FLUX.2 Klein 4B

Краткое описание

FLUX.2 klein 4B — это компактная модель генерации изображений по тексту, выпущенная Black Forest Labs. Она построена на архитектуре rectified flow с 4 млрд параметров и благодаря дистилляции наследует от более крупной базовой модели FLUX.2 понимание освещения, материалов и композиции. Подходит разработчикам, которым нужна недорогая пакетная генерация изображений и стабильная интеграция в интерактивные рабочие процессы или сценарии с жёсткими требованиями к задержке. При вызове через единый интерфейс HiAPI.ai достаточно отправить запрос с подсказкой, чтобы получить готовое изображение в нужном разрешении и с нужным соотношением сторон.

Ключевые особенности

• Компактный размер, контролируемая стоимость генерации — масштаб в 4 млрд параметров в сочетании с ускорением за счёт дистилляции обеспечивает низкие затраты на одно изображение, что подходит для сценариев разработки с большими объёмами и многократными попытками.
• Дистилляция из более крупной базовой модели FLUX.2 — понимание освещения, материалов и композиции унаследовано от крупной модели путём дистилляции, а качество превосходит ожидания, соответствующие такому числу параметров.
• Параметры изображения задаются одним вызовом — разрешение, соотношение сторон, формат вывода и качество сжатия являются параметрами запроса, а характеристики изображения определяются в рамках одного вызова.
• Воспроизводимость по seed — поддерживается передача случайного seed, что позволяет воспроизводить или тонко настраивать результаты генерации для одной и той же подсказки, упрощая отладку и регрессионную проверку.

Возможности

Генерация изображений по тексту: достаточно отправить текстовую подсказку, чтобы получить соответствующее изображение, без опорного изображения; подсказка — единственный обязательный параметр, а интеграция не требует больших усилий.

Несколько уровней разрешения и соотношений сторон: вывод поддерживает пять уровней разрешения от 0,25 до 4 Мп, а также более десяти соотношений сторон, включая 1:1, 16:9, 21:9 и другие, что позволяет напрямую подгонять под требования к заголовочным изображениям, вертикальным материалам и вёрстке.

Формат вывода и управление качеством: доступны три формата — webp, jpg и png, а для jpg/webp можно регулировать качество сжатия от 0 до 100, выбирая баланс между чёткостью и размером файла по необходимости.

Воспроизводимый случайный seed: параметр seed позволяет получать повторяемые результаты для одинаковых входных данных, что удобно для сравнения различных комбинаций параметров и воспроизведения проблемных образцов.

Сценарии применения

• Пакетная генерация изображений для контентных платформ — операторы или бэкенд-разработчики пакетно генерируют изображения по шаблонным подсказкам, задавая соотношение сторон и формат webp, и напрямую используют их для иллюстраций к статьям и миниатюр в списках.
• Мгновенный предпросмотр в интерактивных инструментах творчества — творческие приложения в реальном времени преобразуют ввод пользователя в изображения, быстро показывают предпросмотр в низком разрешении, а после подтверждения выводят готовый результат в высоком разрешении.
• Стандартизированная генерация маркетинговых материалов — в зависимости от канала размещения выбираются пропорции, например 16:9 или 9:16, и целевое разрешение, а один вызов создаёт баннеры и обложки, готовые к публикации.
• Настройка параметров и регрессионная проверка результатов генерации — с помощью seed и параметров качества проводится A/B-сравнение, а воспроизводимые образцы сохраняются как библиотека подсказок и базовая линия качества.

Ограничения и рекомендации по выбору

Поддерживается только генерация изображений по тексту; если требуется редактирование на основе существующего изображения или ограничения по опорному изображению, следует выбирать линейку редактирования изображений. Модель является дистиллированной версией с 4 млрд параметров, поэтому её предельные возможности ограничены масштабом параметров: стабильность при сложных композициях, плотном тексте и мелких деталях ниже, чем у более крупных моделей, и для таких высокоточных задач рекомендуется выбирать модели большего размера. Разрешение и соотношение сторон задаются предустановленными перечислениями, произвольные размеры вывода не поддерживаются. В настоящее время отсутствуют независимые данные горизонтальных сравнительных тестов, поэтому при выборе модели рекомендуется опираться на собственные практические тесты с вашими подсказками.