FLUX 3 Image Kleinのベースモデルが公開。5.6B の画像生成と編集に対応
この記事のポイント
- テキストから画像を生成する模型
- 参照画像を10枚まで扱える
- BF16とFP8/NVFP4の重みを公開
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 |
| 参照画像数 | 10枚 |
どこで使えるか
テキストから画像を生成・編集したい人向け。BF16とFP8/NVFP4の重みを公開 Hugging Faceで公開済み 条件受諾が必要。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2026年10月13日、FLUX 3 Image Klein という5.6Bのパラメータを持つ画像生成モデルを公開しました。テキストを入力して最大10枚の写真を一緒に渡すと、1枚の画像を返す仕組みです。
5.6Bで10枚の写真まで読めるんですか。
はい、画像変換器の部分が5.6Bです。テキストを処理するエンコーダーは別のQwen3-VL-4B-Instructを使います。同じモデルで、テキストからの生成も、1枚の写真を元にした修正も、複数の写真を組み合わせた合成もできます。
1つのモデルで全部やるんですか。
そうです。ただし短いコマンドだけだと単調な画像になるので、プロンプトを詳しく書き直すアップサンプリング機能が必須です。プロンプトアップサンプリングは、例えばレシピの材料リストを、調理人が実際に使う分量や手順に書き直すような作業です。
指示文を詳しくしてから画像を作るんですね。
正確には、指示文をアップサンプリングしてから本体に渡します。リポジトリにはBF16の重みと、FP8、NVFP4 という圧縮版が用意されています。ファインチューニングやLoRA学習、研究目的のベースチェックポイントです。
圧縮版もあるんですか。
はい。共有のテキストエンコーダーと画像オートエンコーダーは共通で、変換器だけ重みを置き換えます。条件に同意すれば誰でもアクセスできますが、推論コードやプロンプトアップサンプリング、Bounding Box の形式はGitHubで公開されています。
では、作る人から見ると、この圧縮版を使うのに必要な環境は公開されていますか。
重みの形式は公開されていますが、動作に必要なGPUのメモリやドライバーの条件については、そこはまだ分かっていません。
では、研究する人から見ると、どこが新しいんですか。
画像変換器とテキストエンコーダーを分けた構成で、3つのタスクを1つのモデルで回します。ただしプロンプトなしでは使えない点と、蒸留済みの軽量版は別リポジトリにあるため、このベース版だけで性能を測る場合は注意が必要です。
最後に、今後の見通しは。
条件を受け入れたあとの入手方法や、各圧縮版の速度差についてはまだ分かりません。
出典
この記事のもとになった情報
- Hugging Face:black-forest-labs/flux-3-image-klein-base
- 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。