En bref
Je travaille sur les agents IA d'eesel, et l'un d'eux, le rédacteur de blog IA, dessine une bannière et plusieurs schémas pour chaque article qu'il publie. Les deux règles qui nous ont pris le plus de temps à apprendre : environ 1 rendu sur 3 doit être refait, et chaque prompt doit être une description de scène complète, jamais une seule ligne. FLUX 3 Klein est le premier modèle ouvert que je vois intégrer cette seconde règle dans le produit lui-même.
FLUX 3 Klein (officiellement FLUX 3 Image Klein) est un modèle d'images open-weights de 5,6 Md de paramètres publié par Black Forest Labs le 15 octobre 2026. Il génère, édite et combine jusqu'à 10 images de référence, et sur l'API de BFL il coûte 0,009 $ l'image 1K, soit environ un cinquième du modèle complet FLUX 3 Image.
Le piège se trouve à trois endroits que le titre passe sous silence. Il ne fonctionne bien que derrière un upsampler de prompt qui demande à lui seul environ 28 Go de mémoire GPU. Les premiers testeurs le jugent excellent en édition et faible pour générer des personnes. Et sa licence n'autorise l'usage commercial qu'en dessous de 5 M$ de chiffre d'affaires annuel, alors que le FLUX.2 [klein] 4B qu'il remplace était sous Apache 2.0. Mon avis : utilisez l'API pour de l'édition peu chère et à gros volume, et testez les photos de personnes avant de vous engager.
Qu'est-ce que FLUX 3 Klein ?
FLUX 3 Klein est le membre compact et téléchargeable de la famille FLUX 3. Dans son article de lancement, Black Forest Labs le décrit comme un modèle de 5,6 Md de paramètres pour la génération d'images à partir de texte, l'édition d'images et la génération multi-références avec jusqu'à 10 références. Il partage les principales fonctionnalités du modèle complet FLUX 3 Image : sortie native en 4K, édition par instruction et boîtes englobantes qui placent des éléments ou limitent une retouche à une seule zone.
C'est la deuxième publication open-weights de la famille après FLUX 3 Action, le modèle de robotique. Le lancement public a eu lieu le 15 octobre, la même semaine que Krea 3, et les poids sont disponibles sur Hugging Face derrière un court formulaire de partage de contact.
Il existe en deux variantes, d'après la documentation de Klein :
| Klein (distillé) | Klein Base | |
|---|---|---|
| Paramètres | 5,6 Md | 5,6 Md |
| Résolution maximale | Jusqu'à 4K | Jusqu'à 4K |
| Étapes d'inférence | 16 | 50 |
| Guidage (CFG) | 1 | 3,5 |
| Boîtes englobantes | Oui | Oui |
| Conçu pour | Génération rapide, usage local | Fine-tuning, entraînement de LoRA, recherche |
| Sur l'API | Oui, sous le nom flux-3-image-klein | Non, poids uniquement |
| Licence | FLUX Kommunity License | FLUX Kommunity License |
Un détail à connaître avant de le comparer à d'autres « petits » modèles : le chiffre de 5,6 Md ne concerne que le transformeur d'images. La fiche du modèle indique que l'encodeur de texte est un modèle distinct, Qwen3-VL-4B-Instruct, distribué sous Apache 2.0.
Comment fonctionne vraiment FLUX 3 Klein
Ce qui compte le plus chez Klein ne tient pas au nombre de paramètres. C'est l'upsampler de prompt. Klein a été entraîné sur de longues descriptions de scènes détaillées, et la documentation de BFL place l'avertissement dans un encadré tout en haut de la section d'utilisation : n'utilisez pas Klein sans lui, car un prompt envoyé tel quel donne des résultats nettement plus faibles.
L'upsampler est un modèle distinct construit sur Qwen 3.5. Il prend votre courte demande, ainsi que d'éventuelles images de référence, et la réécrit sous la forme de la description attendue par Klein : support et style, scène, éclairage et cadrage, puis chaque sujet avec ses couleurs, ses matières et sa position. Si vous voulez une image de « un renard roux endormi dans une valise dans un train », le modèle ne voit jamais ces mots. Il voit un paragraphe.
Cela rejoint ce que mon propre pipeline m'a appris à la dure. Les prompts derrière chaque infographie de ce blog font plusieurs centaines de mots de règles de style et de contraintes avant la consigne de contenu en une ligne, parce que les prompts courts donnent des images qui ressemblent à tout l'art IA des autres. BFL a simplement déplacé cette étape à l'intérieur du produit. Sur l'API, elle s'exécute automatiquement. Dans ComfyUI et la CLI de référence, elle s'exécute par défaut. Dans Diffusers, elle ne s'exécute pas du tout tant que vous ne la branchez pas, et BFL dit que vous pouvez la remplacer par n'importe quel LLM grâce à ses prompts système publiés.
Trois autres mécanismes méritent d'être connus :
- Distillé ou Base. Le modèle distillé prend 16 étapes au lieu de 50, et une LoRA entraînée sur Base se charge directement dans le modèle distillé. La documentation de BFL recommande une échelle de LoRA de 0,75 dans ce cas.
- Boîtes englobantes. Vous donnez à chaque élément une boîte sur une grille de 0 à 1000 et une description. La fiche du modèle est claire : les boîtes guident le placement et l'échelle, ce ne sont pas un masque strict, et les retouches peuvent encore modifier du contenu en dehors de la boîte.
- Restauration des pixels. La version API ajoute une étape qui conserve exactement les zones non modifiées d'une image, selon l'article de lancement, ce qui compte surtout pour les retouches.
Si vous avez déjà utilisé l'API d'édition d'images d'OpenAI ou Qwen-Image Edit, le workflow par instruction vous sera familier. La différence, c'est qu'ici vous pouvez télécharger les poids.
Quelle est la qualité de FLUX 3 Klein ?
Il y a deux réponses, et elles divergent de façon instructive.
Les évaluations internes de BFL placent Klein en tête des modèles open-weights en génération à partir de texte, en multi-références et en édition, devant Qwen-Image 2.1 à 7 Md et Krea 2 à 12,9 Md. Il est aussi mieux noté que deux modèles fermés de la comparaison, Ideogram V4.5 et FLUX.2 [pro]. Face à son propre prédécesseur, FLUX.2 [klein] 9B, BFL annonce un gain de 91 Elo en génération à partir de texte et de 70 en édition, avec 38 % de paramètres en moins.
Côté vitesse, BFL a mesuré une latence médiane de bout en bout sur l'API de 4,54 secondes pour une image de 1 MP et de 7,18 secondes pour une retouche, file d'attente comprise. Le graphique le place devant FLUX.2 [pro], Qwen-Image 2.1, Ideogram V4.5 et Krea 2 en latence à note égale. BFL précise elle-même une réserve : Klein a été chronométré sur les serveurs de BFL, tandis que les autres modèles l'ont été depuis le client, ce qui ajoute du temps de réseau et d'interrogation.
Puis la communauté s'en est emparée. Le fil Hacker News du jour du lancement a atteint 209 points et 58 commentaires, et le thème dominant était les personnes. Plusieurs testeurs ont signalé des visages, des mains et des corps déformés en génération à partir de texte :
« I've been running it through tests on my local machine. The Text-to-Image component is VERY poor. »
« I gave Flux 3 Klein my typical human test that has never failed on newer image models and it did fail »
Ce second testeur l'a fait tourner via OpenRouter sur l'API de BFL, donc l'upsampler était dans la boucle. Mais le même fil montre aussi l'autre moitié du tableau. L'édition a reçu des éloges constants, et un commentateur qui a utilisé toute la chaîne a relativisé l'ampleur de la critique :
« The complaint has some basis but is greatly exaggerated. When the whole stack comprising the model is used, it occasionally produce erroneous anatomy »
« It's editing capabilities have been really solid, but I've been disappointed with its ability to do finer text details »
La réponse de BFL, deux jours après le lancement, a été un correctif de workflow plutôt qu'un nouveau modèle. L'entreprise a mis à jour le workflow ComfyUI et le Space Hugging Face, et a déclaré ceci :
« To get the best results, the model should be used with our prompt upsampling and 2K resolutions. »
Mon analyse : Klein est d'abord un éditeur, ensuite un générateur. Si votre travail consiste à « changer l'arrière-plan en gardant le produit exactement identique », le benchmark et la communauté sont d'accord. Si votre travail consiste à créer de nouvelles personnes photoréalistes de zéro, lancez d'abord votre propre jeu de tests. Le problème de détails textuels apparaît aussi dans la grille d'exemples de BFL : l'illustration du timbre-poste sur la page de documentation épelle sa légende avec des lettres doublées et manquantes, ce qui correspond à l'avertissement de la fiche du modèle selon lequel le texte rendu peut être inexact.
Peut-on faire tourner FLUX 3 Klein en local ?
Oui, avec un astérisque que la plupart des articles oublient.
Le générateur est petit. BFL indique que ses poids occupent 11,2 Go en BF16 et 5,6 Go en FP8, et que la version INT8 fonctionne sur les cartes GeForce RTX avec seulement 8 Go de VRAM via ComfyUI ou Diffusers. La page de documentation cite une RTX 3090 comme minimum pour la configuration standard. NVIDIA a mesuré ces temps pour le modèle distillé à 16 étapes :
Mettez ces chiffres en regard du conseil de BFL d'utiliser des résolutions 2K et le compromis devient concret. Sur une RTX 4070, une image de 1 MP prend 8,9 secondes, une image 2K prend 50,4 secondes et une retouche 2K prend 150 secondes. Correct pour un usage de loisir, lent pour tout ce qui a une file d'attente derrière.
L'astérisque, c'est l'upsampler. Faire tourner l'upsampler de BFL ajoute environ 28 Go de mémoire GPU, d'après la documentation, et la fiche du modèle indique une mémoire maximale de 31 Go pour le code de référence en BF16 sur un B200 avec l'upsampler désactivé. Donc « tourne sur une carte de 8 Go » est vrai pour le générateur et pas pour le pipeline que BFL vous recommande d'utiliser.
Il y a trois façons de contourner le problème. Faire tourner l'upsampler sur une carte plus grosse ou un second GPU. Brancher le prompt système de BFL sur un LLM hébergé et envoyer la description qu'il écrit à votre Klein local. Ou renoncer au local, puisque l'API inclut l'upsampling et la restauration des pixels dans le prix par image. Si vous comparez des GPU loués, mes notes sur les tarifs de Together AI et sur Fireworks AI détaillent le coût de l'inférence hébergée. Le support dès le premier jour est aussi arrivé dans ComfyUI, Diffusers, TensorRT-LLM, SGLang Diffusion et vLLM-Omni, d'après l'article de lancement, de sorte que les hébergeurs habituels comme Replicate ont ce qu'il faut pour l'ajouter.
Tarifs de FLUX 3 Klein
FLUX 3 Klein est facturé à l'image selon la résolution de sortie, et la génération à partir de texte et l'édition coûtent le même prix. Voici les tarifs catalogue de la page tarifs de l'API de BFL, à côté du modèle complet FLUX 3 Image issu de la même page :
| Résolution | Taille de sortie | FLUX 3 Klein | FLUX 3 Image | Économie avec Klein |
|---|---|---|---|---|
| 768 × 768 | 768 × 768 | 0,008 $ | 0,041 $ | 80 % |
| 1K | Environ 1 MP | 0,009 $ | 0,048 $ | 81 % |
| 1,5K | Environ 2 MP | 0,011 $ | 0,07 $ | 84 % |
| 2K | Environ 4 MP | 0,014 $ | 0,10 $ | 86 % |
| 4K | Environ 16 MP | 0,036 $ | 0,607 $ | 94 % |
1 crédit équivaut à 0,01 $, et BFL facture le même prix dans l'API et dans le Playground. Les requêtes par lot multiplient simplement le coût par image par le nombre d'images. Klein est aussi moins cher que la génération précédente : FLUX.2 [klein] 4B démarre à 0,014 $ pour le premier mégapixel et le 9B à 0,015 $, avec 0,001 $ et 0,002 $ pour chaque mégapixel supplémentaire.
Pour une référence externe, l'API de Krea 3 facture 0,03 $ pour une image 1K et 0,06 $ pour la 2K, que j'ai détaillées dans mon article sur les tarifs de Krea 3. Klein en 2K coûte moins cher que Krea 3 en 1K.
Les modèles fermés restent plus chers. Mes guides sur les tarifs de ChatGPT Images 2.5, les tarifs de Nano Banana Pro et GPT Image 1 Mini détaillent ce qu'ils coûtent par image.
La facture réelle dépend du taux de reprise. Si 1 rendu sur 3 est raté, comme dans mon pipeline, votre prix effectif est 1,5 fois le prix catalogue. Saisissez vos propres chiffres :
La FLUX Kommunity License, en termes simples
C'est la partie que je relirais deux fois avant de livrer quoi que ce soit. Les poids de Klein sont soumis à la nouvelle FLUX Kommunity License, qui se situe entre les deux licences utilisées par la dernière génération de Klein.
La licence autorise l'usage non commercial pour tout le monde. En plus, un « Qualifying User », c'est-à-dire vous et vos sociétés affiliées avec un chiffre d'affaires annuel brut inférieur à 5 000 000 US$, peut utiliser les résultats commercialement et faire tourner le modèle en production à cette fin. Deux conditions s'y ajoutent : vous devez exécuter des filtres de contenu ou vérifier les résultats avant leur diffusion, et vous devez indiquer que les résultats ont été générés par IA lorsque la loi l'exige. Vous ne pouvez pas non plus utiliser les résultats pour entraîner un modèle d'images concurrent.
Voici le changement à remarquer. La génération précédente se divisait en deux : d'après les fiches Hugging Face, FLUX.2 [klein] 4B est sous Apache 2.0 sans plafond de chiffre d'affaires, tandis que FLUX.2 [klein] 9B utilisait une licence non commerciale. FLUX 3 Klein est plus ouvert que le 9B et moins ouvert que le 4B. Une startup gagne des droits. Une entreprise au-delà de 5 M$ qui a construit sur le 4B perd l'option « télécharger et livrer », et la page du modèle dit clairement que faire tourner Klein dans un produit à grande échelle exige une licence commerciale auprès des ventes.
Le champ de l'open-weights va dans la même direction. Un commentateur du fil HN a listé Ideogram, Krea, Flux et Qwen parmi les laboratoires passés à leurs propres licences sur mesure. Si une licence Apache compte pour vous, c'est désormais un critère de sélection et plus une valeur par défaut. Mes comparatifs des alternatives à Qwen-Image 2.1 et des alternatives à Ideogram indiquent la licence de chaque option.
FLUX 3 Klein, FLUX.2 [klein] et FLUX 3 Image : comparatif
Voici comment les options se comparent sur les faits publiés par BFL :
| FLUX 3 Klein | FLUX.2 [klein] 4B | FLUX.2 [klein] 9B | FLUX 3 Image | |
|---|---|---|---|---|
| Paramètres | 5,6 Md | 4 Md | 9 Md | Non publié |
| Open weights | Oui | Oui | Oui | Non |
| Licence | FLUX Kommunity, plafond de 5 M$ | Apache 2.0 | Non commerciale | Conditions de l'API |
| Prix API, 1K | 0,009 $ | 0,014 $ | 0,015 $ | 0,048 $ |
| Prix API, 2K | 0,014 $ | À partir de 0,014 $ + 0,001 $/MP | À partir de 0,015 $ + 0,002 $/MP | 0,10 $ |
| Références max. | 10 | Non comparé | Non comparé | 10 |
| Boîtes englobantes | Oui | Non mentionné | Non mentionné | Oui |
| Idéal pour | Édition peu chère à volume élevé | Auto-hébergement commercial sans restriction | Recherche, tests locaux | La meilleure qualité FLUX |
Si vous voulez le détail sur le grand modèle, mon test de FLUX 3 le couvre, et les alternatives à FLUX 3 comparent la famille à la concurrence fermée.
Les modèles fermés à mettre côte à côte sont Nano Banana 2, Seedream 5.0 Pro et Meta Muse Image. Aucun ne distribue de poids téléchargeables.
Qui devrait utiliser FLUX 3 Klein ?
Après avoir lu tout ce que BFL a publié et les trois premiers jours de tests, voici où j'en suis.
Choisissez Klein si vous éditez des images à volume élevé : photos de produits sur de nouveaux arrière-plans, variantes saisonnières, retouches cohérentes sur tout un catalogue. Le prix de l'API est difficile à battre, la restauration des pixels préserve les zones intactes, et les évaluations de BFL comme les testeurs de la communauté s'accordent à dire que l'édition est sa force. C'est aussi le choix évident pour un petit studio ou une startup sous 5 M$ qui veut des poids ouverts à affiner avec une LoRA sur un seul GPU.
Testez sérieusement d'abord si votre travail porte sur de nouvelles personnes photoréalistes. Les plaintes sur l'anatomie sont assez fortes pour que je fasse passer 50 de vos vrais prompts dans l'API, avec l'upsampling activé, avant de construire quoi que ce soit autour. Qwen-Image 2.1 est la comparaison que les testeurs ont sans cesse citée.
Passez votre chemin si vous avez besoin de texte dense et lisible dans les images, ou si vous dépassez 5 M$ de chiffre d'affaires et voulez un auto-hébergement sans restriction. Pour le travail riche en texte, les tarifs d'Ideogram et Recraft méritent un coup d'œil, et pour la photographie de produit, voyez les tarifs de Photoroom.
Si vous préférez une application à une API, mes guides sur les tarifs de Midjourney et les tarifs de Leonardo AI couvrent le côté abonnement, et les alternatives à Midjourney listent le reste.
Utiliser FLUX 3 Klein pour les images de blog et de contenu
Un modèle bon marché change les calculs pour illustrer du contenu. À 0,014 $ l'image 2K, un article avec une bannière et cinq schémas coûte environ 13 centimes à dessiner, même avec mon taux de reprise. Ce qui reste cher, c'est tout ce qui entoure : savoir quelle section a besoin d'un schéma, écrire la longue description que le modèle réclame, vérifier chaque rendu et le placer avec une légende. Mon guide sur l'ajout d'images aux blogs détaille cette partie.
Les réglages par défaut comptent plus que le prix. Un client d'eesel, thérapeute, l'a formulé au rédacteur de blog IA d'eesel en une seule ligne :
« Going forward, stop giving only Caucasian images. I work with diverse races and ethnicities. »
C'est la même leçon que BFL a inscrite dans l'upsampler de Klein : le modèle dessine ce que la description décrit, donc c'est dans la description que vivent vos exigences.
Le rédacteur de blog IA d'eesel : des images qui arrivent dans l'article
Si vous vous intéressez à FLUX 3 Klein parce que vous avez besoin d'images pour du contenu, l'image n'est que la plus petite moitié du travail. Le rédacteur de blog IA d'eesel est un coéquipier qui recherche le sujet, rédige un long article sourcé dans votre voix, et génère sa propre bannière et ses infographies dans la même exécution. Il écrit pour vous les longs prompts de scène, et redessine un rendu quand il est raté.
Le même type de pipeline a dessiné les schémas de cet article. Si vous comparez les coûts, ma synthèse sur le coût d'un rédacteur de blog IA et mon guide d'un rédacteur de blog IA avec images montrent ce qu'il remplace. Vous pouvez essayer eesel gratuitement et avoir sous les yeux un brouillon illustré et terminé en quelques minutes.