En resumen
- El modelo admite generación de imágenes a partir de texto y edición de imágenes con varias referencias.
- El nuevo control de composición permite definir la posición de los elementos mediante cajas delimitadoras.
- El checkpoint destilado, optimizado para la velocidad, funciona con 16 pasos de forma predeterminada; el modelo base usa 50.
- En las pruebas de Hugging Face, la versión destilada generó una imagen de 1024 × 1024 en una H100 en 1,93 segundos de media.
Black Forest Labs anunció el modelo de generación de imágenes FLUX.3 Image Klein el 15 de octubre de 2026 a través del blog de Hugging Face; ese mismo día estuvo disponible en Diffusers. FLUX.3 Image Klein combina en un solo modelo la generación de imágenes a partir de texto y la edición de imágenes de referencia, y añade control de composición para indicar dónde deben ubicarse los elementos de la escena. El anuncio incluye dos checkpoints abiertos: una versión destilada para inferencia rápida y el modelo base.
¿Cómo funciona el control de composición?
El usuario añade regiones en formato JSON a la descripción de la imagen. Para cada región se especifican un identificador, una caja delimitadora y una descripción; en el prompt, el elemento correspondiente se menciona con ese identificador. Las cajas usan una escala normalizada de 0 a 1000, con las coordenadas verticales y horizontales en ese orden. Esto permite especificar con mayor precisión el espacio que ocupará una región en la imagen.
En la edición con imágenes de referencia, el sistema puede recibir cajas separadas para indicar la posición de un elemento en la imagen original y su posición de destino en el resultado. En el ejemplo del anuncio, se mueve un personaje mientras el fondo y los demás objetos permanecen en su sitio. Este enfoque permite intervenir en partes concretas de la composición en lugar de limitarse a cambiar la descripción de la escena, aunque la fuente no garantiza que todo permanezca sin cambios en todos los casos.
Dos checkpoints y opciones de hardware
El checkpoint destilado black-forest-labs/flux-3-image-klein funciona con 16 pasos de forma predeterminada. La versión base black-forest-labs/flux-3-image-klein-base utiliza 50 pasos y está pensada para el ajuste fino. También se han publicado scripts de entrenamiento LoRA para tareas de generación de imágenes a partir de texto y edición de imágenes con FLUX.3. El ejemplo de entrenamiento del anuncio utiliza el checkpoint base.
En las mediciones de Hugging Face, la versión destilada completó la generación de imágenes de 1024 × 1024 a partir de texto en una sola H100 de 80 GB en 1,93 segundos, como promedio de tres ejecuciones. En la misma prueba, la edición con una imagen de referencia tardó 3,87 segundos, y la edición de composición con una referencia de 1360 × 768 tardó 4,10 segundos. Se indica que estas mediciones se realizaron en una H100 con el backend de atención predeterminado; los resultados pueden variar en otro hardware.
También hay opciones de pesos cuantizados FP8 y NVFP4 para reducir el uso de memoria. Según el anuncio, FP8r está dirigido a GPU con capacidad de cómputo 8.9 o superior para admitir kernels rápidos; en otras GPU, los pesos se descomprimen en cada paso y, aunque se reduce el uso de memoria, no se espera un aumento de velocidad. NVFP4 requiere GPU Blackwell, además de flashinfer-python y flashinfer-cubin en la misma versión.
Impacto en los flujos de trabajo de arquitectura y visualización
Arquitectos, interioristas y equipos de archviz pueden probar el control de composición para definir la ubicación en el encuadre de muebles, personas o elementos focales en imágenes conceptuales. La posibilidad de usar varias imágenes de referencia también ofrece una opción para combinar en una escena elementos procedentes de distintas fuentes. Son posibles usos derivados de las capacidades de generación y edición del modelo; la fuente no anuncia una integración directa con ningún software 3D.
Los equipos que estén considerando un uso local deberían evaluar las necesidades de memoria de la GPU y los requisitos de hardware de las versiones cuantizadas. El anuncio no incluye información sobre licencias ni precios; antes de usar los checkpoints en producción comercial, conviene revisar sus condiciones de licencia. Los resultados del modelo no se describen como un formato de entrega que sustituya a la escena 3D o al archivo de proyecto existente.
Fuentes
1 fuenteNo republicamos los textos de las fuentes; las citas breves van marcadas y el resto es resumen y comentario propios.
El control de FLUX.3 Image Klein mediante cajas de composición puede ofrecer a los equipos de archviz una herramienta más controlable, especialmente para las primeras pruebas de composición. La opción de editar con varias imágenes de referencia también puede facilitar las pruebas para combinar distintos elementos visuales; sin embargo, esto no equivale a controlar directamente una escena 3D.
Para las oficinas de Turquía, la memoria de la GPU y la compatibilidad del hardware con las versiones cuantizadas serán factores decisivos al valorar el uso local. Como el anuncio no ofrece información sobre licencias ni precios, es importante aclarar estas condiciones y comparar los resultados con los estándares de producción actuales antes de incorporarlo a un flujo de trabajo comercial.
Preguntas frecuentes
¿Qué tipos de generación de imágenes admite FLUX.3 Image Klein?
Admite la generación de imágenes a partir de texto, la edición de imágenes con una o varias referencias y el control de composición mediante cajas delimitadoras.
¿Qué velocidad alcanza FLUX.3 Image Klein en una H100?
En las mediciones de Hugging Face, el checkpoint destilado generó imágenes de 1024 × 1024 a partir de texto en una H100 de 80 GB en 1,93 segundos de media.
¿Qué checkpoints ofrece FLUX.3 Image Klein?
Ofrece un checkpoint destilado de 16 pasos para inferencia rápida y un modelo base de 50 pasos. El modelo base también puede utilizarse para ajuste fino.
