FLUX 3 Image Klein: Mô hình tạo ảnh mã nguồn mở 5,6 tỷ tham số vừa ra mắt

Black Forest Labs vừa chính thức phát hành FLUX 3 Image Klein, một mô hình mã nguồn mở với 5,6 tỷ tham số dành cho việc tạo ảnh từ văn bản, chỉnh sửa ảnh và tạo ảnh đa tham chiếu với tối đa 10 ảnh đầu vào. Đây được xem là bước tiến quan trọng trong việc đưa các mô hình tạo ảnh chất lượng cao đến gần hơn với người dùng phổ thông và các nhóm phát triển nhỏ.

Điểm nổi bật của mô hình này nằm ở khả năng tạo ảnh 4K gốc, chỉnh sửa ảnh chính xác từng pixel và sử dụng bounding box để kiểm soát vị trí các phần tử hoặc giới hạn vùng chỉnh sửa trong một khu vực xác định.

Mô hình FLUX 3 Image Klein với khả năng tạo ảnh chất lượng cao

Hiệu năng vượt trội với ít tham số hơn

Theo đánh giá nội bộ của Black Forest Labs, FLUX 3 Image Klein đứng đầu ở cả ba hạng mục: tạo ảnh từ văn bản, tạo ảnh đa tham chiếu và chỉnh sửa ảnh, vượt qua cả những mô hình mã nguồn mở có kích thước lớn hơn.

Đáng chú ý, mô hình này còn được đánh giá cao hơn cả các mô hình đóng như Ideogram V4.5 và FLUX.2 [pro]. Với chỉ 5,6 tỷ tham số, đây là mô hình mở nhỏ nhất trong bảng so sánh, khiêm tốn hơn nhiều so với 7 tỷ tham số của Qwen-Image 2.1 hay 12,9 tỷ tham số của Krea 2.

So với phiên bản tiền nhiệm FLUX.2 [klein] 9B, mô hình mới đạt thêm 91 điểm Elo ở hạng mục tạo ảnh và 70 điểm Elo ở chỉnh sửa ảnh, dù giảm tới 38% số lượng tham số.

Chạy được trên GPU phổ thông

Một trong những điểm đáng chú ý nhất của FLUX 3 Image Klein là khả năng tối ưu hóa cho GPU tiêu dùng. Việc ít tham số hơn giúp mô hình có thể chạy cục bộ một cách thiết thực và chi phí tinh chỉnh cũng rẻ hơn.

Cụ thể, trọng số của mô hình generator cần 11,2 GB ở định dạng BF16 và 5,6 GB ở FP8. Với bản build INT8, FLUX 3 Image Klein có thể chạy trên các GPU NVIDIA GeForce RTX với chỉ từ 8GB VRAM, thông qua ComfyUI hoặc Diffusers.

Với mô hình distilled kết hợp bản build INT8, mô hình có thể tạo ảnh 1MP trong khoảng 4 giây trên RTX 5090 và dưới 9 giây trên RTX 4070. Đây là bước tiến đáng kể so với FLUX.2 [klein], mở rộng khả năng chạy trên phần cứng ngày càng nhỏ gọn hơn.

Với mô hình distilled và bản build INT8, FLUX 3 Image Klein tạo ảnh 1MP chỉ trong khoảng 4 giây trên RTX 5090 và dưới 9 giây trên RTX 4070 thông qua ComfyUI.

Nền tảng cho tinh chỉnh và phát triển

Bản checkpoint cơ sở của FLUX 3 Image Klein được thiết kế để tinh chỉnh (fine-tuning). Cả Diffusers lẫn AI Toolkit của Ostris đều hỗ trợ huấn luyện LoRA ngay từ ngày đầu, trong khi NVIDIA NeMo AutoModel cung cấp các recipe hoạt động trực tiếp từ checkpoint được phát hành.

Kiến trúc và khả năng của FLUX 3 Image Klein

Black Forest Labs cũng cho biết mô hình được huấn luyện trên NVIDIA GB200 NVL72 và tối ưu cho nền tảng tính toán tăng tốc của NVIDIA, phục vụ thông qua NVIDIA TensorRT LLM, vLLM-Omni và SGLang Diffusion. Trên NVIDIA GB300, mô hình distilled có thể tạo ảnh 1MP trong dưới 0,6 giây ở định dạng NVFP4.

Về hiệu năng và độ trễ

Mô hình này cũng mở rộng đường biên Pareto về tốc độ – chất lượng, đạt độ trễ thấp hơn Qwen-Image 2.1, FLUX.2 [pro], Ideogram V4.5 và Krea 2 thông qua BFL API. Độ trễ được đo từ lúc gửi yêu cầu đến khi hoàn thành ảnh 1MP, bao gồm cả thời gian xếp hàng.

FLUX 3 Image Klein kế thừa những hiểu biết chung của dòng FLUX 3 trên cả hình ảnh, video và âm thanh. Hình ảnh đóng góp chi tiết không gian, video bổ sung chuyển động và động lực vật lý, còn âm thanh cung cấp thông tin về các sự kiện và tương tác.

So sánh hiệu năng FLUX 3 Image Klein với các mô hình khác

Giấy phép và khả năng truy cập

Trọng số của FLUX 3 Image Klein được phát hành theo FLUX Kommunity License, cho phép sử dụng thương mại miễn phí đối với cá nhân và các công ty có doanh thu hàng năm dưới 5 triệu USD, kèm theo mục đích nghiên cứu và phi thương mại.

Các tổ chức lớn hơn có thể triển khai thương mại thông qua các tùy chọn cấp phép tự lưu trữ hoặc API của Black Forest Labs. Giá khởi điểm từ 0,009 USD cho ảnh 1K.

Mô hình hiện có sẵn trên BFL API, Hugging Face, ComfyUI, và playground của Black Forest Labs. Đây là bản phát hành mã nguồn mở thứ hai của dòng FLUX 3, sau FLUX 3 Action — mô hình 7 tỷ tham số dành cho điều khiển robot.

Ý nghĩa với người dùng Việt Nam

Với cộng đồng phát triển và sáng tạo nội dung tại Việt Nam, FLUX 3 Image Klein mở ra nhiều khả năng thực tế. Khả năng chạy trên GPU với chỉ 8GB VRAM đồng nghĩa với việc các nhà sáng tạo nội dung, nhà thiết kế và lập trình viên có thể sử dụng mô hình tạo ảnh mạnh mẽ ngay trên laptop cá nhân, không cần đầu tư vào hạ tầng đám mây đắt đỏ.

Giấy phép thương mại miễn phí cho doanh nghiệp dưới 5 triệu USD doanh thu cũng tạo điều kiện thuận lợi cho các startup và studio thiết kế nhỏ tại Việt Nam tiếp cận công nghệ tiên tiến mà không lo về chi phí bản quyền.