Kurz gesagt
- Das Modell unterstützt die Bildgenerierung aus Text sowie die Bildbearbeitung mit mehreren Referenzbildern.
- Die neue Layout-Steuerung ermöglicht es, die Position von Elementen mithilfe von Bounding-Boxen zu beschreiben.
- Der destillierte Checkpoint läuft standardmäßig mit 16 Schritten; das Basismodell verwendet 50 Schritte.
- Im Test von Hugging Face generierte die destillierte Version ein 1024 × 1024 großes Bild auf einer H100 in durchschnittlich 1,93 Sekunden.
Black Forest Labs stellte das Bildgenerierungsmodell FLUX.3 Image Klein am 15. Oktober 2026 im Hugging Face Blog vor; noch am selben Tag wurde das Modell in Diffusers verfügbar. FLUX.3 Image Klein vereint die Bildgenerierung aus Text und die Bearbeitung von Referenzbildern in einem Modell und ergänzt diese Funktionen um eine Layout-Steuerung, mit der sich die Position von Elementen in einer Szene beschreiben lässt. In der Ankündigung werden zwei offene Checkpoints vorgestellt: eine destillierte Version für schnelle Inferenz und ein Basismodell.
Wie funktioniert die Layout-Steuerung?
Nutzer fügen der Bildbeschreibung Bereiche im JSON-Format hinzu. Für jeden Bereich werden eine ID, eine Bounding-Box und eine Beschreibung festgelegt; im Prompt wird das entsprechende Element ebenfalls mit dieser ID bezeichnet. Die Boxen basieren auf einer normalisierten Skala von 0 bis 1000, in der die vertikalen und horizontalen Koordinaten in dieser Reihenfolge angegeben werden. So lässt sich genauer beschreiben, welchen Bereich ein Element im Bild einnehmen soll.
Bei der Bearbeitung mit Referenzbildern kann das System separate Boxen für die Position eines Elements im Quellbild und seine Zielposition im Ergebnis entgegennehmen. Im Beispiel aus der Ankündigung wird eine Figur verschoben, während der Hintergrund und andere Objekte an Ort und Stelle bleiben. So lässt sich gezielt in bestimmte Bereiche der Komposition eingreifen, statt nur die Szenenbeschreibung zu ändern. Die Quelle garantiert jedoch nicht, dass in jedem Fall alles andere unverändert bleibt.
Zwei Checkpoints und Hardwareoptionen
Der destillierte Checkpoint black-forest-labs/flux-3-image-klein läuft standardmäßig mit 16 Schritten. Die Basisversion black-forest-labs/flux-3-image-klein-base verwendet 50 Schritte und ist für Fine-Tuning vorgesehen. Außerdem wurden LoRA-Trainingsskripte für FLUX.3 zur Bildgenerierung aus Text und zur Bildbearbeitung veröffentlicht. Das Trainingsbeispiel in der Ankündigung verwendet den Basis-Checkpoint.
In den Messungen von Hugging Face benötigte die destillierte Version auf einer einzelnen 80-GB-H100 für die Bildgenerierung aus Text mit einer Auflösung von 1024 × 1024 im Durchschnitt von drei Durchläufen 1,93 Sekunden. Im selben Test dauerte die Bearbeitung mit einem Referenzbild 3,87 Sekunden und eine Layout-Bearbeitung mit einer Referenz in 1360 × 768 Pixeln 4,10 Sekunden. Laut Hinweis wurden diese Messungen auf einer H100 mit dem standardmäßigen Attention-Backend durchgeführt; die Ergebnisse können auf anderer Hardware abweichen.
Zur Reduzierung des Speicherbedarfs sind auch quantisierte Gewichtsvarianten in FP8 und NVFP4 verfügbar. Laut Ankündigung zielt FP8r für die Unterstützung schneller Kernel auf GPUs mit einer Compute Capability von mindestens 8.9 ab. Auf anderen GPUs werden die Gewichte bei jedem Schritt dequantisiert; dadurch sinkt zwar der Speicherbedarf, ein Geschwindigkeitsgewinn ist jedoch nicht zu erwarten. Für NVFP4 werden Blackwell-GPUs sowie flashinfer-python und flashinfer-cubin in derselben Version benötigt.
Auswirkungen auf Architektur- und Visualisierungsworkflows
Architekten, Innenarchitekten und Archviz-Teams können die Layout-Steuerung ausprobieren, um in Konzeptbildern die Position von Möbeln, Personen oder Blickfangelementen im Bildausschnitt festzulegen. Dass sich mehrere Referenzbilder gemeinsam verwenden lassen, bietet außerdem eine Möglichkeit, Elemente aus verschiedenen Quellen in einer Szene zusammenzuführen. Dies sind mögliche Einsatzbereiche, die sich aus den Bildgenerierungs- und Bearbeitungsfunktionen des Modells ableiten lassen; eine direkte Integration in eine 3D-Software wird in der Quelle nicht angekündigt.
Teams, die einen lokalen Einsatz erwägen, sollten den GPU-Speicherbedarf und die Hardwareanforderungen der quantisierten Versionen berücksichtigen. Die Ankündigung enthält keine Angaben zu Lizenzbedingungen oder Kosten; vor einer kommerziellen Nutzung sollten die Lizenzdetails der Checkpoints gesondert geprüft werden. Die Modellausgaben werden nicht als Ersatz für eine bestehende 3D-Szene oder Projektdatei beschrieben.
Quellen
1 QuelleQuelltexte werden nicht neu veröffentlicht; kurze Zitate sind gekennzeichnet, der Rest ist eigene Zusammenfassung und Einordnung.
Die Arbeit von FLUX.3 Image Klein mit Layout-Boxen könnte Archviz-Teams insbesondere bei ersten Kompositionsentwürfen ein besser steuerbares Werkzeug bieten. Auch die Bearbeitung mit mehreren Referenzbildern könnte es erleichtern, verschiedene visuelle Vorlagen zusammenzuführen. Das bedeutet jedoch keine direkte Kontrolle über eine 3D-Szene.
Für Büros in der Türkei werden beim lokalen Einsatz der GPU-Speicher und die Hardwarekompatibilität der quantisierten Versionen entscheidend sein. Da die Ankündigung keine Angaben zu Lizenz und Kosten enthält, sollten diese Bedingungen geklärt und die Ergebnisse mit dem bestehenden Produktionsstandard verglichen werden, bevor das Modell in kommerziellen Workflows eingesetzt wird.
Häufige Fragen
Welche Arten der Bildgenerierung unterstützt FLUX.3 Image Klein?
Das Modell unterstützt die Bildgenerierung aus Text, die Bearbeitung mit einem oder mehreren Referenzbildern sowie die Layout-Steuerung mithilfe von Bounding-Boxen.
Wie schnell ist FLUX.3 Image Klein auf einer H100?
Laut Messungen von Hugging Face benötigte der destillierte Checkpoint auf einer 80-GB-H100 für die Bildgenerierung aus Text mit einer Auflösung von 1024 × 1024 durchschnittlich 1,93 Sekunden.
Welche Checkpoints gibt es für FLUX.3 Image Klein?
Es gibt einen destillierten Checkpoint mit 16 Schritten für schnelle Inferenz sowie ein Basismodell mit 50 Schritten. Das Basismodell kann auch für Fine-Tuning verwendet werden.
