Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124

Un modello da 5,6 miliardi di parametri che genera in 4K nativo; la build INT8 gira su una scheda da 8 GB di VRAM: FLUX 3 Image Klein, pubblicato il 15 ottobre 2026 da Black Forest Labs con pesi aperti, sposta il confine di quello che si può fare in locale. Non è soltanto una questione di dimensioni. Lo stesso modello copre testo-immagine, editing e fino a dieci immagini di riferimento, e tramite API BFL costa 0,009 dollari per 1.000 immagini. Il calcolo sul listino dà 0,000009 dollari a immagine: per chi produce immagini su scala, il vincolo non è più il costo per singola generazione.
FLUX 3 Image Klein è un modello open-weights da 5,6 miliardi di parametri che copre tre compiti: generazione da testo, modifica di immagini esistenti e generazione condizionata da un massimo di dieci immagini di riferimento. Supporta output nativo in 4K, editing preciso al pixel e bounding box per posizionare gli elementi.
Nei test interni di Black Forest Labs il modello ottiene i punteggi Elo più alti tra tutti i modelli aperti, superando concorrenti chiusi come Ideogram V4.5 e il precedente FLUX.2 [pro] della stessa azienda. Il guadagno dichiarato è di 91 punti Elo su FLUX.2 [klein], con 38% di parametri in meno: il conto torna, perché 5,6 miliardi su 9 miliardi fanno il 62,2%, cioè il 37,8% in meno rispetto al modello di confronto.
La build INT8 gira su GPU NVIDIA con appena 8 GB di VRAM e genera un'immagine in meno di 9 secondi su una RTX 4070. Il checkpoint distillato fa invece un'immagine 1024 × 1024 in circa 2 secondi su una H100, con 16 step di default e senza CFG.
Il checkpoint base lavora a 50 step con classifier-free guidance, su un valore d'esempio di guidance_scale 5.0, ed è quello da usare per il fine-tuning.

| Checkpoint | Cos'è | Default |
|---|---|---|
| flux-3-image-klein | distillato per inferenza veloce | 16 step, senza CFG |
| flux-3-image-klein-base | modello base | 50 step, con CFG |
Il transformer è distribuito anche come file singolo, in bf16 e in due formati quantizzati: fp8r e nvfp4, caricabili con from_single_file. Il primo richiede compute capability 8.9 o superiore (Ada, Hopper, Blackwell); il secondo richiede Blackwell con flashinfer. Su GPU diverse da quelle supportate i pesi vengono dequantizzati a ogni step: meno memoria, nessun guadagno di velocità.
Il controllo del layout è la novità più distintiva. Si aggiunge al prompt una lista JSON di regioni, ognuna con un id, un descrittore e un bounding box in formato [y_min, x_min, y_max, x_max] su scala normalizzata 0–1000: la stessa casella funziona a qualsiasi risoluzione.
Nella generazione le regioni collocano gli elementi; nell'editing ogni regione indica da dove il contenuto arriva (src_bbox) e dove va (tgt_bbox). Due caselle identiche lasciano l'elemento fermo. Le immagini di riferimento si richiamano nel prompt come <ref_image_0>, <ref_image_1> e così via, nell'ordine in cui vengono passate.
I pesi escono sotto FLUX Kommunity License: uso commerciale gratuito per le aziende con fatturato annuo sotto i 5 milioni di dollari. Per le aziende sopra quella soglia, i termini di licenza non sono riportati dalle fonti; l'API BFL è disponibile a 0,009 dollari ogni 1.000 immagini.
Il modello è disponibile anche su Playground, su Hugging Face Spaces, in locale via ComfyUI e tramite Diffusers, integrato dal primo giorno come pipeline Modular Diffusers con text encoder Qwen3-VL. Il training di LoRA parte subito, con gli script DreamBooth per testo-immagine ed editing, oltre che con Ostris AI Toolkit e NVIDIA NeMo AutoModel.
La combinazione pesi aperti, 8 GB di VRAM e 0,009 dollari per 1.000 immagini toglie dal tavolo due barriere insieme: il costo del calcolo e quello della licenza. Per uno studio sotto i 5 milioni di fatturato la scelta tra esecuzione locale e API non dipende più dal budget, ma da quale GPU ha già in casa.