十月十五日，Black Forest Labs 放出了 FLUX 3 Image Klein。
五亿六千万参数、开源权重、原生 4K、最多十张参考图，还能用坐标框指定东西放在画面哪个位置。最扎人的一个数字是显存：INT8 量化版在八吉字节的消费级显卡上就能跑起来。
对靠做图吃饭的人来说，这意味着本地出图的门槛又降了一档。但先别急着退订阅——社区跑了三天的反馈很一致：它擅长改图和批量生产，人像仍然不行。
这篇拆四件事：它到底能干什么、速度和钱的账怎么算、跑分该怎么读、许可证那条五百万美元的红线在哪。
这次放出来的是两个权重，不是一个模型
很多人看到「开源」两个字就以为拿到的是完整版，其实包里有两个检查点，用途完全不同。
一个是蒸馏版，十六步、不用 guidance（CFG 1），用来出图；另一个是 base 版，五十步、CFG 3.5 到 4，用来微调和训 LoRA。模型的「底子」是同一套：五亿六千万参数的 flow matching transformer，前面按模态分早期块，后面接二十八个联合块。
文本编码器单独一个，是 Qwen3-VL-4B，Apache 2.0 许可；VAE 直接沿用 FLUX.2 的，不用另找。
四个精度版本一起发了：BF16 占 11.2GB，FP8 降到 5.6GB，INT8 能在八吉字节显存的 RTX 卡上跑，还有一个和英伟达一起做的 NVFP4 版本，在 GB300 上出一张百万像素图不到 0.6 秒。
这是 FLUX 3 家族第二个开源权重。第一个是七十亿参数的 FLUX 3 Action，做机器人控制那条线，站内之前写过它的开源第一。这次轮到图像，而且是特意做小、做快的版本，不是把大模型砍一刀放出来。
权重在 Hugging Face，ComfyUI 从 0.41.0 起原生支持，发布当天就合并了支持代码，还带四个官方模板（文生图和改图各两套）。
四个真能用上的能力，和它们的边界
坐标框。 给它一个 0 到 1000 的网格，每个框按「上、左、下、右」四个数写，它就把元素放在那儿，或者把修改圈在那个区域里。这是整份发布里最实用的一条，因为大多数同类工具没有干净的替代方案。但模型卡自己写得很清楚：框「不会把像素约束成硬遮罩」。当成强建议用，别当 inpainting 的遮罩用。
十张参考图。 多参考生成最多吃十张，第一张决定输出尺寸。做角色一致性、商品套图、品牌素材时，这条比跑分值钱。
像素级编辑。 框外的部分保持不动。这一项是社区公认最靠谱的能力，甚至在那批批评人像质量的帖子里也没人否认它。
原生 4K。 直接出高分辨率，不用先出小图再放大。不过文字渲染模型卡里写着「可能不准或变形」，做带字的物料仍要人工过一遍。
速度和钱的账
官方给的两组数：蒸馏版配 INT8，在 RTX 5090 上一张百万像素图约四秒，RTX 4070 上不到九秒，都在 ComfyUI 里测的。
API 那边是阶梯价：七百六十八像素见方 0.008 美元，1K 是 0.009，1.5K 是 0.011，2K 是 0.014，4K 是 0.036。改图和文生图同价，这点比不少同行厚道。
换算一下更直观。1K 一张不到七分钱人民币，4K 一张约两毛六。站内腾讯混元图像 3.5 那篇记录的是 2K 一张一毛五，价格上 Klein 的 4K 贵出一截，但它的卖点是开源和本地可跑，不是纯比单价。
本地跑没有单张费用，但要算三笔账：显卡、电费、以及那个绕不开的提示词改写器。模型期待很长的描述，官方默认开提示词上采样，而这个上采样器本身是个九十亿参数的模型。八吉字节的卡上，它得和图像模型轮流占显存，速度会明显掉下来。
这也是站内端侧模型那篇反复提过的老问题：参数小不等于整条链路轻，配套件往往比模型本身更吃资源。
+91 Elo 该怎么读
Black Forest Labs 的说法是：比自家上一代 FLUX.2 klein 9B 在文生图上高 91 Elo，改图高 70 Elo，参数还少了 38%。在他们自己的对比集里，它是最小的一个，却排在文生图、多参考、编辑三项的第一，压过七十亿的 Qwen-Image 2.1、一百二十九亿的 Krea 2，也压过闭源的 Ideogram V4.5 和自家的 FLUX.2 [pro]。
听着很猛，但有三个折必须打。
第一，全是厂商内部评测，没有第三方复现。发布时 Hugging Face 上还没有独立排名。
第二，只给 Elo 差值，不给绝对分。差值好看和绝对水平是两件事。
第三，对比集里没有 GPT Image 2.5 和 Nano Banana 2.1。换句话说，「开源第一」这个结论成立，「当前最强」这个结论不成立。
还有个细节容易被忽略：API 延迟那张图里，Klein 是在自家服务器上计时的，其他模型从客户端计时、把轮询和网络时间都算进去了。这个口径差，对几百毫秒级的对比影响不小。
社区三天实测：两处不行
最早一批在本地跑起来的人，反馈集中在这两点。
人像和人体结构不稳。手、关节、比例出问题的概率明显高于预期，和「+91 Elo」的说法对不上。有分析认为这是训练数据筛选的问题，不是架构上限——理由是同一个模型在改图和商品图上表现正常。
需要前置的提示词改写器。模型对长描述敏感，你丢一句「一只雪豹站在岩石上」，出图质量会明显打折。这也是为什么八吉字节卡上的体验比大卡差：不是模型慢，是配套的上采样器在抢显存。
强项同样明确：编辑的区域保真、多参考的一致性。做商品图、品牌素材、批量改图，这两项比人像重要得多。
如果人像确实是主业，路子是拿 base 版和自己的素材训 LoRA。Diffusers 和 Ostris 的 AI Toolkit 发布当天就能训，英伟达的 NeMo AutoModel 也给了现成 recipe。base 只有五亿六千万参数，训练成本比上一代低不少。
许可证：五百万美元这条线
这部分大部分解读都跳过了，但它决定你能不能拿去赚钱。
FLUX 3 Klein 用的是新的 FLUX Kommunity License v1.0。既不是 FLUX.2 klein 4B 的 Apache 2.0，也不是 FLUX.1 [dev] 的非商用。
规则拆开看是这样：
年收入（含关联方）低于五百万美元的个人或公司，算「合格用户」，出的图可以商用、可以卖。但要满足两个条件：发布前跑内容过滤或人工审核，以及按适用法律标注为 AI 生成。
这条豁免不管公司多大都不包括两件事：商用分发模型或微调后的权重，以及把模型嵌进产品里给你的用户用。后者是 Black Forest Labs 的付费平台档在卖的东西。
还有一条所有人适用：不能用这个模型或它的输出去改进任何同类 AI 模型。许可证文本里还写着「可撤销」。
年收入过五百万美元，就只能非商用、非生产使用，除非买自托管授权。
对独立开发者和几个人的小工作室，五百万这条线基本够用。对拿了融资、准备把出图做成产品功能的团队，这条线比想象中近——而且「嵌进产品给用户用」正好是最常见的做法。
真要 Apache 2.0 那种干净许可，现成的替代有 FLUX.2 [klein] 4B、MOSS-Image、Boogu Image 0.1。站内那篇开源画图工具指南里的选型思路今天依然适用：先看许可，再看跑分。
一个真实场景：把二十张商品图换背景
抽象讲能力不如走一遍流程。假设你有一批商品图，要把白底换成场景图，还要保证每张的产品位置一致。
以前的做法是逐张抠图、逐张生成背景、再合成，二十张图大概要两个小时。用 Klein 的流程是这样：
先把第一张产品图作为参考图传进去，定输出尺寸。然后在提示词里写清楚场景，同时给一个坐标框，把产品位置固定在画面中间偏下的区域。跑出来第一张，检查产品比例和光影。后面十九张换提示词里的场景描述，坐标框不动，产品参考图不变。
实际耗时取决于显卡。RTX 4070 上每张不到九秒，二十张加上调整时间，二十分钟以内能出完。走 API 按 1K 算，二十张不到两毛钱。
关键收益不是快，是可重复。坐标框固定住之后，二十张图的产品位置是齐的，不需要后期一张张对齐。这一条在批量化生产里比画质提升有用得多。
反过来说，如果你的活是「给二十个真人拍写真」，Klein 会让你返工。人像那一块的问题，后面单独说。
上手三步
想看同类工具的横向对比，AI 工具评测专题按价位和用途整理过一批，可以对着自己的场景先筛一轮。真到本地部署这一步，AI 实践专题里的通用流程比官方文档好懂。
第一步，装环境。 ComfyUI 升到 0.41.0 以上。INT8 权重放进 models/diffusion_models，Qwen3-VL-4B 放进 models/text_encoders，VAE 用现成的 FLUX.2，不用另下。
第二步，先跑蒸馏版。 十六步、CFG 1、不开 guidance，先把流程跑通。确认能出图、速度能接受，再决定要不要下 base 训 LoRA。
第三步，拿自己的素材测。 别用官方样图判断。挑三类真实需求各跑二十张：一张图改局部、三到五张参考图做一致性、一张有人物的图。人像那一组大概率会让你改变采购计划。
谁适合，谁先等等
适合的：电商和商品图批量生产、需要品牌素材一致性的小团队、有数据不能出内网的公司、想做垂直风格 LoRA 的工作室。
可以先等等的：人像摄影和写真类业务、需要精准文字的排版物料、年收入已经过五百万又要自托管商用的公司、准备把模型能力包进 SaaS 卖给终端用户的团队。
老达点评
一，小模型打赢大模型这次不是纯话术，但也不是结论。 它确实用更少的参数在自家对比集里拿了第一，这个工程含金量要认。但「第一」的范围是 Black Forest Labs 自己划的那个圈，圈外的两个最强闭源模型没进来。
二，真正值钱的是坐标框，不是 4K。 4K 属于参数竞赛，谁都能往上堆；坐标框解决的是流水线问题——你终于能告诉模型「logo 放左上角那块」，而不是生成二十张再挑一张。做生产的人会为这个付钱。
三，许可证比模型更值得读一遍。 「开源」在图像模型这一行早就不是「随便用」的意思了。五百万美元这条线对个人够宽，对融资团队不算宽；「不能嵌进产品给用户用」这条，恰好卡在最常见的商业化路径上。
四，判断它行不行，别看样图。 拿你自己那批最难看、最不配合的素材跑二十张，尤其跑人像。跑完还满意，再谈部署。
