FLUX 3 Image Klein：仕様、GPUメモリ、API、ライセンス

Black Forest Labsは10月15日、画像の生成と編集を行うオープンウェイトモデルとしてFLUX 3 Image Kleinをリリースしました。単一のモデルで、テキストから画像への生成、1枚の参照画像に基づく編集、複数の参照画像に基づく合成を処理できます。

画像ジェネレーターは56億個のパラメータを備えています。この数値には別個のテキストエンコーダーは含まれていません。これはモデルサイズを比較したり、ローカル環境のハードウェアを計画したりする際に重要な点です。BFLは、適応用のBaseチェックポイントと高速生成用の蒸留チェックポイントの両方を提供しており、API経由でも利用できます。

このリリースは、より小規模なジェネレーターに、最大10枚の参照画像、ネイティブ4K生成、バウンディングボックスによるガイダンスへの対応を組み合わせたものです。ただし、導入時の判断は、チェックポイント、精度、推論実装、ライセンス条件にも依存します。

モデルが生成・編集できるもの

モデルはプロンプトと最大10枚の参照画像を受け取り、1枚の画像を返します。参照入力は被写体を固定したり、複数のソースから素材を組み合わせたりするために使えます。一方、テキストによるキャプションは、意図するシーンと構図を制御します。

出典：Black Forest Labs。これは発行元が選定した生成出力のコレクションであり、独立した品質評価ではありません。

BFLは、このモデルがFLUX 3ファミリーの画像、動画、音声に関する研究から得られた共通の知見を取り入れていると説明しています。ただし、Image Klein自体について公開されているインターフェースは画像生成と編集です。この研究背景は、当該チェックポイントが音声や動画を生成することを意味するものではありません。

バウンディングボックスは、要素の配置とスケールを導きます。公式モデルカードでは、座標グリッドを0から1000と定め、各ボックスを上、左、下、右の順で指定しています。また、ボックスはハードなピクセルマスクではないとも警告しています。要素がボックスの外側に広がる場合があり、小さな要素は消えることがあり、編集は指定領域の外側にも影響する可能性があります。

BFLのホスト型APIには、未編集領域を正確に維持することを目的としたピクセル復元が追加されています。この配信機能は、生のチェックポイント推論に常に備わる特性と見なすべきではありません。

Baseチェックポイントと蒸留チェックポイント

主要な2つのチェックポイントには、それぞれ異なる用途があります。

出典：BFLの公式モデルカード。蒸留チェックポイントは、ホスト型Image Klein APIでも使用されているモデルです。

このモデルは、別個のテキストエンコーダーとしてQwen3-VL-4B-Instructを使用します。Hugging Faceのパッケージには画像トランスフォーマー、テキストエンコーダー、画像オートエンコーダーが含まれています。そこではBF16、FP8、NVFP4のバリアントが説明されており、ローンチ発表ではNVIDIA対応のINT8ビルドも示されています。

適応用途について、BFLは開発者にBaseモデルを案内しています。ローンチ情報では、LoRAやその他のトレーニングワークフロー向けに、Diffusers、OstrisのAI Toolkit、NVIDIA NeMo AutoModelからのサポートが挙げられています。

品質比較をどう読むべきか

BFLは、選定した代替モデルとの内部テキストから画像への生成、編集、複数参照の比較において、Image Kleinが首位に立ったと報告しています。ローンチ記事では、ジェネレーターのパラメータ数を38%削減しつつ、FLUX.2 [klein] 9Bと比べて、テキストから画像への生成で91 Elo、編集で70 Elo向上したことが強調されています。

出典：Black Forest Labs。ジェネレーターのパラメータ数にはテキストエンコーダーは含まれません。Krea 2はこのタスクをサポートしていないため、編集比較から除外されています。

これらの評価は、BFLの比較対象セットと評価手順を示すものです。あらゆるプロンプト、スタイル、言語、編集制約において、このモデルが最良の結果を出すことを証明するものではありません。本番ワークフローでは、実際にそのワークフローで発生する参照画像と編集の種類をテストしてください。

ローカルハードウェアと生成速度

ローンチ発表では、ジェネレーターの重みの必要容量として、BF16で11.2 GB、FP8で5.6 GBが示されています。これらは重みのサイズであり、GPUメモリ全体の必要量ではありません。

BFLによると、最適化済みINT8ビルドは、対応するComfyUIまたはDiffusersの構成を通じて、8 GBのVRAMしかないGeForce RTX GPUでも実行できます。この記述はビルドと実装に依存しており、変更されていない参照パイプラインが8 GBに収まることを意味するものではありません。

モデルカードでは、プロンプトアップサンプラーを無効化した状態で、1024×1024ピクセル時のB200における参照コードのピークメモリを次のように報告しています。

同じカードでは、プロンプトアップサンプラーは80 GB GPU上で約28 GBを追加するとされています。テキストエンコーディング、中間活性化、解像度、参照画像処理はいずれも、合計メモリがジェネレーターの保存済み重みより大きくなる理由の一部です。

出典：BFL、計測：NVIDIA。このグラフは1回の実行につき1枚の画像を使用し、各GPUで最も高速な掲載ビルドを使用しています。RTXの計測にはComfyUIを使用しています。これらは完全なAPI応答時間ではなく、生成時間です。

16ステップの蒸留チェックポイントでは、このグラフはRTX 5090で1024×1024のテキストから画像への生成結果に4.1秒、RTX 4070で8.9秒と報告しています。これらの測定では編集のほうが時間を要し、より大きい2048×2048構成は大幅に低速です。

出典：BFL、計測：NVIDIA。このグラフは50ステップのBaseチェックポイントと、各GPUに表示された最速ビルドを使用しています。

50ステップのBaseモデルには異なる速度特性があります。特にトレーニングや参照画像編集の反復時間を見積もる際には、その結果を蒸留モデルと分けて扱うことが有用です。

ホスト型API、レイテンシ、料金

BFL APIは蒸留モデルをflux-3-image-kleinとして公開しています。ローンチ発表によると、料金は1K画像あたり0.009ドルからで、ホスト型サービスにはプロンプトアップサンプリングとピクセル復元が含まれます。本番環境のコストを見積もる前に、最新のAPIドキュメントとアカウント料金を確認してください。

出典：Black Forest Labs。公開された比較では、完成した1 MP画像を使用し、キューイングを含みます。BFLは自社モデルを自社サーバー上で計測した一方、競合他社の測定はクライアント側で実施され、ポーリングとネットワーク時間を含みます。

これらの測定条件の違いは、速度ランキングを解釈する際に重要です。ローカル生成時間、サーバー側の計測時間、クライアントから観測されるAPIレイテンシは、関連しているものの異なる問いに答えます。アプリケーションは、自身のリクエスト送信から利用可能な出力を受け取るまでの時間を測定すべきです。

プロンプト作成と導入手順

公式モデルカードでは、完全なシーンキャプションを重視しています。短い指示を直接画像モデルへ送ると、一般的な結果になったり、意図せず編集の構図が変更されたりする場合があります。

実践的な評価手順は次のとおりです。

1. 生成テストには蒸留チェックポイントを、適応にはBaseチェックポイントを選択します。
2. 利用できるハードウェアに適した対応ランタイムと精度を選びます。
3. 参照実装のプロンプトアップサンプラー、または公開されたシステムプロンプトを使用する別の言語モデルで、リクエストを完全なシーンキャプションへ拡張します。
4. 編集時には、画像モデルへ渡す参照画像と同じ画像をアップサンプラーにも渡します。
5. 要求した変更、被写体の一貫性、テキストの正確性、画像内の他領域における意図しない変更を評価します。

参照CLIは、デフォルトでBFLのプロンプトアップサンプラーを読み込みます。Diffusersはこれを自動的に呼び出さないため、公開されているモジュラー型パイプラインを使う場合、この段階は別途処理する必要があります。

ローンチ発表には引用ブロックが含まれており、帰属表示のために以下に再掲します。

@misc{bfl2026flux3imageklein,
  author       = {{Black Forest Labs}},
  title        = {{FLUX} 3 Image Klein},
  year         = {2026},
  url          = {https://bfl.ai/blog/flux-3-image-klein},
}

ライセンスと安全性の境界

Image KleinはFLUX Kommunity License v1.0を採用しています。モデルカードでは、非商用利用に加え、関連会社を含む年間総収益換算額が500万米ドル未満の適格なユーザーを対象として、契約条件に従う商用出力生成の例外を説明しています。

この例外は、あらゆる商用トレーニング、再配布、サービス提供の取り決めを包括的に許可するものではありません。より大規模な組織やその他の利用については、BFLの商用ライセンス条件を確認するか、該当する条件の下でホスト型APIを使用する必要があります。別個のQwenテキストエンコーダーにはApache-2.0が適用されます。

BFLは、トレーニングデータのフィルタリング、ポストトレーニングでの緩和策、内部レッドチーミング、Cinderによる評価を報告しています。これらの措置をもってしても、モデルカードに記載された制約がなくなるわけではありません。生成されたテキストは不正確になる可能性があり、プロンプト追従が失敗する可能性があり、バイアスが現れる可能性があり、編集が意図しない領域を変更する可能性があります。

よくある質問

FLUX 3 Image Kleinとは何ですか？

これはBFLの、テキストから画像への生成、画像編集、複数参照による合成のためのオープンウェイト画像モデルです。56億パラメータという数値は画像トランスフォーマーを指し、別個のテキストエンコーダーは含みません。

8 GBのGPUで実行できますか？

BFLは、対応する最適化済みINT8構成なら、8 GBのVRAMしかないGPUでも実行できるとしています。一方、参照実装には、より大きなピークメモリ要件が記録されているため、ハードウェアの適合性はランタイム全体の構成に依存します。

Klein BaseとKleinの違いは何ですか？

Klein Baseは、ファインチューニング、LoRA、研究を目的とする非蒸留チェックポイントで、公開されている構成では50ステップを使用します。Kleinは生成と編集向けに蒸留されており、公開されている構成では16ステップで、ガイダンスは使用しません。

バウンディングボックスは他のピクセルが変更されないことを保証しますか？

いいえ。公式モデルカードでは、ボックスはハードマスクを課すのではなく、配置とスケールを導くものと説明されています。ホスト型APIのピクセル復元機能は、配信ワークフローの別の機能です。

商用利用は無料ですか？

ライセンスには、年間総収益換算額500万米ドル未満という基準を満たす適格ユーザーについて、すべての条件に従う商用出力の例外が含まれます。商用ファインチューニング、配布、その他の取り決めについては、収益基準だけに依拠せず、完全な契約内容を確認する必要があります。

Diffusersはプロンプトを自動的に拡張しますか？

公開されているDiffusersパイプラインは、プロンプトアップサンプラー自体を実行しません。BFLは、先にそのアップサンプラーまたは別の適切な言語モデルを実行し、得られた完全なキャプションを画像パイプラインへ渡すよう勧めています。

関連ツール

• BFL API：蒸留モデルへのホスト型アクセスを提供します。
• 参照推論コード：推論ユーティリティとバウンディングボックスの例を含みます。
• ComfyUI統合：対応するローカル生成へのノードベースの経路を提供します。
• OstrisのAI Toolkit：リリースで示されたモデル適応ワークフローをサポートします。

関連リンク

• BFLローンチ発表：リリースの詳細、選定された出力、比較手法を公開しています。
• 蒸留チェックポイントとモデルカード：プロンプト作成、ハードウェア測定、モデルの制約を文書化しています。
• Baseチェックポイント：適応と研究向けのチェックポイントを提供しています。
• 公式推論リポジトリ：参照推論と構造化レイアウトガイダンスを説明しています。
• FLUX Kommunity License：利用、配布、商用出力に適用される条件を記載しています。
• Image Klein APIリファレンス：ホスト型生成エンドポイントを説明しています。
• BFLの安全性手法：不正利用防止に向けた同社のアプローチを説明しています。

まとめ

FLUX 3 Image Kleinは、テキストから画像への生成、参照ベースの編集、レイアウトガイダンスを、より小規模なオープンウェイト画像ジェネレーターに統合しています。Baseと蒸留のチェックポイントにより、開発者は適応と高速推論に向けた別々の選択肢を得られます。

導入において重要な要素は、パラメータ数だけではありません。実際のメモリ使用量、プロンプトアップサンプリング、編集時の挙動、ライセンスの適用範囲を確認する必要があります。重みサイズの数値やローンチ時のベンチマークだけを完全な導入仕様と見なすのではなく、パイプライン全体を選定・評価してください。