O que é o FLUX 3 Klein?
O FLUX 3 Klein é o membro pequeno e baixável da família FLUX 3. No post de lançamento, a Black Forest Labs o descreve como um modelo de 5,6B de parâmetros para texto para imagem, edição de imagens e geração com múltiplas referências, com até 10 referências. Ele compartilha os principais recursos do modelo completo FLUX 3 Image: saída nativa em 4K, edição por instruções e caixas delimitadoras que posicionam elementos ou confinam uma edição a uma região.
É o segundo lançamento de pesos abertos da família depois do FLUX 3 Action, o modelo de robótica. O lançamento público aconteceu em 15 de outubro, na mesma semana do Krea 3, e os pesos estão no Hugging Face atrás de um breve formulário de compartilhamento de contato.
Ele vem em duas variantes, segundo a documentação do Klein:
| Klein (destilado) | Klein Base | |
|---|---|---|
| Parâmetros | 5,6B | 5,6B |
| Resolução máxima | Até 4K | Até 4K |
| Etapas de inferência | 16 | 50 |
| Guidance (CFG) | 1 | 3,5 |
| Caixas delimitadoras | Sim | Sim |
| Feito para | Geração rápida, uso local | Ajuste fino, treinamento de LoRA, pesquisa |
| Na API | Sim, como flux-3-image-klein | Não, apenas pesos |
| Licença | FLUX Kommunity License | FLUX Kommunity License |
Um detalhe que vale conhecer antes de comparar com outros modelos "pequenos": o número de 5,6B se refere apenas ao transformer de imagem. O model card diz que o codificador de texto é um modelo separado, o Qwen3-VL-4B-Instruct, distribuído sob Apache 2.0.
Como o FLUX 3 Klein realmente funciona
O que mais importa no Klein não está na contagem de parâmetros. É o ampliador de prompt. O Klein foi treinado com legendas de cena longas e detalhadas, e a documentação da BFL coloca o aviso em uma caixa no topo da seção de uso: não use o Klein sem ele, porque um prompt enviado como foi digitado dá resultados visivelmente piores.
O ampliador é um modelo separado construído sobre o Qwen 3.5. Ele pega o seu pedido curto, mais eventuais imagens de referência, e o reescreve na legenda que o Klein espera: meio e estilo, cena, iluminação e câmera, depois cada elemento com suas cores, materiais e posição. Se você quer uma imagem de "uma raposa vermelha dormindo em uma mala num trem", o modelo nunca vê essas palavras. Ele vê um parágrafo.
Isso confirmou o que meu próprio pipeline me ensinou do jeito lento. Os prompts por trás de cada infográfico deste blog chegam a várias centenas de palavras de regras de estilo e restrições antes do briefing de conteúdo de uma linha, porque prompts curtos voltam parecendo a arte de IA de todo mundo. A BFL simplesmente moveu essa etapa para dentro do produto. Na API, ele roda automaticamente. No ComfyUI e na CLI de referência, roda por padrão. No Diffusers, não roda de forma alguma, a menos que você o conecte, e a BFL diz que você pode trocar por qualquer LLM usando seus prompts de sistema publicados.
Outros três mecanismos que vale conhecer:
- Destilado vs Base. O modelo destilado usa 16 etapas em vez de 50, e uma LoRA treinada no Base carrega direto no Destilado. A documentação da BFL recomenda uma escala de LoRA de 0,75 nesse caso.
- Caixas delimitadoras. Você dá a cada elemento uma caixa em uma grade de 0 a 1000 e uma descrição. O model card é claro: as caixas orientam posição e escala; não são uma máscara rígida, e as edições ainda podem alterar conteúdo fora da caixa.
- Restauração de pixels. A versão da API adiciona uma etapa que mantém as regiões não editadas de uma imagem exatamente como estavam, segundo o post de lançamento, o que importa mais nas edições.
Se você já usou a API de edição de imagens da OpenAI ou o Qwen-Image Edit, o fluxo por instruções será familiar. A diferença é que aqui você pode baixar os pesos.
Quão bom é o FLUX 3 Klein?
Existem duas respostas, e elas discordam de um jeito instrutivo.
As avaliações internas da BFL colocam o Klein em primeiro entre os modelos de pesos abertos em texto para imagem, múltiplas referências e edição, à frente do Qwen-Image 2.1 com 7B e do Krea 2 com 12,9B. Ele também fica acima de dois modelos fechados na comparação, o Ideogram V4.5 e o FLUX.2 [pro]. Contra seu próprio antecessor, o FLUX.2 [klein] 9B, a BFL reporta um ganho de 91 pontos de Elo em texto para imagem e 70 em edição, com 38% menos parâmetros.
Em velocidade, a BFL mediu uma latência mediana de ponta a ponta na API de 4,54 segundos para uma imagem de 1MP e 7,18 segundos para uma edição, incluindo fila. O gráfico o coloca à frente do FLUX.2 [pro], Qwen-Image 2.1, Ideogram V4.5 e Krea 2 em latência para a sua nota. Uma ressalva que a própria BFL faz: o Klein foi cronometrado nos servidores da BFL, enquanto os outros modelos foram cronometrados do lado do cliente, o que acrescenta tempo de rede e de consulta.
Então a comunidade pôs as mãos nele. A discussão no Hacker News no dia do lançamento chegou a 209 pontos e 58 comentários, e o tema mais forte foram as pessoas. Vários testadores relataram rostos, mãos e corpos distorcidos em texto para imagem:
"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"
Esse segundo testador o rodou pelo OpenRouter contra a API da BFL, então o ampliador estava no circuito. Mas a mesma discussão também trouxe a outra metade do quadro. A edição recebeu elogios consistentes, e um comentarista que rodou a pilha completa questionou a dimensão da reclamação:
"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"
A resposta da BFL, dois dias após o lançamento, foi uma correção de fluxo de trabalho, não um novo modelo. Ela atualizou o fluxo do ComfyUI e o Space do Hugging Face, e disse isto:
"To get the best results, the model should be used with our prompt upsampling and 2K resolutions."
Minha leitura: o Klein é primeiro um editor e depois um gerador. Se o seu trabalho é "mudar o fundo, manter o produto exatamente igual", o benchmark e a comunidade concordam. Se o seu trabalho é criar pessoas fotorrealistas do zero, rode antes o seu próprio conjunto de testes. A reclamação sobre detalhes de texto aparece também na grade de exemplos da própria BFL: a ilustração do selo postal na página de documentação escreve sua legenda com letras duplicadas e faltando, o que coincide com o próprio aviso do model card de que o texto renderizado pode ser impreciso.
Dá para rodar o FLUX 3 Klein localmente?
Sim, com um asterisco que a maior parte da cobertura deixa de fora.
O gerador é pequeno. A BFL diz que seus pesos ocupam 11,2 GB em BF16 e 5,6 GB em FP8, e a versão INT8 roda em placas GeForce RTX com apenas 8 GB de VRAM pelo ComfyUI ou Diffusers. A página de documentação cita uma RTX 3090 como piso para a configuração padrão. A NVIDIA mediu estes tempos para o modelo destilado com 16 etapas:
Coloque esses números ao lado do conselho da BFL de usar resoluções de 2K e o trade-off fica concreto. Em uma RTX 4070, uma imagem de 1MP leva 8,9 segundos, uma imagem de 2K leva 50,4 segundos e uma edição em 2K leva 150 segundos. Bom para um fluxo de hobby, lento para qualquer coisa com uma fila atrás.
O asterisco é o ampliador. Rodar o ampliador da própria BFL adiciona cerca de 28 GB de memória de GPU, segundo a documentação, e o model card lista o pico de memória do código de referência em 31 GB em BF16 em uma B200 com o ampliador desligado. Então "roda em uma placa de 8 GB" é verdade para o gerador e não para o pipeline que a BFL manda você usar.
Há três formas de contornar. Rodar o ampliador em uma placa maior ou em uma segunda GPU. Apontar o prompt de sistema da BFL para um LLM hospedado e enviar a legenda que ele escreve para o seu Klein local. Ou pular o local por completo, já que a API inclui ampliação e restauração de pixels no preço por imagem. Se você está avaliando GPUs alugadas, minhas notas sobre preços da Together AI e Fireworks AI cobrem o custo da inferência hospedada. O suporte desde o primeiro dia também chegou ao ComfyUI, Diffusers, TensorRT-LLM, SGLang Diffusion e vLLM-Omni, segundo o post de lançamento, então os hosts de sempre, como a Replicate, têm o que precisam para adicioná-lo.
Preço do FLUX 3 Klein
O FLUX 3 Klein é precificado por imagem de acordo com a resolução de saída, e texto para imagem e edição custam o mesmo. Estes são os preços de tabela da página de preços da API da BFL, ao lado do modelo completo FLUX 3 Image da mesma página:
| Resolução | Tamanho de saída | FLUX 3 Klein | FLUX 3 Image | Economia do Klein |
|---|---|---|---|---|
| 768 × 768 | 768 × 768 | US$ 0,008 | US$ 0,041 | 80% |
| 1K | Cerca de 1 MP | US$ 0,009 | US$ 0,048 | 81% |
| 1,5K | Cerca de 2 MP | US$ 0,011 | US$ 0,07 | 84% |
| 2K | Cerca de 4 MP | US$ 0,014 | US$ 0,10 | 86% |
| 4K | Cerca de 16 MP | US$ 0,036 | US$ 0,607 | 94% |
1 crédito equivale a US$ 0,01, e a BFL cobra o mesmo preço na API e no Playground. Requisições em lote simplesmente multiplicam o custo por imagem pelo número de imagens. O Klein também sai mais barato que a geração anterior: o FLUX.2 [klein] 4B começa em US$ 0,014 pelo primeiro megapixel e o 9B em US$ 0,015, com US$ 0,001 e US$ 0,002 por megapixel extra.
Como referência externa, a API do Krea 3 cobra US$ 0,03 por uma imagem de 1K e US$ 0,06 por 2K, o que detalhei no meu post sobre preços do Krea 3. O Klein em 2K custa menos que o Krea 3 em 1K.
Os modelos fechados ficam ainda mais acima. Meus guias de preços do ChatGPT Images 2.5, preços do Nano Banana Pro e GPT Image 1 Mini cobrem quanto eles custam por imagem.
A conta real depende da taxa de refação. Se 1 em cada 3 imagens erra, como no meu pipeline, o seu preço efetivo é 1,5 vez o preço de tabela. Coloque os seus próprios números:
A FLUX Kommunity License, em palavras simples
Esta é a parte que eu leria duas vezes antes de lançar qualquer coisa. Os pesos do Klein vêm sob a nova FLUX Kommunity License, que fica entre as duas licenças usadas pela última geração do Klein.
A licença permite uso não comercial para todos. Além disso, um "Usuário Qualificado", ou seja, você mais suas afiliadas com receita bruta anualizada abaixo de US$ 5.000.000, pode usar os resultados comercialmente e rodar o modelo em produção para esse fim. Duas condições acompanham isso: você precisa rodar filtros de conteúdo ou revisar as saídas antes de publicá-las, e precisa informar que as saídas foram geradas por IA onde a lei exigir. Você também não pode usar os resultados para treinar um modelo de imagem concorrente.
Eis a mudança que vale notar. A geração anterior se dividia em duas: segundo as listagens do Hugging Face, o FLUX.2 [klein] 4B é Apache 2.0 sem limite de receita, enquanto o FLUX.2 [klein] 9B usava uma licença não comercial. O FLUX 3 Klein é mais aberto que o 9B e menos aberto que o 4B. Uma startup ganha direitos. Uma empresa acima de US$ 5M que construiu sobre o 4B perde a opção de "baixar e lançar", e a página do modelo diz claramente que rodar o Klein em um produto em escala exige uma licença comercial junto à equipe de vendas da BFL.
O campo dos pesos abertos caminha na mesma direção. Um comentarista na discussão do HN listou Ideogram, Krea, Flux e Qwen como laboratórios que migraram para licenças próprias sob medida. Se uma licença Apache importa para você, agora ela é um critério de seleção e não um padrão. Meus levantamentos de alternativas ao Qwen-Image 2.1 e alternativas ao Ideogram listam a licença de cada opção.
FLUX 3 Klein vs FLUX.2 [klein] vs FLUX 3 Image
Veja como as opções se comparam nos fatos que a BFL publica:
| FLUX 3 Klein | FLUX.2 [klein] 4B | FLUX.2 [klein] 9B | FLUX 3 Image | |
|---|---|---|---|---|
| Parâmetros | 5,6B | 4B | 9B | Não publicado |
| Pesos abertos | Sim | Sim | Sim | Não |
| Licença | FLUX Kommunity, limite de US$ 5M | Apache 2.0 | Não comercial | Termos da API |
| Preço da API, 1K | US$ 0,009 | US$ 0,014 | US$ 0,015 | US$ 0,048 |
| Preço da API, 2K | US$ 0,014 | A partir de US$ 0,014 + US$ 0,001/MP | A partir de US$ 0,015 + US$ 0,002/MP | US$ 0,10 |
| Máx. de referências | 10 | Não comparado | Não comparado | 10 |
| Caixas delimitadoras | Sim | Não listado | Não listado | Sim |
| Melhor para | Edição barata em volume | Self-hosting comercial sem restrições | Pesquisa, testes locais | Maior qualidade FLUX |
Se você quer o aprofundamento sobre o modelo grande, minha análise do FLUX 3 o cobre, e as alternativas ao FLUX 3 comparam a família com a concorrência fechada.
Os modelos fechados que merecem uma comparação lado a lado são o Nano Banana 2, o Seedream 5.0 Pro e o Meta Muse Image. Nenhum deles distribui pesos que você possa baixar.
Quem deve usar o FLUX 3 Klein?
Depois de ler tudo o que a BFL publicou e os três primeiros dias de testes, é aqui que eu chego.
Escolha o Klein se você edita imagens em volume: fotos de produto em novos fundos, variações sazonais, edições consistentes em um catálogo. O preço da API é difícil de bater, a restauração de pixels mantém intactas as áreas não tocadas, e as avaliações da própria BFL e os testadores da comunidade concordam que a edição é seu ponto forte. Também é a escolha óbvia para um pequeno estúdio ou startup abaixo de US$ 5M que quer pesos abertos que possa ajustar com uma LoRA em uma única GPU.
Teste bastante antes se o seu trabalho é criar novas pessoas fotorrealistas. As reclamações de anatomia são altas o bastante para eu rodar 50 dos seus prompts reais pela API, com ampliação ligada, antes de construir qualquer coisa em cima dele. O Qwen-Image 2.1 é a comparação a que os testadores sempre recorriam.
Pule se você precisa de texto denso e legível dentro das imagens, ou se está acima de US$ 5M de receita e quer self-hosting sem restrições. Para trabalhos com muito texto, vale olhar os preços do Ideogram e o Recraft, e para fotografia de produto veja os preços do Photoroom.
Se você prefere um aplicativo a uma API, meus guias de preços do Midjourney e preços do Leonardo AI cobrem o lado das assinaturas, e as alternativas ao Midjourney listam o resto.
Usando o FLUX 3 Klein para imagens de blog e conteúdo
Um modelo barato muda a matemática de ilustrar conteúdo. A US$ 0,014 por imagem de 2K, um post com um banner e cinco diagramas custa cerca de 13 centavos para desenhar, mesmo com a minha taxa de refação. O que continua caro é tudo ao redor: saber qual seção precisa de um diagrama, escrever a legenda longa que o modelo quer, conferir cada imagem e posicioná-la com uma legenda. Meu guia de como adicionar imagens a blogs percorre essa parte.
Os padrões importam mais que o preço. Uma cliente da eesel, terapeuta, disse isto ao redator de blog com IA da eesel em uma única linha:
"Going forward, stop giving only Caucasian images. I work with diverse races and ethnicities."
Essa é a mesma lição que a BFL escreveu no ampliador do Klein: o modelo desenha o que a legenda descreve, então é na legenda que vivem os seus padrões.
Redator de blog com IA da eesel: imagens que chegam dentro do post
Se você está olhando para o FLUX 3 Klein porque precisa de imagens para conteúdo, a imagem é a metade menor do trabalho. O redator de blog com IA da eesel é um colega de equipe que pesquisa o tema, escreve um artigo longo com fontes na sua voz e gera o próprio banner principal e infográficos na mesma execução. Ele escreve os longos prompts de cena para você e refaz uma imagem quando ela erra.
Um pipeline do mesmo tipo desenhou os diagramas deste post. Se você está comparando custos, meu detalhamento do custo de um redator de blog com IA e o guia de um redator de blog com IA com imagens mostram o que ele substitui. Você pode experimentar a eesel de graça e ter um rascunho finalizado e ilustrado diante de você em poucos minutos.