一个拼速度一个拼编辑：FLUX.2 klein 4B 与 FLUX.3 Image Klein 怎么选

【免费下载链接】flux-3-image-klein-comfy项目地址: https://ai.gitcode.com/hf_mirrors/black-forest-labs/flux-3-image-klein-comfy

2026 年 1 月，Black Forest Labs 发布了 FLUX.2 [klein] 系列，用"亚秒级推理 + 消费级 GPU"重新定义了开源生图的响应速度；九个月后的 10 月，FLUX 3 Image Klein 带着 5.6B 参数和"原生 4K、像素级编辑、布局框控制"归来。两者都叫 klein（德语里"小"的意思），却走出了截然不同的两条技术路线：一个把速度做到极致，一个把编辑与控制的深度做到极致。当社区还在争论"FLUX.2 Klein 9B 到底能打多久"时，官方用一份 Elo 对比给出了答案——而这份答案，直接决定了你该为哪台机器、哪类任务掏钱。

本文基于 BFL 官方发布数据与 flux-3-image-klein-comfy 仓库的实际文件与工作流，把两条产品线的定位、实测数据与选型逻辑一次讲透。

一、两条产品线的定位差异：交互式智能 vs 控制型编辑

先看两个模型的"官方人设"。

FLUX.2 [klein]（2026-01-15 发布），官方博客标题是 "Towards Interactive Visual Intelligence"。它把文生图、单参考编辑、多参考生成统一进一个紧凑架构，端到端推理低至 1 秒以内，4B 版本仅需约 13GB 显存即可在 RTX 3090/4070 上运行。它的技术底座是：9B 蒸馏版基于 9B 流模型 + 8B Qwen3 文本编码器，步数蒸馏压缩到4 步推理；4B 版则直接以 Apache 2.0 完全开源。FP8 / NVFP4 量化（与 NVIDIA 合作开发）分别带来最高 1.6 倍 / 2.7 倍提速和 40% / 55% 的显存削减。

FLUX 3 Image Klein（2026-10-15 发布），是 FLUX 3 家族继 FLUX 3 Action 之后的第二个开源权重模型。它是一个 5.6B 参数的单模型，一条提示词 + 最多 10 张参考图，同时完成文生图、单参考编辑和多参考合成，文本编码器换成Qwen3-VL-4B-Instruct。它共享 FLUX 3 在图像、视频、音频三模态上的学习成果——官方称图像贡献空间细节、视频贡献运动与物理动态、音频提供事件与交互信息，这让生成结果更贴近真实世界。

两者的定位差异可以浓缩为一句话：FLUX.2 [klein] 拼的是"快"——实时交互、快速迭代、跑得动普通显卡；FLUX 3 Image Klein 拼的是"控制"——布局框（bounding boxes）、像素级编辑、多参考合成，让编辑结果"指哪打哪"。

这种差异也直接写进了两家产品的推理参数里。看本仓库的工作流即可佐证：

蒸馏版 16 步、无 guidance，为低延迟而生；Base 版保留 50 步 + CFG 3.5 的完整采样信号，为微调和 LoRA 训练保留自由度。而 FLUX.2 [klein] 的蒸馏版直接把步数压到 4 步——这就是两者速度差距的根源。

二、速度与编辑能力的实测对比：0.5 秒 vs 4 秒，91 Elo 的差距

速度：亚秒级是 FLUX.2 [klein] 的护城河

FLUX.2 [klein] 4B 蒸馏版在 RTX 50 系显卡、1024×1024、4 步采样下，端到端生成或编辑可在0.5 秒内完成。这个量级意味着它首次把"实时交互式视觉"变成现实：设计师可以边改提示词边看结果，UI 迭代不再有等待感。

FLUX 3 Image Klein 的速度则更务实：官方实测（NVIDIA 数据，ComfyUI 环境）蒸馏版 + INT8 构建下，生成一张 1MP 图像，RTX 5090 约 4 秒、RTX 4070 不到 9 秒；在 GB300 上用 NVFP4 构建可压到 0.6 秒以内。相比 FLUX.2 [klein] 的亚秒级，这是一个"从实时到准实时"的退让——但退让换来的，是质量与控制的显著跃升。

质量：参数少 38%，Elo 反而高 91

BFL 给出的内部评测数据值得反复读：FLUX 3 Image Klein 在 5.6B 参数下，文生图、多参考生成、图像编辑三项均排名开源第一，甚至超过闭源的 Ideogram V4.5 和 FLUX.2 [pro]；对比对象里 Qwen-Image 2.1 是 7B、Krea 2 是 12.9B。与 FLUX.2 [klein] 9B 相比，它文生图 Elo 高 91、编辑 Elo 高 70，而参数量反而少 38%。

也就是说：FLUX 3 Image Klein 用更小的模型，把 FLUX.2 [klein] 9B 这个"5 倍参数性能"的标杆又往前推了一档。社区实测也印证了这种代差——FLUX.2 [klein] 系的人像编辑评测中，作者普遍提到"对输入质量依赖强、复杂结构处理存在边界"；而 FLUX 3 Image Klein 的 bounding box 机制正是冲着这个痛点去的。

编辑能力：从"改属性"到"改布局"

两条产品线都支持"编辑"，但能力层级不同：

• FLUX.2 [klein]的编辑以属性级修改与跨图像融合见长，社区实测集中在单图改色、去外套、加文字与双图换装，依托 Qwen3 文本编码器的语义理解，配合 NVFP4 量化在消费级 GPU 上实现秒级响应。
• FLUX 3 Image Klein在文本驱动之上新增了布局框控制：以 0–1000 网格坐标把元素摆进画面，再通过提示词换色、移动、替换甚至删除。本仓库的 workflows/image_flux3_klein_distilled_image_edit_boundingbox_v2.json 给出了完整实现：CreateBoundingBoxes节点画框，Flux3LayoutPrompt节点把指令转成 JSON 坐标块追加到提示词，参考图以<ref_image_0>引用、元素以<obj_N>标记，末尾补一句 "keep the rest unchanged" 锁定未编辑区域。

In <ref_image_0>, change the small gold earring <obj_1> into a bright glossy red enamel earring of the same shape and size, attached to the same earlobe. Add a black pirate tricorn hat <obj_2> on her head. Keep the rest of the image exactly unchanged: the woman's face, hair, skin tone, teal top, background, lighting and shadows.

注意 README 中对该机制的严谨表述：框只引导位置与尺度，不是硬掩码——元素可以越出框，框外内容也可能被编辑波及。这是"布局引导"而非"局部蒙版"，理解这一点才能用好它。

另外值得一提：FLUX 3 Image Klein必须配 prompt upsampler 使用（README.md 第 34 行原文标注 "Do not use the model without a prompt upsampler"）。它接收的是完整场景描述，短提示词直接输入只会得到泛化输出。仓库内置了qwen3.5_9b_flux3_prompt_upsampler_int8_convrot.safetensors（9.8GB），蒸馏版 T2I 模板默认开启enable_prompt_upsampler，Base 模板默认关闭，编辑模板则需要先用 upsampler 把指令和参考图扩写成完整场景描述再喂给模型。这是一个明确的操作成本差异：FLUX.2 [klein] 开箱即用，FLUX 3 Image Klein 则需要一条"扩写—生成"链路。

显存门槛：FLUX.2 卡在 13GB，FLUX.3 下探到 8GB

FLUX.2 [klein] 4B 需要约 13GB 显存（RTX 3090/4070 起步），NVFP4 量化后显著降低占用。FLUX 3 Image Klein 的 INT8 构建则把门槛拉到了8GB 显存 GPU（如 RTX 3070），且不支持 FP8 的 RTX 30 系老卡也能跑；NVFP4 构建需要 Blackwell GPU。本仓库的完整文件清单印证了这条硬件下探路径：

三、不同场景的选型建议

结合上面的实测证据，选型可以按三条线走：

1. 实时交互、低显存、要开源商用 → FLUX.2 [klein] 4B亚秒级响应适合实时设计工具、交互式视觉对话、AI Agent 里的"边看边画"；13GB 显存门槛 + Apache 2.0 许可证，是本地部署与商业集成的低风险选项。如果你的核心诉求是"快"和"合规商用"，它仍然是最优解。

2. 专业编辑、布局控制、多参考合成 → FLUX 3 Image Klein电商商品图批量精修、双图换装、带布局约束的海报与 UI 设计、需要文本渲染准确度的场景，选它。代价是：要跑 prompt upsampler 链路，蒸馏版在 RTX 4070 上约 9 秒一张，且许可证为 FLUX Kommunity License（年收入低于 500 万美元的个人与公司可免费商用输出，商用微调与分发需另行审视条款）。

3. 兼顾两头的务实方案 → FLUX 3 Image Klein 蒸馏版（int8）如果你既想要接近旗舰的编辑质量、又没有 A 级显卡，蒸馏版 + INT8 是目前"质量/显存"曲线上的甜点位：5.8GB 主模型 + 4.9GB int8 文本编码器 + 9.8GB upsampler，整体占用可控，RTX 3070 即可跑通 workflows/image_flux3_klein_distilled_image_edit.json 这套完整编辑流程。

一张表收束对比：

四、未来产品线走向：klein 序列的汇合点

把两条产品线放进 FLUX 3 家族的时间轴，趋势很清晰：FLUX 3 Action（7B 机器人控制）→ FLUX 3 Image Klein，官方明确表示"more will follow"。klein 序列的使命从"把旗舰能力塞进小模型"演进为"把旗舰能力塞进更小的硬件、并叠加更细粒度的控制"——13GB（FLUX.2 klein 4B）→ 8GB（FLUX 3 Image Klein INT8），控制手段从自然语言 → 布局框坐标。

另一个值得注意的信号是 API 侧数据：BFL 官方公布 FLUX 3 Image Klein 在自家 API 上的端到端延迟为文生图 4.54 秒、编辑 7.18 秒（含排队与扩写），在同等延迟区间内评分最高。这意味着"编辑"正在取代"生成"成为模型竞争的纵深——谁能在保持编辑质量的同时把延迟压下去，谁就定义了下一代交互式视觉智能的形态。而 FLUX.2 [klein] 用亚秒级验证了交互的可行性，FLUX 3 Image Klein 则用布局框验证了控制的精确性，两者最终大概率会在某条产品线上汇合：快的编辑，和受控的生成。

对今天的开发者而言，答案其实很简单：如果你的工作流里"改"多于"画"，选 FLUX 3 Image Klein；如果"画"的速度本身就是产品，FLUX.2 [klein] 4B 依然是那个难以替代的选项。

【免费下载链接】flux-3-image-klein-comfy项目地址: https://ai.gitcode.com/hf_mirrors/black-forest-labs/flux-3-image-klein-comfy