FLUX 3 Image Klein: 사양, GPU 메모리, API 및 라이선스

Black Forest Labs는 10월 15일 이미지 생성 및 편집을 위한 오픈 웨이트 모델인 FLUX 3 Image Klein을 출시했습니다. 하나의 모델이 텍스트-이미지 요청, 하나의 참조 이미지를 기반으로 한 편집, 여러 참조 이미지를 기반으로 한 합성을 처리합니다.

이 모델의 이미지 생성기는 56억 개의 파라미터를 포함합니다. 이 수치에는 별도의 텍스트 인코더가 포함되지 않으며, 모델 크기를 비교하거나 로컬 하드웨어를 계획할 때 중요한 세부 사항입니다. BFL은 적응 학습용 베이스 체크포인트와 더 빠른 생성을 위한 증류 체크포인트를 모두 제공하며, API를 통한 접근도 제공합니다.

이번 출시는 최대 10개의 참조 이미지 지원, 네이티브 4K 생성 및 바운딩 박스 가이던스를 더 작은 생성기에 결합합니다. 다만 배포 결정은 여전히 체크포인트, 정밀도, 추론 구현 및 라이선스 조건에 따라 달라집니다.

모델이 생성하고 편집할 수 있는 것

이 모델은 프롬프트와 최대 10개의 참조 이미지를 입력받아 하나의 이미지를 반환합니다. 참조 입력은 피사체를 고정하거나 여러 소스의 소재를 결합하는 데 도움이 되며, 작성된 캡션은 의도한 장면과 구성을 제어합니다.

출처: Black Forest Labs. 이는 게시자가 선택한 생성 결과 모음이며, 독립적인 품질 평가는 아닙니다.

BFL은 이 모델이 FLUX 3 제품군의 이미지, 비디오 및 오디오 연구에서 얻은 공통 학습을 활용한다고 설명합니다. Image Klein 자체에서 공개된 인터페이스는 이미지 생성 및 편집이며, 이러한 연구 배경이 해당 체크포인트가 오디오나 비디오를 생성한다는 뜻은 아닙니다.

바운딩 박스는 요소의 배치와 크기를 안내합니다. 공식 모델 카드는 좌표 그리드를 0부터 1000까지로 지정하고, 각 박스의 순서를 상단, 왼쪽, 하단, 오른쪽으로 정의합니다. 또한 박스는 하드 픽셀 마스크가 아니라고 경고합니다. 요소가 박스를 넘어 확장될 수 있고, 작은 요소는 사라질 수 있으며, 편집이 요청한 영역 밖의 영역에 영향을 줄 수 있습니다.

BFL의 호스팅 API는 편집하지 않은 영역을 정확히 보존하도록 설계된 픽셀 복원을 추가합니다. 이 서빙 기능을 원시 체크포인트 추론의 무조건적인 속성으로 간주해서는 안 됩니다.

베이스 및 증류 체크포인트

두 주요 체크포인트는 서로 다른 목적에 사용됩니다.

출처: BFL 공식 모델 카드. 증류 체크포인트는 호스팅 Image Klein API의 기반 모델이기도 합니다.

이 모델은 별도 텍스트 인코더로 Qwen3-VL-4B-Instruct를 사용합니다. Hugging Face 패키지에는 이미지 트랜스포머, 텍스트 인코더 및 이미지 오토인코더가 포함되어 있습니다. BF16, FP8 및 NVFP4 변형이 이곳에 설명되어 있고, 출시 발표에서는 NVIDIA 지원 INT8 빌드도 식별합니다.

적응 학습을 위해 BFL은 개발자에게 베이스 모델을 사용하도록 안내합니다. 출시 발표는 Diffusers, Ostris의 AI Toolkit 및 NVIDIA NeMo AutoModel이 LoRA와 기타 학습 워크플로를 지원한다고 명시합니다.

품질 비교를 해석하는 방법

BFL은 Image Klein이 선택된 대안 모델과의 내부 텍스트-이미지, 편집 및 다중 참조 비교에서 앞섰다고 보고합니다. 출시 글은 생성기 파라미터를 38% 적게 사용하면서 FLUX.2 [klein] 9B 대비 텍스트-이미지에서 91 Elo, 편집에서 70 Elo 향상되었다고 강조합니다.

출처: Black Forest Labs. 생성기 파라미터 수에는 텍스트 인코더가 포함되지 않습니다. Krea 2는 해당 작업을 지원하지 않으므로 편집 비교에서 제외되었습니다.

이 평점은 BFL의 비교 대상 집합과 평가 절차를 설명합니다. 이것이 모든 프롬프트, 스타일, 언어 또는 편집 제약에서 이 모델이 최고의 결과를 낸다는 것을 입증하지는 않습니다. 프로덕션 워크플로에서는 실제 해당 워크플로에서 발생하는 참조 이미지 및 편집 유형을 테스트해야 합니다.

로컬 하드웨어 및 생성 속도

출시 발표는 생성기 가중치 요구 사항을 BF16에서 11.2GB, FP8에서 5.6GB로 제시합니다. 이는 가중치 크기이며 전체 GPU 메모리 예산은 아닙니다.

BFL은 지원되는 ComfyUI 또는 Diffusers 구성에서 최적화된 INT8 빌드가 최소 8GB VRAM의 GeForce RTX GPU에서 실행될 수 있다고 설명합니다. 이 설명은 빌드 및 구현에 따라 달라지며, 수정되지 않은 참조 파이프라인이 8GB에 들어간다는 의미는 아닙니다.

모델 카드는 프롬프트 업샘플러를 비활성화한 상태에서 1024×1024 픽셀, B200 환경의 다음 참조 코드 피크 메모리를 보고합니다.

같은 카드는 프롬프트 업샘플러가 80GB GPU에서 약 28GB를 추가한다고 설명합니다. 텍스트 인코딩, 중간 활성화값, 해상도 및 참조 이미지 처리는 전체 메모리가 생성기의 저장 가중치보다 큰 이유를 설명하는 요소입니다.

출처: BFL, NVIDIA 측정. 이 차트는 실행당 이미지 하나와 각 GPU에서 가장 빠른 것으로 기재된 빌드를 사용하며, RTX 측정에는 ComfyUI를 사용합니다. 이는 전체 API 응답 시간이 아니라 생성 시간입니다.

16스텝 증류 체크포인트의 경우, 이 차트는 RTX 5090에서 1024×1024 텍스트-이미지 결과에 4.1초, RTX 4070에서 8.9초가 걸린다고 보고합니다. 해당 측정에서 편집은 더 오래 걸리며, 더 큰 2048×2048 구성은 상당히 더 느립니다.

출처: BFL, NVIDIA 측정. 이 차트는 50스텝 베이스 체크포인트와 각 GPU에서 표시된 가장 빠른 빌드를 사용합니다.

50스텝 베이스 모델은 다른 속도 특성을 보입니다. 특히 학습 또는 참조 이미지 편집의 반복 시간을 추정할 때는 그 결과를 증류 모델과 분리해 해석하는 것이 유용합니다.

호스팅 API, 지연 시간 및 가격

BFL API는 증류 모델을 flux-3-image-klein으로 제공합니다. 출시 발표에 따르면 가격은 1K 이미지당 $0.009부터 시작하며, 호스팅 제공에는 프롬프트 업샘플링과 픽셀 복원이 포함됩니다. 프로덕션 비용을 추정하기 전에 최신 API 문서와 계정 가격을 확인해야 합니다.

출처: Black Forest Labs. 공개된 비교는 완성된 1MP 이미지를 사용하고 큐 대기 시간을 포함합니다. BFL은 자사 서버에서 자사 모델을 측정한 반면, 경쟁사 측정은 클라이언트 측에서 수행되었으며 폴링 및 네트워크 시간을 포함했습니다.

이러한 측정 차이는 속도 순위를 해석할 때 중요합니다. 로컬 생성 시간, 서버 측 시간, 클라이언트에서 관측한 API 지연 시간은 연관되어 있지만 서로 다른 질문에 답합니다. 애플리케이션은 자체 요청 제출 시점부터 사용할 수 있는 결과를 받을 때까지의 시간을 측정해야 합니다.

프롬프팅 및 시작하기

공식 모델 카드는 완전한 장면 캡션을 강조합니다. 짧은 지시를 이미지 모델에 직접 보내면 일반적인 결과가 나오거나 의도치 않게 편집이 재구성될 수 있습니다.

실용적인 평가 순서는 다음과 같습니다.

1. 생성 테스트에는 증류 체크포인트를, 적응 학습에는 베이스 체크포인트를 선택합니다.
2. 사용 가능한 하드웨어에 맞는 지원 런타임과 정밀도를 선택합니다.
3. 참조 구현의 프롬프트 업샘플러 또는 공개된 시스템 프롬프트를 사용하는 다른 언어 모델로 요청을 완전한 장면 캡션으로 확장합니다.
4. 편집 시 이미지 모델에 제공하는 것과 동일한 참조 이미지를 업샘플러에도 제공합니다.
5. 요청한 변경, 피사체 일관성, 텍스트 정확성 및 이미지 내 다른 영역에서 발생한 의도치 않은 변경을 평가합니다.

참조 CLI는 기본적으로 BFL의 프롬프트 업샘플러를 로드합니다. Diffusers는 이를 자동으로 호출하지 않으므로, 문서화된 모듈식 파이프라인을 사용할 때는 이 단계를 별도로 처리해야 합니다.

출시 발표에는 인용 블록이 포함되어 있으며, 출처 표기를 위해 아래에 재현합니다.

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

라이선스 및 안전 경계

Image Klein은 FLUX Kommunity License v1.0을 사용합니다. 모델 카드는 계약 조건에 따라 계열사를 포함한 총 연환산 매출이 미화 500만 달러 미만인 적격 사용자를 위한 비상업적 사용 및 상업적 결과물 생성 예외를 설명합니다.

이 예외는 모든 상업적 학습, 재배포 또는 서비스 제공 계약을 포괄적으로 허가하는 것이 아닙니다. 더 큰 조직 및 기타 사용 사례는 BFL의 상업 라이선스 조건을 검토하거나 해당 약관에 따라 호스팅 API를 사용해야 합니다. 별도 Qwen 텍스트 인코더는 Apache-2.0을 사용합니다.

BFL은 학습 데이터 필터링, 학습 후 완화 조치, 내부 레드팀 및 Cinder의 평가를 보고합니다. 이 조치들이 모델 카드에 명시된 한계를 제거하는 것은 아닙니다. 생성 텍스트는 부정확할 수 있고, 프롬프트 준수가 실패할 수 있으며, 편향이 나타날 수 있고, 편집이 의도하지 않은 영역을 변경할 수 있습니다.

FAQ

FLUX 3 Image Klein이란 무엇인가요?

텍스트-이미지 생성, 이미지 편집 및 다중 참조 합성을 위한 BFL의 오픈 웨이트 이미지 모델입니다. 56억 파라미터 수치는 이미지 트랜스포머를 설명하며 별도 텍스트 인코더는 제외합니다.

8GB GPU에서 실행할 수 있나요?

BFL은 지원되는 최적화 INT8 구성이 최소 8GB VRAM GPU에서 실행될 수 있다고 설명합니다. 하지만 참조 구현의 문서화된 피크 메모리는 훨씬 높으므로, 하드웨어 적합성은 전체 런타임 구성에 따라 달라집니다.

Klein Base와 Klein의 차이는 무엇인가요?

Klein Base는 파인튜닝, LoRA 및 연구용으로 설계된 비증류 체크포인트이며, 공개된 구성은 50스텝입니다. Klein은 생성과 편집을 위해 증류된 체크포인트로, 공개된 구성은 가이던스 없는 16스텝입니다.

바운딩 박스가 다른 픽셀이 변경되지 않도록 보장하나요?

아니요. 공식 모델 카드는 박스가 하드 마스크를 적용하는 대신 배치와 크기를 안내한다고 설명합니다. 호스팅 API의 픽셀 복원 기능은 서빙 워크플로의 별도 구성 요소입니다.

상업적 사용은 무료인가요?

라이선스에는 모든 약관을 전제로 총 연환산 매출 미화 500만 달러 기준 미만의 적격 사용자를 위한 상업적 결과물 생성 예외가 포함됩니다. 상업적 파인튜닝, 배포 및 기타 계약은 매출 기준만으로 판단하지 말고 전체 계약을 확인해야 합니다.

Diffusers가 프롬프트를 자동으로 확장하나요?

문서화된 Diffusers 파이프라인은 프롬프트 업샘플러를 자체적으로 실행하지 않습니다. BFL은 먼저 업샘플러 또는 적합한 다른 언어 모델을 실행한 뒤, 결과로 생성된 전체 캡션을 이미지 파이프라인에 전달하도록 권장합니다.

관련 도구

• BFL API: 증류 모델에 대한 호스팅 접근을 제공합니다.
• 참조 추론 코드: 추론 유틸리티와 바운딩 박스 예제를 포함합니다.
• ComfyUI 통합: 지원되는 로컬 생성을 위한 노드 기반 경로를 제공합니다.
• Ostris의 AI Toolkit: 출시에서 식별된 모델 적응 워크플로를 지원합니다.

관련 링크

• BFL 출시 발표: 출시 세부 사항, 선별된 결과물 및 비교 방법론을 공개합니다.
• 증류 체크포인트 및 모델 카드: 프롬프팅, 하드웨어 측정 및 모델 한계를 문서화합니다.
• 베이스 체크포인트: 적응 학습과 연구용 체크포인트를 제공합니다.
• 공식 추론 리포지터리: 참조 추론과 구조화된 레이아웃 가이던스를 설명합니다.
• FLUX Kommunity License: 적용되는 사용, 배포 및 상업적 결과물 조건을 포함합니다.
• Image Klein API 참조: 호스팅 생성 엔드포인트를 설명합니다.
• BFL 안전 방법론: 오용 방지를 위한 회사의 접근 방식을 설명합니다.

요약

FLUX 3 Image Klein은 텍스트-이미지 생성, 참조 기반 편집 및 레이아웃 가이던스를 더 작은 오픈 웨이트 이미지 생성기에 담았습니다. 베이스와 증류 체크포인트는 개발자에게 적응 학습과 더 빠른 추론을 위한 서로 다른 경로를 제공합니다.

주요 배포 고려 사항은 파라미터 수를 넘어섭니다. 전체 메모리 사용량, 프롬프트 업샘플링, 편집 동작 및 라이선스 범위를 검토해야 합니다. 가중치 크기 수치나 출시 벤치마크를 완전한 배포 사양으로 간주하지 말고, 전체 파이프라인을 선택하고 평가하세요.