10月16日、Black Forest Labsが「FLUX 3 Image Klein: open weights, 5.6B parameters」と題した記事を公開した。5.6Bパラメータという最小クラスの規模でありながら、7〜13B帯のオープンウェイトモデルを複数タスクで上回るという逆転劇が最大のポイントだ。ウェイトはHugging Faceで公開済みで、RTX 4070クラスのGPUでもローカル動作が可能な設計になっている。
5.6Bパラメータで、より大きなモデルを超える
画像生成AIの世界では「パラメータ数＝性能」という常識があった。FLUX 3 Image Kleinはそれを崩す。
5.6Bパラメータという規模は、比較対象のオープンウェイトモデルの中で最小だ。Qwen-Image 2.1が7B、Krea 2が12.9Bというサイズを持つ中、社内評価でFLUX 3 Image Kleinはテキスト→画像生成・マルチ参照生成・画像編集のいずれのタスクでもこれらを上回った。クローズドモデルのIdeogram V4.5やFLUX.2 [pro] と比べても上位にランクされている。
前世代のFLUX.2 [klein] 9Bとの比較でも、パラメータ数が38%少ないにもかかわらず、テキスト→画像でEloレーティングが**+91、画像編集で+70**の向上を達成している。
Eloレーティングとは：チェスや競技ゲームで用いられる相対的な強さの評価指標で、画像生成AIの評価では「どちらの出力が好ましいか」という人間の比較評価を集計してスコア化するために使われる。数値が高いほど他モデルに勝ちやすいことを意味し、+91という差はモデル間の優劣として明確な開きとされる。
この性能向上の背景には、FLUX 3ファミリー全体で共有される学習設計がある。画像が空間的な詳細を、映像が動作と物理的ダイナミクスを、音声がイベントやインタラクションの情報を提供することで、よりリアルな画像生成を実現する設計思想だ。単一モダリティに閉じた学習では得られない文脈理解を、マルチモーダルな知見の共有によって実現している点が、小パラメータ数での高性能を支える一因と言える。
ローカル動作が現実的な選択肢になる
このモデルがエンジニアにとって実用的な理由は、サイズの小ささがハードウェア要件に直接効いてくる点だ。
ウェイトの容量はBF16で11.2 GB、FP8で5.6 GB。INT8ビルドを使えば、NVIDIA GeForce RTX系GPU（VRAM 8GB以上）でローカル動作が可能だ。ComfyUIまたはDiffusers経由で利用できる。
生成速度の目安（ステップ蒸留モデル、16ステップ、1024×1024）：
- RTX 5090：約4秒
- RTX 4070：約9秒以下
- GB300（NVFP4）：0.6秒以下
RTX 4070は2022〜2023年に広く普及したミドルレンジGPUであり、9秒以下という数字はプロトタイプ開発やローカル検証の文脈で十分実用的な速度感だ。データ主権や閉域ネットワーク要件を持つ組織が自前インフラで評価・適応できる点も、クローズドモデルにはない強みとなる。
対応機能とエコシステム
主な機能は以下の通りだ：
- テキスト→画像生成（ネイティブ4K対応）
- 画像編集（ピクセル単位の精度）
- マルチ参照生成（最大10枚の参照画像を指定可能）
- バウンディングボックス制御（要素の配置場所やエディット範囲の指定）
リリース物は2種類：ファインチューニング向けのベースモデルと、低レイテンシ向けのステップ蒸留モデル。ファインチューニングはOstris's AI ToolkitでLoRA学習に初日から対応しており、NVIDIA NeMo AutoModelもレシピを提供している。
推論フレームワークのサポートも初日から揃っている：
リリース初日から複数フレームワークが対応済みであることは、実際の組み込みコストを大幅に下げる。特にComfyUIとDiffusersの両対応は、ノーコード寄りのワークフロー構築からコードベースの本番統合まで幅広い用途をカバーする。
APIとライセンス
BFL APIでは flux-3-image-klein として利用可能で、プロンプトアップサンプリングと編集時の未変更領域保護（pixel restoration）が付く。価格は1,000画像あたり$0.009から。
ウェイトはHugging Faceからダウンロードできる。ライセンスはFLUX Kommunity Licenseで、年間売上500万ドル未満の個人・企業は商用利用が無料。それ以上の規模の組織には自己ホスト向けのライセンスオプションが用意されている。
「Kommunity」という表記について：これはBlack Forest Labsによる意図的な造語であり、一般的な「Community License」とは別物のライセンスとして設計されている。利用前にはHugging Face上のライセンス全文を直接確認することを推奨する。
FLUX 3ファミリーの中での位置づけ
本モデルはFLUX 3ファミリーの2番目のオープンウェイトリリースにあたる。1番目はFLUX 3 Action（7B）で、ロボット制御・物理的なアクション予測に特化したモデルだ。画像生成に留まらず、ロボティクスという異なる応用領域をファミリーに含める点は、Black Forest Labsがマルチモーダル基盤モデルの提供者として、より広いスタックを狙っていることを示唆している。今後もファミリーのリリースが続く予定とされており、FLUX 3 Image Kleinはその中核的な画像生成コンポーネントとして位置づけられる。
詳細はFLUX 3 Image Klein: open weights, 5.6B parametersを参照していただきたい。
