FLUX.2 Klein 4B

Descripción general

FLUX.2 klein 4B es un modelo compacto de texto a imagen presentado por Black Forest Labs, con una arquitectura rectified flow de 4000 millones de parámetros, destilado del modelo base FLUX.2 de mayor tamaño, del que hereda la comprensión de la iluminación, los materiales y la composición. Es adecuado para desarrolladores que necesitan generar imágenes por lotes a bajo costo y con una integración estable en flujos de trabajo interactivos o sensibles a la latencia. Gracias a la interfaz unificada de HiAPI.ai, basta con enviar el prompt para obtener la imagen final con la resolución y la relación de aspecto deseadas.

Puntos clave

• Tamaño compacto y costo de generación controlable: la escala de 4000 millones de parámetros, junto con la aceleración por destilación, reduce el costo de cada imagen, lo que lo hace idóneo para escenarios de desarrollo que requieren grandes volúmenes y múltiples intentos.
• Destilado de un modelo base FLUX.2 de mayor tamaño: la comprensión de la iluminación, los materiales y la composición proviene de la destilación de un modelo grande, con una calidad que supera lo que cabría esperar para su volumen de parámetros.
• Especificaciones de imagen definidas en una sola llamada: la resolución, la relación de aspecto, el formato de salida y la calidad de compresión son parámetros de la solicitud, de modo que las especificaciones de la imagen se determinan en una única llamada.
• Semilla reproducible: admite el envío de una semilla aleatoria, lo que facilita reproducir o ajustar los resultados de generación para un mismo prompt, útil para depuración y verificación de regresiones.

Descripción de capacidades

Generación de texto a imagen: basta con enviar un prompt de texto para obtener la imagen correspondiente, sin necesidad de una imagen de referencia; el prompt es el único parámetro obligatorio, por lo que la integración es sencilla.

Múltiples niveles de resolución y relaciones de aspecto: la salida admite cinco niveles de resolución de 0,25 a 4 MP y más de diez relaciones de aspecto como 1:1, 16:9 y 21:9, que se ajustan directamente a necesidades de maquetación como imágenes de cabecera o materiales verticales.

Formato de salida y control de calidad: permite elegir entre los formatos webp, jpg y png, y ajustar la calidad de compresión de jpg/webp entre 0 y 100, para equilibrar según se necesite la nitidez y el tamaño del archivo.

Semilla aleatoria reproducible: el parámetro seed permite obtener resultados repetibles con la misma entrada, lo que facilita comparar distintas combinaciones de parámetros y reproducir muestras problemáticas.

Casos de uso

• Generación masiva de imágenes para plataformas de contenido: equipos de operaciones o desarrolladores de backend generan imágenes por lotes con prompts basados en plantillas, especificando la relación de aspecto y el formato webp, y las usan directamente como imágenes de artículos y miniaturas de listados.
• Vista previa instantánea en herramientas de creación interactivas: las aplicaciones de creación convierten en tiempo real la entrada del usuario en imágenes, con una vista previa rápida a baja resolución y, tras la confirmación, la salida final a alta resolución.
• Generación de material de marketing con especificaciones definidas: se eligen proporciones como 16:9 o 9:16 y la resolución objetivo según el canal de difusión, y una sola llamada produce banners y portadas listos para publicar.
• Ajuste de parámetros y verificación de regresiones de los resultados: con seed y los parámetros de calidad se realizan comparaciones A/B, y las muestras reproducibles se consolidan como biblioteca de prompts y línea base de calidad.

Limitaciones y recomendaciones de selección

Solo admite texto a imagen; cuando se requiera editar una imagen existente o imponer restricciones mediante una imagen de referencia, debe elegirse la línea de edición de imágenes. El modelo es una versión destilada de 4B, por lo que su límite de capacidad está condicionado por la escala de parámetros y su estabilidad en composiciones complejas, texto denso y detalles finos es menor que la de modelos más grandes; para este tipo de necesidades de alta precisión se recomienda optar por modelos de mayor tamaño. La resolución y la relación de aspecto son enumeraciones predefinidas y no admiten salidas de tamaño arbitrario. Actualmente no se dispone de datos de referencia transversales independientes, por lo que la selección debería basarse en pruebas reales con prompts propios.