на коротких промптах модель выдаёт шаблонные картинки.

Замеров на потребительских видеокартах в карточке нет.

16 шагов против 50: два чекпойнта под разные задачи

Klein вышла в двух вариантах. Дистиллированный bfloat16 работает за 16 шагов без guidance. Он предназначен для генерации, редактирования и self-hosting, и тот же чекпойнт стоит за FLUX 3 Image Klein в API BFL. Недистиллированный Base работает за 50 шагов с guidance 3,5, его выпустили для дообучения, тренировки LoRA и исследований. Дистилляция учит модель приходить к той же картинке за меньшее число шагов, поэтому из дистиллированной версии неудобно дообучать что-то своё.

По данным Testing Catalog, дистиллированная модель появится в API BFL с нативным 4K. В карточке 4K не упоминается, все цифры по памяти в ней даны для 1024x1024. Для запуска нужна реализация с поддержкой flow-map sampling. Файлы в репозитории представляют собой пакет весов без готового приложения.

Рамки на сетке 0–1000 задают место и масштаб

Модель принимает промпт и до 10 референсных изображений, а возвращает одну картинку. Генерация по тексту, правка по одному референсу и сборка сцены из нескольких работают в одной модели. Рамку записывают как [top, left, bottom, right] на сетке от 0 до 1000. Элемент помечают в описании тегом вида <id> и задают JSON-списком после текста. Для правок по рамкам указывают from, src_bbox и tgt_bbox, а null в целевой рамке удаляет объект.

В анонсе, который цитирует Testing Catalog, обещано «pixel-perfect editing». В разделе об ограничениях карточка пишет осторожнее: элемент может вылезти за рамку, мелкие объекты могут вообще не появиться, а правка может задеть область за пределами выделенной. Короткая команда вроде «make it blue» меняет кадрирование всего снимка.

Сама функция рамок появилась раньше. По данным ScriptByAI, 1 октября 2026 года FLUX 3 Image вышла через API BFL как раз с управлением раскладкой через рамки. А 15 октября мы писали о Krea 3, где правка тоже идёт по обведённой области: по данным Krea, меньше 8 секунд и около 0,06 доллара за правку в 2K.

Что изменилось со времён FLUX.2 [klein]

Сменился текстовый энкодер. В FLUX.2, которая вышла в ноябре 2025 года, с трансформером работал VLM от Mistral, а в 32-миллиардной версии это была Mistral-3 24B. Об этом пишут Rekreate и AI Wiki. В Klein энкодером стала Qwen3-VL-4B-Instruct, у неё отдельная лицензия Apache-2.0.

Изменилась и лицензия. По данным ScriptByAI, FLUX.2 [klein] вышла 15 января 2026 года в размерах 4B и 9B, причём 4B распространялась под Apache 2.0, а 9B под FLUX Non-Commercial License. Новая Klein на 5,6 млрд параметров выпущена под FLUX Kommunity License v.1.0. Она разрешает некоммерческое использование и коммерческие результаты для компаний с выручкой меньше 5 миллионов долларов. Карточка оговаривает, что это исключение не даёт права на коммерческое дообучение и распространение. Ещё лицензия запрещает использовать модель и её результаты для улучшения конкурирующих генераторов изображений.

Чего цифры не показывают

Все замеры памяти сделаны на одной серверной карте и при одном разрешении. Сколько займёт 4K и поместится ли полный пайплайн с апсемплером на домашнюю видеокарту, из карточки не понять. Время генерации в ней тоже не приводится. Мы считаем, что фраза про одну потребительскую видеокарту пока держится только на анонсе: самая лёгкая конфигурация в документации требует 25 ГБ на B200, и то без апсемплера.

Дальше мы будем смотреть на независимые замеры пиковой памяти дистиллированной версии в NVFP4 на потребительских картах, сначала при 1024x1024, потом в 4K.