شرکتِ Black Forest Labs روز ۱۵ اکتبر ۲۰۲۶ (۲۳ مهر ۱۴۰۵) مدلِ تصویری FLUX 3 Image Klein را با وزن‌های باز منتشر کرد. این مدل ۵٫۶ میلیارد پارامتر دارد، هم عکس می‌سازد و هم ویرایش می‌کند و نسخه‌ی INT8 آن روی کارتِ گرافیکِ انویدیا با فقط ۸ گیگابایت حافظه‌ی تصویری (VRAM) اجرا می‌شود.
FLUX 3 Image Klein چه می‌کند؟
Klein سه کار را در یک مدل انجام می‌دهد: ساختِ تصویر از متن، ویرایشِ تصویر، و ساختِ تصویر از روی حداکثر ده تصویرِ مرجع. به نوشته‌ی The Decoder، خروجی تا کیفیتِ ۴K پشتیبانی می‌شود، ویرایش «در حدِ پیکسل» دقیق است و با کادرِ مرزی (bounding box) می‌شود جای هر عنصر را مشخص کرد. Black Forest Labs می‌گوید در ارزیابی‌های کورِ داخلی‌اش در سه دسته‌ی ساختِ تصویر، چندمرجعی و ویرایش، در بینِ مدل‌های باز در صدر است.
اگر می‌خواهی همین حالا امتحانش کنی، ابزار ساخت عکس در هوش نو با توضیح فارسی و بدون فیلترشکن کار می‌کند.
عددها و سرعت
| مورد | مقدار |
|---|---|
| اندازه‌ی مدل | ۵٫۶ میلیارد پارامتر (نسخه‌ی قبلی FLUX.2 Klein: ۹ میلیارد) |
| حافظه‌ی لازم (INT8) | ۸ گیگابایت VRAM |
| سرعت روی RTX 4070 | کمتر از ۹ ثانیه برای هر تصویر |
| قیمتِ API | ۰٫۰۰۹ دلار برای هر ۱۰۰۰ تصویر، طبق گزارشِ The Decoder |
شرکت می‌گوید Klein با ۳۸ درصد پارامترِ کمتر، ۹۱ امتیاز Elo از FLUX.2 Klein جلوتر است و از Ideogram V4.5 و FLUX.2 Pro هم بهتر عمل می‌کند. این‌ها نتیجه‌ی آزمون‌های خودِ شرکت است و داوری مستقل در دست نیست. عددِ قیمتِ API را فقط یک منبع آورده؛ پیش از تصمیم‌گیری صفحه‌ی قیمتِ رسمیِ Black Forest Labs را ببین.
مجوز و دسترسی
وزن‌ها باز هستند و مدل از راهِ API، محیطِ Playground، Hugging Face Spaces و اجرای محلی با ComfyUI و Diffusers در دسترس است. آموزشِ LoRA، یعنی یادگرفتنِ یک سبکِ شخصی، از روزِ اول با ابزارهای Ostris AI Toolkit و NVIDIA NeMo AutoModel ممکن است. مجوز با نامِ FLUX Kommunity License آمده؛ طبق گزارش، استفاده‌ی تجاری برای شرکت‌هایی با درآمدِ سالانه‌ی کمتر از ۵ میلیون دلار رایگان است. شرایطِ دقیق را از صفحه‌ی مجوزِ رسمی بخوان.
مدل‌های باز در برابر سرویس‌های بسته
تا همین چند سال پیش، بهترین تصویرها فقط از سرویس‌های بسته می‌آمد. حالا مدلی کوچک با وزن‌های باز، که روی رایانه‌ی خانگی اجرا می‌شود، در آزمون‌های خودِ سازنده از چند مدلِ تجاری جلوتر است. معنایش این نیست که هر کاری را بهتر از سرویس‌های بزرگ می‌کند؛ مدل‌های بسته هنوز در درکِ پرامپت‌های پیچیده و متنِ داخلِ تصویر معمولاً قوی‌ترند. ولی مزیتِ مدلِ باز روشن است: کنترلِ کامل، هزینه‌ی کم برای هر تصویر، امکانِ آموزشِ سبکِ شخصی با LoRA و اینکه عکس‌های تو از رایانه‌ات بیرون نمی‌رود. برای کسی که روزی صدها تصویر لازم دارد، همین چند مزیت کافی است که مدلِ باز را جدی بگیرد.
این خبر برای کاربرِ فارسی‌زبان چه معنایی دارد؟
خبرِ خوب این است که ساختِ تصویرِ باکیفیت دیگر به کارتِ گرافیکِ گران یا سرورِ ابری نیاز ندارد؛ کارتِ ۸ گیگابایتی کافی است. برای طراحِ مستقل و فروشگاه‌دار یعنی ویرایشِ عکسِ محصول و ساختِ تصویرِ تبلیغ می‌تواند روی همان رایانه‌ی خودش و بدونِ هزینه‌ی هر تصویر انجام شود. نکته‌ی احتیاط: در منبع‌ها چیزی درباره‌ی کیفیتِ نوشتنِ متنِ فارسی در این مدل نیامده؛ مدل‌های تصویری معمولاً در حروفِ راست‌به‌چپ ضعیف‌ترند، پس پیش از استفاده‌ی تجاری آزمونِ خودت را بگیر.
اگر نمی‌خواهی چیزی نصب کنی، در ابزارهای هوش‌نو می‌توانی همین حالا با ابزارِ ساختِ عکس و ویرایشِ عکس کار کنی. برای یادگیریِ نوشتنِ توصیفِ مؤثر، پرامپت‌نویسی برای Flux را ببین، برای آشنایی با نیازهای سخت‌افزاری سخت‌افزارِ مدل‌های ساختِ تصویر را بخوان و اگر دنبالِ ویرایش‌اند، ابزارهای ویرایشِ عکس با هوش مصنوعی کمک می‌کند.
سؤالات متداول
FLUX 3 Image Klein را روی گرافیکِ ۸ گیگابایتی می‌شود اجرا کرد؟
بله، نسخه‌ی INT8 روی کارت‌های انویدیا با ۸ گیگابایت VRAM اجرا می‌شود. روی RTX 4070 هر تصویر کمتر از ۹ ثانیه طول می‌کشد.
آیا Klein ویرایشِ عکس هم دارد؟
بله. هم ویرایشِ تصویر دارد و هم ساخت با حداکثر ده تصویرِ مرجع.
برای کارِ تجاری رایگان است؟
طبق گزارش، برای شرکت‌هایی با درآمدِ سالانه‌ی کمتر از ۵ میلیون دلار بله؛ ولی متنِ مجوز را خودت بخوان.
