FLUX 3 Image Klein: praktyczny przewodnik po obrazach referencyjnych i edycji

Masz zdjęcie produktu, które nadaje się do katalogu, ale jego układ nie pasuje do kolejnego zadania. Trzeba przesunąć obiekt w lewo, zmienić tło i zostawić po prawej stronie puste miejsce na nagłówek. Poprosić generator o nowy obraz jest łatwo. Trudniej uzyskać poprawkę, której naprawdę można użyć.

FLUX 3 Image Klein łączy generowanie obrazów z tekstu, edycję i wiele obrazów referencyjnych w jednej rodzinie modeli. Black Forest Labs udostępniło go 15 października 2026 r. Ciekawą zmianą nie jest kolejna efektowna próbka, lecz możliwość opisania zarówno zawartości obrazu, jak i położenia jego elementów. Ogłoszenie BFL

Ten przewodnik prowadzi od małego pierwszego eksperymentu do powtarzalnego procesu edycji. Zacznij w przeglądarce, jeśli chcesz poznać narzędzie; wybierz API, gdy budujesz aplikację; rozważ uruchomienie lokalne, gdy kontrola nad plikami lub częste użycie uzasadniają konfigurację. Do tego wyboru nie musisz znać matematyki dyfuzji.

Wybierz najkrótszą drogę do użytecznego obrazu

To różne produkty zbudowane wokół powiązanych wag, a nie wymienne przyciski. Model to wyuczony zestaw wag. Środowisko uruchomieniowe wykonuje model. ComfyUI oferuje interfejs przepływów pracy, Diffusers — komponenty Pythona, a hostowane API — zarządzaną usługę. Funkcja widoczna w jednym interfejsie może zależeć od przetwarzania, którego nie ma w innym.

Na pierwszą próbę otwórz oficjalny Space albo BFL Playground. Przed generowaniem sprawdź komunikaty dotyczące konta i opłat. Przeglądarka działa jako punkt startowy w Windows, macOS i Linuksie; zdalna usługa nie wymaga lokalnego GPU.

Użyj obrazu, do którego masz prawa i który możesz bezpiecznie przesłać do danej usługi. Własne zdjęcie kubka to lepszy materiał do nauki niż nieopublikowane zdjęcie produktu klienta. Ćwiczenie poniżej stawia mały, konkretny cel i podpowiada, jak ocenić wynik.

Wprowadź jedną kontrolowaną zmianę, zanim dodasz dziesięć referencji

1. Zachowaj niezmieniony obraz źródłowy i zapisz jego wymiary.
2. Wybierz proces edycji i dołącz ten jeden obraz.
3. Opisz całą oczekiwaną scenę, w tym to, co powinno pozostać rozpoznawalne.
4. Poproś o jedną zmianę, na przykład inne tło, zamiast jednocześnie zmieniać obiekt, styl i kompozycję.
5. Porównaj wynik ze źródłem w pełnej rozdzielczości. Sprawdź kształt, tekst, krawędzie i oświetlenie, nie tylko miniaturę.
6. Zachowaj instrukcję razem z wynikiem. W następnej próbie zmień jeden parametr.

Na przykład zacznij od takiego opisu sceny:

A catalog photograph of the same plain ceramic mug from the reference image,
with its handle and proportions preserved, on a matte pale-green surface.
Soft light comes from the left. The mug sits in the left third of a wide
composition, leaving clear space on the right for text added later.

Kryteria akceptacji określasz samodzielnie: uchwyt się nie zmienił, sylwetka kubka nadal jest użyteczna, a puste miejsce rzeczywiście pozostało puste. Jeśli logo musi być dokładne, porównaj je z oryginałem zamiast ufać wiarygodnie wyglądającej rekonstrukcji. Gdy pisownia i geometria marki są nienegocjowalne, dodaj finalną typografię w zwykłym programie graficznym.

Oficjalna karta modelu opisuje obsługę do 10 obrazów referencyjnych. To maksymalna liczba, nie zalecenie, by zawsze używać dziesięciu. Dwie referencje z różnymi kątami kamery mogą wprowadzić więcej niejasności niż jedna dobra. Przypisz każdemu obrazowi konkretną rolę: obiektu, materiału, kompozycji albo stylu.

Ramki układu podpowiadają kompozycję, ale nie blokują pikseli

FLUX 3 obsługuje opisy regionów z użyciem znormalizowanych współrzędnych. Zamiast pisać tylko „umieść obiekt po lewej”, możesz określić ramkę i opisać przypisaną do niej zawartość. Zakres współrzędnych wynosi od 0 do 1000, więc opis układu nie zależy bezpośrednio od tego, czy wynik ma 1024, czy 2048 pikseli szerokości. Przewodnik BFL po ramkach ograniczających

Oryginalny diagram objaśniający. Ramka określa żądane położenie, a nie wynik generowania ani twardą maskę obrazu.

Oto przykładowy fragment promptu generowania. Opisuje nową kompozycję, nie edycję obrazu referencyjnego. Umieść go w prompcie, nie w terminalu:

A clean studio composition with a ceramic mug <mug_1> on the left.
[{"id":"mug_1","bbox":[200,80,850,480],"desc":"A plain ceramic mug with a visible handle"}]

Kolejność wartości to góra, lewo, dół, prawo. W przykładzie ramka zaczyna się 20% od góry i 8% od lewej, a kończy 85% od góry i 48% od lewej. Przy prawdziwym projekcie najpierw naszkicuj układ, a potem przelicz go na współrzędne. Zamiana wartości poziomych z pionowymi to prosty sposób na uzyskanie mylącego wyniku.

Edycja musi wskazywać zarówno źródło, jak i miejsce docelowe. Poniższe przykładowe ciało żądania API przenosi kubek z centralnej ramki źródłowej do ramki po lewej. Zastąp przykładowy adres URL obrazu działającym adresem własnego pliku; nie wysyłaj niezmienionego placeholdera. Pierwsza referencja ma identyfikator ref_image_0.

{
  "images": ["https://example.com/your-own-mug.png"],
  "output_format": "png",
  "prompt": "In <ref_image_0>, move the mug <mug_1> to the left. Preserve the mug's handle and the plain background. [{\"id\":\"mug_1\",\"from\":\"ref_image_0\",\"src_bbox\":[200,300,850,700],\"tgt_bbox\":[200,80,850,480],\"desc\":\"The same plain ceramic mug with its handle visible\"}]"
}

Pole from wskazuje referencję, src_bbox — pierwotny obszar, a tgt_bbox — oczekiwane położenie. Dodaj kolejne wiersze dla innych elementów, jeśli potrzebujesz dokładniejszego planu zachowania. Osobny plik boxes.json lokalnego CLI używa współrzędnych od 0 do 1; nie wklejaj tam wartości API z zakresu 0–1000. Składnia edycji hostowanej, lokalny format ramek

Nie zakładaj, że ramka gwarantuje niezmienność wszystkiego poza jej obszarem. Dokumentacja surowego checkpointu ostrzega, że edycja może wpłynąć na inne regiony, a elementy mogą wykraczać poza ramki. Hostowana ścieżka edycji BFL obejmuje też odtwarzanie pikseli; nie przypisuj po cichu tej funkcji każdemu lokalnemu potokowi. Sprawdź używaną implementację. Ograniczenia checkpointu

W pracy do druku lub dla klienta nałóż stare i nowe obrazy na siebie w edytorze. Jeśli obiekt został poprawnie przesunięty, ale tekst na opakowaniu się zmienił, zadanie kompozycyjne się udało, a zachowanie zasobu — nie. To dwa odrębne kryteria; ich rozdzielenie znacznie ułatwia iterację.

Żądanie API rozpoczyna zadanie, nie dostarcza gotowego pliku

Programiści mogą wysłać żądanie obrazu do udokumentowanego endpointu. W terminalu macOS lub Linuksa ustaw prywatnie BFL_API_KEY w środowisku i użyj krótkiego przykładu poniżej. Usługa może naliczyć opłatę; nie umieszczaj klucza w publicznym repozytorium ani pakiecie przeglądarkowym.

curl --fail-with-body --request POST \
  --url https://api.bfl.ai/v1/flux-3-image-klein \
  --header "x-key: $BFL_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{"prompt":"A simple studio photograph of a plain ceramic mug on a pale green surface","aspect_ratio":"16:9","output_format":"png"}' \
  --output bfl-job.json

W Windows PowerShell użyj tego samego endpointu i natywnej serializacji JSON:

$body = @{
    prompt = "A simple studio photograph of a plain ceramic mug on a pale green surface"
    aspect_ratio = "16:9"
    output_format = "png"
} | ConvertTo-Json
$job = Invoke-RestMethod -Method Post `
    -Uri "https://api.bfl.ai/v1/flux-3-image-klein" `
    -Headers @{ "x-key" = $env:BFL_API_KEY } `
    -ContentType "application/json" -Body $body
$job | ConvertTo-Json -Depth 10 | Set-Content -Encoding utf8 bfl-job.json

Wybierz jedną z metod wysłania. Obie zapisują przyjęte zadanie w bfl-job.json; żadna nie pobiera wyniku. Zapisz poniższy skrypt Pythona korzystający ze standardowej biblioteki jako poll_result.py w tym samym folderze. Udostępnij procesowi BFL_API_KEY, a następnie uruchom python poll_result.py w Windows lub python3 poll_result.py w macOS/Linux. Skrypt sprawdza istniejące zadanie i zapisuje result.png, nie wysyłając kolejnego żądania generowania.

import json
import os
from pathlib import Path
import time
from urllib.parse import urlparse
from urllib.request import Request, urlopen

job = json.loads(Path("bfl-job.json").read_text(encoding="utf-8-sig"))
polling_url = job["polling_url"]
parsed = urlparse(polling_url)
if parsed.scheme != "https" or not (parsed.hostname or "").endswith(".bfl.ai"):
    raise ValueError("Unexpected polling host; inspect the saved job")
headers = {"x-key": os.environ["BFL_API_KEY"]}
deadline = time.monotonic() + 600

while time.monotonic() < deadline:
    with urlopen(Request(polling_url, headers=headers), timeout=60) as reply:
        result = json.load(reply)
    status = result["status"]
    print(job["id"], status)
    if status == "Ready":
        sample = result["result"]["sample"]
        if urlparse(sample).scheme != "https":
            raise ValueError("Unexpected result URL")
        with urlopen(sample, timeout=120) as image:
            Path("result.png").write_bytes(image.read())
        print("Saved result.png; inspect it before accepting the asset")
        break
    if status not in {"Pending", "Reasoning", "Generating"}:
        raise RuntimeError(f"Job stopped: {status}; keep bfl-job.json")
    time.sleep(1.5)
else:
    raise TimeoutError("Keep bfl-job.json and resume polling this job later")

API wyniku rozróżnia stany: w toku, gotowe, moderowane i błędne. Jeśli wyjątek sieciowy przerwie skrypt, zachowaj plik zadania i uruchom ponownie poller, a nie polecenie wysyłające. Niepewną odpowiedź po wysłaniu sprawdź przed ponowieniem: utrata odpowiedzi nie dowodzi, że usługa odrzuciła płatne zadanie. Schemat żądania

Przydatna aplikacja przechowuje trzy rekordy: zasób źródłowy, zadanie generowania i zaakceptowany wynik. Użytkownik powinien móc wrócić do oryginału nawet po odrzuceniu poprawki. Taki projekt jest cenniejszy niż przycisk ukrywający wszystkie etapy pośrednie i tworzący tajemniczy plik JPEG.

Lokalna instalacja wymaga uwzględnienia całego budżetu pamięci

Oznaczenie 5,6B w nazwie Klein dotyczy transformera obrazu, a nie wszystkich komponentów wymaganych przez proces. Zasoby zużywają również enkoder tekstu, autoenkoder obrazu, upsampler promptów, aktywacje i tokeny obrazów referencyjnych. Referencyjne CLI, demo i API Pythona domyślnie włączają upsampler; BFL zaleca pozostawić go aktywnym, chyba że dostarczasz już przygotowany opis w jego stylu. Rozmiar pliku z wagami nie jest więc wiarygodnym szacunkiem całkowitego VRAM. To podobne rozróżnienie jak przy ocenie dużych lokalnych modeli językowych. Implementacja referencyjna

BFL reklamuje zoptymalizowane ścieżki dla konsumenckich GPU, w tym konfigurację INT8 dla karty z 8 GB pamięci. Karta modelu z kodem referencyjnym podaje znacznie wyższe maksima dla innych konfiguracji. Dotyczy to różnych przepisów; żadna z tych wartości nie jest uniwersalnym minimum dla każdego interfejsu, rozdzielczości i liczby referencji. Zapisuj środowisko uruchomieniowe, precyzję, rozmiar obrazu i sposób odciążania pamięci razem z każdą liczbą. Przykłady sprzętowe z ogłoszenia, szczegóły sprzętowe implementacji referencyjnej

Oryginalna lista kontrolna zasobów, nie benchmark. Rozmiary komponentów i maksymalne zużycie podczas działania zależą od konfiguracji.

W Windows ze zgodnym GPU NVIDIA zacznij od bieżącej integracji ComfyUI lub środowiska zalecanego przez BFL. Potwierdź, że używasz dokładnego przepływu FLUX 3, a nie szablonu FLUX 2 o podobnej nazwie. Pomyślne pobranie modelu nie dowodzi zgodności węzłów niestandardowych, skwantyzowanych jąder i enkoderów tekstu.

W Linuksie repozytorium referencyjne i przewodnik integracji Diffusers opisują ścieżki dla programistów. Poniższa instalacja referencyjna dotyczy udokumentowanej konfiguracji CUDA 13, przetestowanej przez wydawcę na B200, a nie wariantu dla karty 8 GB. Użytkownicy Windows potrzebują zgodnego środowiska Linux/WSL do wykonania tych poleceń Bash. Najpierw sprawdź zgodność sterownika i pełny budżet pamięci.

1. Zainstaluj Git i Python 3.12, a następnie przygotuj odizolowane środowisko:

git clone https://github.com/black-forest-labs/flux-3-image-klein.git
cd flux-3-image-klein
python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install -e . --extra-index-url https://download.pytorch.org/whl/cu130

2. Zaakceptuj warunki checkpointu na własnym koncie Hugging Face, uwierzytelnij się poleceniem hf auth login i pobierz udokumentowany pakiet distilled. Referencyjny README szacuje potrzebne miejsce na dysku na około 52 GB dla tego modelu, upsamplera i klasyfikatora bezpieczeństwa; wolne miejsce na dysku to nie VRAM.

hf download black-forest-labs/flux-3-image-klein --local-dir weights/flux-3-image-klein --exclude 'variants/*'
hf download black-forest-labs/flux-3-image-klein-pup --local-dir weights/pup
hf download Falconsai/nsfw_image_detection --local-dir weights/nsfw-classifier

3. Wygeneruj jeden obraz, pozostawiając włączony upsampler promptów, a następnie sprawdź out.png i dołączony plik JSON z ustawieniami:

python scripts/cli.py "A plain ceramic mug on a pale green studio surface" --model distilled --out out.png --seed 7

4. Aby uruchomić interfejs przeglądarkowy na własnym komputerze, wpisz python scripts/app.py, otwórz http://127.0.0.1:7860, wybierz Edit, dołącz własny obraz i opisz jedną zmianę. Osobna karta Layout służy do rysowania ramek. Pozostaw aplikację dostępną tylko przez loopback; nie włączaj publicznego udostępniania prywatnych materiałów. Konfiguracja referencyjna i demo

Dodaj kwantyzację lub odciążanie do CPU dopiero po uzyskaniu działającej konfiguracji bazowej. Dla GPU 8 GB skorzystaj z osobnych plików i instrukcji ComfyUI, a nie z założeń pamięciowych pełnego kodu referencyjnego.

Na Macu przeglądarka i API pozostają prostymi opcjami. Nie kopiuj poleceń instalacji CUDA ani wyników szybkości dla NVIDIA jako oczekiwań wobec Apple Silicon. Lokalna ścieżka wymaga zgodnej implementacji Metal/MPS i wystarczającej pamięci zunifikowanej dla wszystkich komponentów; ogólny przykład biblioteki używający mps nie dowodzi, że działa każda ścieżka kwantyzowana. Maki z procesorem Intel to osobny przypadek sprzętowy, a nie inna nazwa Apple Silicon.

Dłuższy prompt pomaga, gdy usuwa niejasności

Implementacja referencyjna rozwija krótką instrukcję w pełny opis sceny przed generowaniem obrazu. To upsampling promptu, czyli osobny etap z użyciem modelu językowego, domyślnie włączony w referencyjnym CLI, demo i API Pythona. Bieżący README implementacji referencyjnej odsyła też do potoku Diffusers wykonującego upsampling przy każdym żądaniu. Zachowaj to zachowanie, zamiast zakładać, że krótki, nieprzetworzony prompt jest równoważny. Przygotowanie promptu

Jeśli upsampler i model obrazu nie mieszczą się jednocześnie w pamięci, przepis referencyjny pozwala najpierw wykonać upsampling, a potem przekazać przygotowany opis do generowania. Opis może też przygotować zewnętrzny model vision-language z użyciem opublikowanych promptów systemowych. Za flagą --no-pup powinien znaleźć się tylko tak przygotowany opis; flaga nie jest bezpłatną optymalizacją pamięci dla nierozwiniętej, jednowierszowej instrukcji. Upsampling i hostowane odtwarzanie pikseli to różne funkcje, więc zachowanie jednej nie oznacza, że inne środowisko zawiera drugą.

Zanim dodasz specjalistyczną składnię, opisz zwykłym językiem obiekt, tło, światło i oczekiwaną zmianę. „Zrób to profesjonalnie” pozostawia prawie wszystko nierozstrzygnięte. „Zachowaj kubek i uchwyt, użyj prostego tła, zostaw wolną prawą jedną trzecią” daje systemowi mniej sprzecznych celów. Więcej przymiotników nie oznacza automatycznie lepszej instrukcji.

W drugim zastosowaniu przygotuj serię ilustracji do artykułu. Zachowaj paletę i opis obiektu, zmieniając kompozycję dla szerokiego nagłówka i kwadratowej grafiki do mediów społecznościowych. Sprawdź, czy obiekt jest spójny między formatami; nie zakładaj, że udany obraz o jednym współczynniku proporcji równie dobrze przeniesie się na inny.

W trzecim zastosowaniu porównaj wewnętrznie makiety opakowań. Użyj fikcyjnych etykiet lub zatwierdzonych materiałów i oznacz wyniki jako koncepcje. Atrakcyjna wizualizacja nie potwierdza wykonalności produkcyjnej, dokładności odwzorowania kolorów ani zgody na wykorzystanie wizerunku fotografowanej osoby. Po wygenerowaniu projekt nadal wymaga oceny produkcyjnej.

Wyceniaj gotowy zasób, nie tylko jedno udane żądanie

W ogłoszeniu premierowym podano ceny API zaczynające się od 0,009 USD za obraz 1K, według stanu na 15 października. Cena początkowa nie obowiązuje w każdym wariancie rozdzielczości i przepływu pracy. Przed oszacowaniem kampanii sprawdź bieżący cennik BFL, opłaty konta i zasady żądań.

Przy planowaniu budżetu policz próby potrzebne na jeden zaakceptowany zasób. Jeśli zadanie wymaga pięciu poprawek, właściwą jednostką jest tych pięć prób oraz czas na ocenę i wykończenie. Lokalne uruchomienie zastępuje część opłat za usługę wydatkami na sprzęt, prąd, przestrzeń dyskową i utrzymanie; nie usuwa kosztu kontroli wyników.

Otwarte wagi nie oznaczają też nieograniczonych praw komercyjnych. Licencja FLUX Kommunity rozróżnia użytek niekomercyjny, kwalifikujące się komercyjne generowanie wyników i inne działania komercyjne. Osobno sprawdź progi przychodów, podmioty powiązane, redystrybucję modelu i użycie treningowe. Prawa do zdjęcia wejściowego, znaku towarowego lub wizerunku osoby są niezależne od licencji modelu.

Gdy edycja się nie uda, zawęź problem

Co warto ustalić przed drugim projektem?

Czy FLUX 3 Image Klein zastąpi Photoshopa?

To model generowania i edycji dostępny na kilka sposobów, a nie kompletna aplikacja do pracy na warstwach. Może pomóc tworzyć lub poprawiać zasoby; narzędzia zaznaczania, precyzyjna typografia, zarządzanie kolorem, wersjonowanie i przygotowanie plików do dostawy mogą nadal należeć do edytora.

Czy mogę użyć koreańskiego tekstu i oczekiwać dokładnego zapisu?

Sprawdź własny tekst w rozmiarze docelowym. Karta modelu ostrzega, że generowane napisy mogą być niedokładne lub zniekształcone. Czytelne demo po angielsku nie dowodzi niezawodnego składu po koreańsku. Jeśli to możliwe, zachowaj dokładną treść jako edytowalny tekst.

Czy lokalna inferencja oznacza, że cały proces jest offline?

Tylko jeśli świadomie tak go skonfigurowano. Pierwsze pobrania, zdalne rozwijanie promptu, zewnętrzne węzły i telemetria mogą powodować ruch sieciowy. Sprawdź cały przepływ, a nie tylko lokalizację transformera obrazu.

Który checkpoint wybrać na początek?

Zacznij od udokumentowanej ścieżki generowania distilled. Checkpoint bazowy jest przeznaczony do adaptacji i badań. Gdy masz już znane zadanie, porównuj alternatywy na tych samych danych wejściowych, zamiast jednocześnie zmieniać model, prompt i rozdzielczość.

Przełomem jest poprawka, której można zaufać

Naszym zdaniem AI do obrazów staje się użyteczniejsza, gdy daje ludziom lepszą kontrolę nad poprawkami, a nie tylko większą galerię niespodzianek. FLUX 3 Image Klein jest interesujący, bo referencje, układy i kilka sposobów wdrożenia przybliżają tę kontrolę do codziennej pracy. Nadal trzeba uwidocznić oryginał, oczekiwaną zmianę i kryteria akceptacji.

Zacznij od jednego obrazu i jednej przemyślanej edycji. Proces, który niezawodnie dostarcza zaakceptowany zasób, jest lepszy niż szybki model pozostawiający niejasność co do wprowadzonych zmian.

Źródła i materiały

Sprawdzone 18 października 2026 r. Opisane funkcje i dane o wydajności pochodzą z podlinkowanych publikacji; nie deklarujemy lokalnego benchmarku ani płatnego generowania. Trzy diagramy są oryginalnymi ilustracjami objaśniającymi. Zobacz oficjalną galerię wyników BFL i oficjalne interaktywne demo; obrazy stron trzecich nie są tu reprodukowane.

• Ogłoszenie BFL z 15 października
• Checkpoint, ograniczenia i lokalne przepisy
• Integracja Diffusers i przykłady przepływów, 15 października
• Schemat żądania BFL API
• Licencja FLUX Kommunity

Zachowaj eksperymenty w formie, do której można wrócić

Przechowuj linki do źródeł, prompty, ustawienia i notatki z oceny razem, zamiast zapisywać wyłącznie końcowy obraz. Telli.sh może pomóc uporządkować notatki z badań; nie jest integracją do generowania obrazów. Utwórz konto Telli.sh