اگر یک لپ‌تاپ گیمینگ میان‌رده دارید، حالا می‌توانید تصاویری در سطح استودیوهای حرفه‌ای تولید کنید بدون آنکه هزینه‌ی گزاف APIهای ابری را بپردازید. مدل جدید FLUX 3 Image Klein که در ۱۵ اکتبر ۲۰۲۶ منتشر شد، سد سخت‌افزاری تولید تصویر باکیفیت را شکست و نیاز به حافظه ویدیویی (VRAM) — شبیه به فضای میز کاری که هرچه بزرگ‌تر باشد، ابزارهای بیشتری روی آن جا می‌گیرد — را به تنها ۸ گیگابایت کاهش داد.
این تحول در حالی رخ می‌دهد که صنعت به سمت مدل‌های کوچک‌تر و بهینه‌تر حرکت می‌کند تا وابستگی به خوشه‌های عظیم سروری از بین برود. همان‌طور که در تحلیل قبلی ما درباره‌ی معماری‌های بهینه‌ساز اشاره کردیم، این رویکرد اجازه می‌دهد کنترل دقیق چیدمان از طریق جعبه‌های محدودکننده (Bounding Boxes) در سخت‌افزارهای معمولی اجرا شود. در همین راستا، جزئیات بیشتری از نحوه عملکرد این جعبه‌های محصور در کنترل چیدمان اشیا در گزارش‌های فنی ما منتشر شده است.
به نقل از وب‌سایت the-decoder.com، این مدل در تست‌های داخلی بالاترین رتبه‌ی Elo را در میان تمام مدل‌های وزن‌باز به دست آورده است. مشخصات فنی این مدل عبارتند از:
- عملکرد: برتری نسبت به رقبای بسته‌ای مانند Ideogram V4.5 و حتی نسخه‌ی FLUX.2 [pro]. این رقابت تنگاتنگ در واقع ادامه نبرد بر سر ویرایش موضعی تصاویر میان Flux 3 و Ideogram است که پیش‌تر بررسی کردیم.
- بهینگی: کسب ۹۱ امتیاز Elo بیشتر نسبت به نسخه‌ی FLUX.2 [klein]، در حالی که ۳۸٪ پارامترهای کمتری دارد (۵.۶ میلیارد در برابر ۹ میلیارد).
- قابلیت‌ها: پشتیبانی از خروجی بومی 4K، ویرایش دقیق پیکسلی و تولید تصویر-به-تصویر با چندین مرجع.
- کنترل: امکان تعریف جعبه‌های محدودکننده در پرامپت برای تعیین دقیق جایگاه عناصر.
بر اساس مستندات منتشر شده، این مدل «مالیات محاسباتی» هنر دیجیتال را برای کسب‌وکارهای کوچک حذف می‌کند. به دلیل مجوز FLUX Kommunity، استفاده تجاری از این مدل برای شرکت‌هایی با درآمد سالانه زیر ۵ میلیون دلار رایگان است. این یعنی آژانس‌های کوچک و سازندگان مستقل دیگر مجبور نیستند برای تولید دارایی‌های 4K به اعتبارهای گران‌قیمت متکی باشند.
توسعه‌دهندگان می‌توانند همین حالا مدل را از طریق Hugging Face Spaces، ComfyUI یا Diffusers مستقر کنند. همچنین دسترسی به API شرکت BFL با نرخ ۰.۰۰۹ دلار به ازای هر ۱۰۰۰ تصویر فراهم است.
گام بعدی شما
- اگر کارت گرافیک سری RTX 40 را دارید، مدل را روی ComfyUI نصب کنید تا سرعت استنتاج زیر ۹ ثانیه را تجربه کنید.
- برای کنترل دقیق‌تر عناصر تصویر، از متد bounding box در پرامپت‌های خود استفاده کنید.
- وزن‌های سفارشی لورا (LoRA) را که از روز اول توسط NVIDIA NeMo پشتیبانی می‌شوند، دنبال کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو