Black Forest Labs ปล่อย FLUX 3 Image Klein น้ำหนักเปิด 5.6B: สร้างและแก้ภาพในโมเดลเดียว รองรับภาพอ้างอิง 10 ภาพและ bounding box รันบนการ์ด 8GB ได้ผ่าน INT8 — แต่ต้องมี prompt upsampler และไลเซนส์มีเพดานรายได้ $5M
Black Forest Labs (BFL) ปล่อย FLUX 3 Image Klein เมื่อ 15 ต.ค. 2026 เป็นโมเดลภาพ น้ำหนักเปิดขนาด 5.6B (นับเฉพาะตัว image transformer ไม่รวม text encoder) ที่รวมงานสามแบบไว้ในโมเดลเดียว ได้แก่ สร้างภาพจากข้อความ, แก้ภาพ และสร้างภาพจาก ภาพอ้างอิงสูงสุด 10 ภาพ โดยดึงความสามารถหลักมาจาก FLUX 3 Image ตัวเต็ม ทั้งการสร้างภาพ 4K, การแก้ภาพเฉพาะจุด และ bounding box ที่กำหนดได้ว่าจะวางวัตถุตรงไหน เป็นรุ่นน้ำหนักเปิดตัวที่สองของตระกูล FLUX 3 ต่อจาก FLUX 3 Action ซึ่งเป็นโมเดลควบคุมหุ่นยนต์
จุดที่นักพัฒนาสนใจคือขนาด BFL วางมันเทียบตรง ๆ กับโมเดลภาพเปิดตัวอื่น โดยบอกว่าเป็นตัวเล็กที่สุดในกราฟ (5.6B เทียบกับ 7B ของ Qwen-Image 2.1 และ 12.9B ของ Krea 2) แต่ได้อันดับหนึ่งทั้งสร้างภาพ, ผสมภาพอ้างอิง และแก้ภาพ และยังเหนือ Ideogram V4.5 กับ FLUX.2 [pro] ที่เป็นโมเดลปิด ทั้งหมดนี้เป็น การประเมินภายในของ BFL เอง ยังไม่มีผลจากผู้ประเมินอิสระ
สองรุ่น สามแบบ quantize
ชุดที่ปล่อยมีสองเช็กพอยต์:
- Klein Base — รุ่นที่ยังไม่ distill ใช้ 50 สเต็ป guidance 3.5 ทำมาเพื่อ fine-tune, เทรน LoRA และงานวิจัย รองรับ LoRA ผ่าน Diffusers และ AI Toolkit ของ Ostris ตั้งแต่วันแรก และมีสูตรใน NVIDIA NeMo AutoModel
- Klein (distilled) — 16 สเต็ป ไม่ใช้ guidance เป็นตัวเดียวกับที่ให้บริการบน BFL API (เริ่มต้น $0.009 ต่อภาพขนาด 1MP)
ทั้งสองรุ่นมีไฟล์ BF16, FP8 และ NVFP4 ส่วน INT8 อยู่ใน repo แยกสำหรับ ComfyUI ตัวเข้ารหัสข้อความคือ Qwen3-VL-4B-Instruct (Apache-2.0) และรองรับตั้งแต่วันแรกใน ComfyUI, Diffusers, TensorRT-LLM, SGLang Diffusion และ vLLM-Omni
”รันบน 8GB” — อ่านตัวเลขให้ครบ
บล็อก BFL ระบุว่าน้ำหนักตัว generator ใช้ 11.2GB ใน BF16 และ 5.6GB ใน FP8 และ รุ่น INT8 รันบน GeForce RTX ที่มี VRAM เพียง 8GB ผ่าน ComfyUI หรือ Diffusers ความเร็ว (วัดโดย NVIDIA) อยู่ที่ราว 4 วินาทีต่อภาพ 1MP บน RTX 5090 และต่ำกว่า 9 วินาทีบน RTX 4070 ด้วยรุ่น distilled + INT8
แต่การ์ดโมเดลบน Hugging Face เล่าอีกด้าน: ถ้าใช้ reference code บน B200 ที่ 1024×1024 โดยปิด prompt upsampler หน่วยความจำ GPU สูงสุดคือ 31GB (BF16), 26GB (FP8) และ 25GB (NVFP4) ตัวเลข 8GB จึงเป็นผลของ ComfyUI ที่ offload และ quantize อย่างหนัก ไม่ใช่ค่าที่ได้จากโค้ดอ้างอิงตรง ๆ
อีกข้อที่การ์ดเขียนเป็นตัวหนาคือ “อย่าใช้โมเดลโดยไม่มี prompt upsampler” เพราะ Klein ถูกเทรนกับคำบรรยายฉากแบบเต็ม prompt สั้น ๆ จะได้ภาพทั่วไป BFL ให้ตัว upsampler ของตัวเอง (flux-3-image-klein-pup) ซึ่งใน repo ComfyUI เป็นโมเดลตระกูล Qwen3.5 9B และ เพิ่มหน่วยความจำอีกราว 28GB บน GPU 80GB หรือจะใช้ LLM ตัวไหนก็ได้กับ system prompt ที่ BFL แจกไว้ ส่วน Diffusers ไม่ได้รัน upsampler ให้เอง
ไลเซนส์: เปิดน้ำหนัก แต่ไม่ใช่โอเพนซอร์ส
น้ำหนักอยู่ใต้ FLUX Kommunity License และต้องกดยอมรับเงื่อนไขก่อนดาวน์โหลด ให้ใช้เชิงพาณิชย์ฟรีเฉพาะผู้ใช้ที่มี รายได้ต่อปีรวมบริษัทในเครือต่ำกว่า $5M นอกเหนือจากนั้นต้องซื้อสิทธิ์ self-host หรือใช้ API การ์ดยังย้ำว่าข้อยกเว้นนี้ ไม่ได้อนุญาตให้ fine-tune หรือแจกจ่ายเชิงพาณิชย์แบบเหมารวม และห้ามใช้โมเดล อนุพันธ์ หรือ ผลลัพธ์ ไปปรับปรุงโมเดลอื่นที่ทำหน้าที่คล้าย FLUX รวมถึงห้ามใช้ทางทหาร, สอดแนม และประมวลผลไบโอเมตริก
มุมมอง AI Curator
ภาพปกทุกใบของบล็อกนี้สร้างด้วย Qwen-Image 2.1 บนเครื่องเรา Klein จึงเป็นโมเดลที่เราอยากลองเองมากที่สุดในสัปดาห์นี้ ตัวเลข 5.6B กับเวลาไม่ถึง 9 วินาทีบน RTX 4070 ฟังดูดี แต่ต้องอ่านเงื่อนไขให้ครบ ตัวเลข 8GB ไม่รวม upsampler ซึ่งการ์ดบอกเองว่าขาดไม่ได้ และถ้ารัน upsampler ในเครื่องด้วย งบ VRAM จะไม่ใช่การ์ดเกมระดับกลางแล้ว ทางที่ใช้ได้จริงสำหรับเครื่องเล็กคือส่งงานขยาย prompt ให้ LLM ตัวอื่นหรือ API แล้วใช้ GPU รันแค่ตัวสร้างภาพ ส่วนคำอ้าง “อันดับหนึ่งของโมเดลเปิด” มาจากการประเมินภายในของ BFL เท่านั้น ควรรอดูผลจาก Artificial Analysis หรือผลทดสอบของชุมชนก่อน
เรื่องไลเซนส์สำคัญกว่าคะแนน สตาร์ทอัพและเอเจนซีไทยส่วนใหญ่รายได้ต่ำกว่า $5M จึงใช้เชิงพาณิชย์ได้ฟรี ถือว่าเปิดกว้างกว่า Qwen-Image 2.1 ที่เปลี่ยนเป็นไลเซนส์วิจัยไปแล้ว แต่ข้อห้ามเอาผลลัพธ์ไปเทรนโมเดลภาพตัวอื่น ทำให้ใช้ Klein สร้าง synthetic data ไม่ได้ ใครวางแผนแบบนั้นต้องเลือกโมเดลอื่น ภาพรวมของโมเดลภาพเปิดตอนนี้คือคุณภาพตามโมเดลปิดทันแล้ว แต่ไลเซนส์ยังผูกมัดมากกว่าโมเดลภาษามาก การมีโมเดลภาพที่ทั้งดีและเป็น Apache-2.0 จริง ๆ ยังเป็นช่องว่างที่ไม่มีใครเติม
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service