En bref
- Le modèle prend en charge la génération d’images à partir de texte et l’édition d’images à partir de plusieurs images de référence.
- Le nouveau contrôle de la composition permet de définir la position des éléments à l’aide de boîtes englobantes.
- Le checkpoint distillé, conçu pour la rapidité, fonctionne par défaut en 16 étapes ; le modèle de base en utilise 50.
- Lors du test de Hugging Face, la version distillée a généré une image de 1024 × 1024 en 1,93 seconde en moyenne sur un H100.
Black Forest Labs a annoncé le modèle de génération d’images FLUX.3 Image Klein le 15 octobre 2026 sur le blog de Hugging Face ; le modèle a été mis à disposition dans Diffusers le même jour. FLUX.3 Image Klein réunit dans un seul modèle la génération d’images à partir de texte et la retouche d’images de référence, tout en ajoutant un contrôle de la composition qui permet de définir où placer les éléments dans une scène. L’annonce présente deux checkpoints ouverts : une version distillée pour une inférence rapide et un modèle de base.
Comment fonctionne le contrôle de la composition ?
L’utilisateur ajoute des régions au prompt sous forme de JSON. Chaque région est définie par un identifiant, une boîte englobante et une description ; dans le prompt, l’élément concerné est désigné par cet identifiant. Les boîtes reposent sur une échelle normalisée de 0 à 1000, avec les coordonnées verticales et horizontales dans cet ordre. Il est ainsi possible de préciser plus clairement la zone que doit occuper une région dans l’image.
Pour la retouche à partir d’une image de référence, le système peut recevoir des boîtes distinctes indiquant la position d’un élément dans l’image source et sa position cible dans le résultat. Dans l’exemple de l’annonce, un personnage est déplacé tandis que l’arrière-plan et les autres objets restent à leur place. Cette approche permet d’intervenir sur des parties précises de la composition plutôt que de simplement modifier la description de la scène ; toutefois, la source ne garantit pas que les autres éléments resteront inchangés dans tous les cas.
Deux checkpoints et options matérielles
Le checkpoint distillé black-forest-labs/flux-3-image-klein fonctionne par défaut en 16 étapes. La version de base black-forest-labs/flux-3-image-klein-base en utilise 50 et est proposée pour le fine-tuning. Des scripts d’entraînement LoRA pour FLUX.3 ont également été publiés pour les tâches de génération d’images à partir de texte et de retouche d’images. L’exemple d’entraînement de l’annonce utilise le checkpoint de base.
Lors des mesures de Hugging Face, la version distillée a effectué une génération d’image à partir de texte en 1024 × 1024 en 1,93 seconde, sur un seul H100 de 80 Go, soit la moyenne de trois exécutions. Dans le même test, la retouche avec une image de référence a pris 3,87 secondes, et la retouche avec contrôle de la composition à partir d’une référence de 1360 × 768, 4,10 secondes. Il est précisé que ces mesures ont été réalisées sur H100 avec le backend d’attention par défaut ; les résultats peuvent varier selon le matériel.
Des options de poids quantifiés FP8 et NVFP4 sont également disponibles pour réduire la consommation mémoire. Selon l’annonce, FP8r cible les GPU dotés d’une capacité de calcul de 8.9 ou supérieure pour la prise en charge des kernels rapides ; sur les autres GPU, les poids sont déquantifiés à chaque étape. La consommation mémoire diminue alors, mais aucun gain de vitesse n’est attendu. NVFP4 nécessite des GPU Blackwell ainsi que flashinfer-python et flashinfer-cubin dans la même version.
Conséquences pour les workflows d’architecture et de visualisation
Les architectes, les architectes d’intérieur et les équipes d’archviz peuvent essayer le contrôle de la composition pour définir la place des meubles, des personnes ou des éléments principaux dans le cadre de visuels conceptuels. La possibilité de combiner plusieurs images de référence offre également une option pour réunir dans une même scène des éléments provenant de différentes sources. Il s’agit de pistes d’utilisation déduites des capacités de génération et de retouche du modèle ; la source n’annonce aucune intégration directe avec un logiciel 3D.
Les équipes qui envisagent une utilisation locale doivent évaluer les besoins en mémoire GPU et les exigences matérielles des versions quantifiées. L’annonce ne fournit ni conditions de licence ni informations tarifaires ; les détails de licence des checkpoints doivent être vérifiés séparément avant toute production commerciale. Les résultats du modèle ne sont pas présentés comme un format de livraison destiné à remplacer une scène 3D ou un fichier de projet existant.
Sources
1 sourceLes textes sources ne sont pas republiés ; les courtes citations sont signalées, le reste est notre propre résumé et commentaire.
La capacité de FLUX.3 Image Klein à utiliser des boîtes de composition pourrait fournir aux équipes d’archviz un outil plus contrôlable, notamment pour les premiers essais de composition. La retouche à partir de plusieurs images de référence peut également faciliter les essais visant à combiner différentes sources visuelles ; cela ne signifie toutefois pas que l’on puisse contrôler directement une scène 3D.
Pour les studios en Turquie, la mémoire GPU et la compatibilité matérielle des versions quantifiées seront déterminantes dans le choix d’une utilisation locale. L’annonce ne donnant aucune information sur les licences et les tarifs, il est important de clarifier ces conditions et de comparer les résultats aux standards de production actuels avant d’intégrer l’outil à un workflow commercial.
Questions fréquentes
Quels types de génération d’images FLUX.3 Image Klein prend-il en charge ?
Il prend en charge la génération d’images à partir de texte, la retouche à l’aide d’une ou de plusieurs images de référence et le contrôle de la composition par boîtes englobantes.
Quelle est la vitesse de FLUX.3 Image Klein sur H100 ?
Lors des mesures de Hugging Face, le checkpoint distillé a généré une image de 1024 × 1024 à partir de texte en 1,93 seconde en moyenne sur un H100 de 80 Go.
Quels checkpoints sont proposés pour FLUX.3 Image Klein ?
Un checkpoint distillé en 16 étapes pour une inférence rapide et un modèle de base en 50 étapes sont proposés. Le modèle de base peut également servir au fine-tuning.
