FLUX 3 Image Kleinが公開。5.6B パラメータでテキストと画像から画像を生成
この記事のポイント
- テキストから画像を生成・編集する
- 10枚までの参照画像で編集・合成
- BF16とFP8/NVFP4で公開
数字で見る
この記事に出てくる数字
| パラメータ数 | 5.6B |
|---|---|
| テキストエンコーダ | 4B |
| 参考画像数 | 10 |
どこで使えるか
テキストと画像から画像を生成したい人向け。BF16とFP8/NVFP4で公開 Hugging Faceで公開済み 条件受諾必要。BF16/FP8/NVFP4対応
動画を見る
スポンサーリンク
解説
かみくだいて説明します
black-forest-labsが10月13日に公開したFLUX 3 Image Kleinは、テキストと最大10枚の参考画像を入力して1枚の画像を生成する、およそ5.6Bパラメータのオープンウェイトモデルです。テキストから画像を作る機能も、参考画像1枚で編集する機能も、複数枚を組み合わせる機能も、同じモデルで動きます。
10枚まで使えるんですね。作る側からすると、いま現場で使われているやり方と比べて、どこが置き換わる話なんですか?
従来のモデルだと用途ごとに別々の重みが必要でしたが、このモデルは1つに集約されています。同じ重みで全部こなすので、開発の手間は減ります。
なるほど。パラメータの数が5.6Bとありますが、これは画像を作る部分だけなんですか。
正確には画像を処理するトランスフォーマー部分だけです。テキストを解釈する部分は別で、Qwen3-VL-4B-Instructを使っています。BF16の本来の重みのほか、FP8やNVFP4といった量子化された変換版も用意されています。
分かりません。量子化は重みを小さくする処理ですか。
そうです。データを圧縮してファイルの容量を減らす作業です。例えば大きな荷物を小型の箱に詰め直すイメージで、中身は同じですが持ち運びやすくなります。
分かりました。容量が減るならGPUのメモリも楽になりますか。
必ずしもそうとは限りません。ファイルのサイズとメモリ使用量は別物で、量子化版を使うには専用の読み込み機能が必要です。対応していない環境では動かない可能性があります。
では、研究で使う場合はどうすればいいんですか。
重みを自由に書き換えるLoRA学習や微調整がしたい場合は、FLUX 3 Image Klein Baseという別のパッケージを使います。こちらは量子化されていないBF16の重みがそのまま入っています。
なるほど、用途で分けられているんですね。では、コードやプロンプトの書き方はどこで見られますか。
GitHubで公開されています。リポジトリ名はblack-forest-labs/flux-3-image-kleinです。推論コードやプロンプトのアップサンプリング、境界ボックスの形式が確認できます。
最後に、今後どのような展開が予想されますか。
BF16のモデル一式に文字の読み取り部分と画像の変換部分までまとめて入っていて、FP8やNVFP4の軽量版と推論コードも公開されているみたいだよ
出典
この記事のもとになった情報
- Hugging Face:black-forest-labs/flux-3-image-klein
- 公開日:2026-10-13
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。