В официальной карточке модель описана как 5.6B open weights model: это модель с открытыми весами, где можно получить файлы модели при соблюдении условий доступа. Число 5.6B относится к image transformer, то есть к части, которая отвечает за построение изображения. Text encoder, компонент для обработки текста, вынесен отдельно. Для него указан Qwen3-VL-4B-Instruct. В одном пайплайне поддержаны несколько режимов: text-to-image, то есть создание изображения по тексту, редактирование одного референса и композиции с несколькими референсами. Официальная страница называет Klein компактной версией FLUX 3 Image с теми же функциями: text to image, image editing, multi reference и bounding boxes.

Контекст и работа с памятью

Ключевое практическое требование: модель не следует использовать без prompt upsampler. Prompt upsampler можно объяснить как отдельную модель или языковой модуль, который разворачивает короткую просьбу в полное описание сцены. В карточке указано, что FLUX 3 Image Klein принимает не короткие команды, а полные сценические подписи: кадр, объект, фон, освещение, материалы и расположение. Если отправить короткий запрос как есть, результат будет более общим. Для редактирования upsampler формирует описание на основе инструкции и референсов, включая нужное изменение. В reference CLI он запускается по умолчанию, но в документации также сказано, что можно использовать другой LLM с подходящим системным prompt.

Мультимодальность и обучение

Модель работает не только с текстом, но и с изображениями на входе: можно передать одно изображение или список референсов, максимум до 10. В описании отдельно сказано, что reference images помогают закрепить содержимое, но не фиксируют структуру полностью. Для управления композицией поддержаны bounding boxes: координатные рамки на сетке от 0 до 1000. Через них можно задавать размещение и масштаб элементов, а затем просить перекрасить, переместить, заменить или удалить объект. При этом рамки не являются жёсткой маской: элемент может выйти за пределы области, маленький объект может не появиться, а правка способна затронуть содержимое вне выбранного региона. Также заявлен вывод текста внутри изображений, но с оговоркой о возможных искажениях.

Доступ и ограничения модели

Официальная документация указывает три способа работы: через API, на Hugging Face или в ComfyUI. Карточка Hugging Face сообщает, что репозиторий публично доступен, но для просмотра файлов и содержимого нужно войти или зарегистрироваться и принять условия. Для оригинального пакета перечислены BF16 transformer, FP8 и NVFP4 variants, text encoder и image autoencoder. Отдельная карточка содержит файлы, переупакованные для ComfyUI, включая distilled and base transformers и prompt upsampler. В ограничениях сказано, что модель не предназначена для выдачи фактической информации, может отражать смещения обучающих данных и может не выполнить prompt. Лицензия FLUX Kommunity License v.1.0 разрешает некоммерческое использование и отдельное commercial output generation для Qualifying Users с less than US$5M in gross annualized revenue при соблюдении условий.

Источники

Вопросы и ответы

Можно ли использовать Flux 3 Image Klein без отдельного расширения prompt?

Официальная карточка прямо говорит: не используйте модель без prompt upsampler. Ей нужны полные описания сцены, а короткие запросы как есть дают generic output.