VRAM 8GBで動く画像生成AI「FLUX 3 Image Klein」が公開

　手元のGeForceで高品質な画像生成を試したい人には気になるモデルが登場した。Black Forest Labsは10月15日(独時間)、画像生成AIモデル「FLUX 3 Image Klein」をオープンウェイト(モデルの重み)で公開した。Hugging Faceからダウンロードできるほか、同社のAPIでも利用できる。

　FLUX 3 Image Kleinは、パラメータ数5.6B(56億)の画像生成モデルで、テキストからの画像生成、画像編集、最大10枚の参照画像を使うマルチリファレンス生成に対応する。上位モデル「FLUX 3 Image」と同様に、ネイティブ4K生成や、バウンディングボックスで要素の配置を指定したり編集範囲を限定したりする機能を備える。

　同社の内部評価では、テキストからの画像生成、マルチリファレンス生成、画像編集の3分野で、「Qwen-Image 2.1」(7B)や「Krea 2」(12.9B)といったより大規模なオープンウェイトモデルを上回ったという。なお、Krea 2は画像編集に対応しないため、画像編集の比較には含まれていない。

　前世代の「FLUX.2 [klein] 9B」と比べると、パラメータ数を38%削減しつつ、Eloレーティング(相対的な性能比較)はテキストからの画像生成で91、画像編集で70向上した。

より大規模なモデルと比較して高いEloレーティングを実現

ほかのモデルと比較して生成時間を短縮しつつEloレーティングを高めた

　モデルはファインチューニング向けの基本モデルと、低遅延生成向けのステップ蒸留モデルの2種類。NVIDIAと共同開発したFP8/INT8/NVFP4版も用意する。重みのサイズはBF16で11.2GB、FP8で5.6GB。INT8版なら、VRAM 8GBのGeForce RTXでもComfyUIやDiffusers経由で動作する。INT8版と蒸留モデルを組み合わせた場合、100万画素の画像を生成する時間は、GeForce RTX 5090で約4秒、GeForce RTX 4070で9秒未満としている。

蒸留モデルの生成時間

基本モデルの生成時間

　APIでの価格は1K画像1枚あたり0.009ドル(約1.4円、1ドル=158円換算)から。ライセンスは「FLUX Kommunity License v.1.0」で、関連会社を含む年間総収入が500万ドル(約7億9,000万円)未満の個人/企業は、生成した画像を商用利用できる。ただし、コンテンツフィルタの実装などの条件があり、モデル自体を商用目的でファインチューニングしたり再配布したりすることは認められない。研究や非商用利用も認められる。それ以上の規模の企業は、セルフホスト向けライセンスまたはAPIを利用する必要がある。