FLUX 3 Image Klein API
FLUX 3 Image Klein è il modello open-weight di Black Forest Labs per generazione ed editing di immagini da testo e riferimenti, con peso ridotto e fino a 4K.
FLUX 3 Image Klein è un modello di Black Forest Labs pubblicato il 15 ottobre 2026, progettato per generare immagini da prompt testuali, modificare un'immagine a partire da un singolo riferimento e comporre più riferimenti fino a 10 immagini. Supporta inoltre il posizionamento e la scala degli elementi tramite bounding box specificati su una griglia da 0 a 1000, senza mascherare i pixel, e la resa del testo all'interno delle immagini generate. Il modello è disponibile in due checkpoint: una versione distillata che gira in 16 step senza guidance, e Klein Base non distillato con 50 step a CFG 3.5, pensato per fine-tuning, addestramento LoRA e ricerca.
Il sistema include un prompt upsampler, attivo per impostazione predefinita in CLI, demo e ComfyUI, che espande richieste brevi in descrizioni dettagliate della scena. Il transformer da5,6B parametri utilizza Qwen3-VL-4B-Instruct come encoder testuale separato, mentre l'upsampler è un modello visione-linguaggio da 9B parametri fine-tuned da Qwen3.5-9B. I pesi del generatore occupano 11,2GB in BF16 e 5,6GB in FP8; la build INT8 gira con 8GB di VRAM su GPU NVIDIA GeForce RTX tramite ComfyUI o Diffusers. Il modello distillato con build INT8 genera un'immagine da 1 megapixel in circa 4 secondi su RTX 5090 e in meno di 9 secondi su RTX 4070. FLUX 3 condivide l'apprendimento tra immagine, video e audio per risultati ancorati al mondo reale.
È adatto a creatori e sviluppatori per la generazione testo-immagine, all'editing con riferimento singolo, alla composizione multi-riferimento, al fine-tuning e alla ricerca partendo da Klein Base, oltre che all'esecuzione locale su laptop consumer e al deployment su infrastruttura propria per requisiti di sovranità dei dati. L'uso senza prompt upsampler riduce significativamente i risultati; i controlli di sicurezza sono disattivati per impostazione predefinita nella CLI e devono essere abilitati. L'uso non commerciale è consentito secondo la FLUX Kommunity License v1.0, con eccezioni per output commerciali soggette a condizioni e restrizioni; altri usi possono richiedere una licenza separata da Black Forest Labs.
Aggiornato:
ID MODELLO
flux-3-image-klein- Input
- text / image
- Output
- image
In evidenza
- 5,6B parametri, il più piccolo tra i modelli open confrontati
- Editing da riferimento singolo o fino a 10 immagini
- Bounding box su griglia 0-1000 per posizione e scala
- Prompt upsampler attivo di default
- Fino a 4K di risoluzione
- Build INT8 con 8GB di VRAM
Fornitori
Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.
| Disponibilità | ||
|---|---|---|
| $0.009 |
Le statistiche storiche non sono un controllo in tempo reale. I dati mancanti non indicano un guasto.
Benchmark
- 91
Elo testo-immagine rispetto a FLUX.2 klein
Miglioramento Elo
- 70
Elo editing immagine rispetto a FLUX.2 klein
Miglioramento Elo
Punteggi come pubblicati dal fornitore del modello.
Avvio rapido
Invia un’attività immagine, controlla lo stato e salva le immagini. Gli esempi usano curl e la libreria standard di Python 3.
POST https://openapi.felo.ai/api/v1/images/generations
1Imposta la chiave API
Crea una chiave dal tuo account Felo API Platform e impostala come variabile d'ambiente.
export FELO_API_KEY="YOUR_API_KEY"2Invia la prima richiesta
I valori facoltativi dipendono dal modello e non sono impostati qui. Verificali nel Playground. I campi sono allo stesso livello di model e prompt, senza contenitore input.
curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-o created.json \
-d '{
"prompt": "A studio product photo of a ceramic coffee cup on warm linen, soft morning light",
"model": "flux-3-image-klein"
}'3Interroga l'attività
L’invio restituisce task_id. Controlla ogni 3 secondi durante queued o running; termina con succeeded, failed o interrupted. Attesa massima: 30 minuti. Conserva created.json per continuare senza inviare nuovamente.
python3 - <<'PY'
import json, os, time
from pathlib import Path
from urllib.parse import quote
from urllib.request import Request, urlopen
task = json.loads(Path("created.json").read_text())
task_id = task["task_id"]
url = "https://openapi.felo.ai/api/v1/images/generations/" + quote(task_id, safe="")
headers = {"Authorization": "Bearer " + os.environ["FELO_API_KEY"]}
deadline = time.monotonic() + 1800
while task["status"] in ("queued", "running"):
if time.monotonic() >= deadline:
raise TimeoutError(f"Keep task_id={task_id} to resume polling")
time.sleep(3)
with urlopen(Request(url, headers=headers), timeout=60) as response:
task = json.load(response)
if task.get("task_id") != task_id or task.get("kind") != "image":
raise ValueError("Unexpected task response")
print(task["status"])
if task["status"] != "succeeded":
raise RuntimeError(task.get("error") or task["status"])
if not task.get("outputs"):
raise ValueError("Task succeeded without image outputs")
Path("task.json").write_text(json.dumps(task))
print("Saved task.json")
PY4Scarica l'output
Dopo il successo, salva outputs da task.json. Sono supportati URL HTTPS, oggetti URL e b64_json. Scarica subito gli URL firmati; per il download non serve la chiave API.
python3 - <<'PY'
import base64, json
from pathlib import Path
from urllib.request import urlopen
task = json.loads(Path("task.json").read_text())
if task.get("status") != "succeeded" or not task.get("outputs"):
raise ValueError("No completed image outputs")
extensions = {"image/png": ".png", "image/jpeg": ".jpg", "image/webp": ".webp", "image/gif": ".gif", "image/avif": ".avif"}
for index, output in enumerate(task["outputs"], 1):
item = output if isinstance(output, dict) else {}
url = output if isinstance(output, str) else item.get("url") or item.get("unsigned_url")
mime = item.get("media_type") or "image/png"
if url and url.startswith("https://"):
with urlopen(url, timeout=60) as response:
data = response.read()
mime = response.headers.get_content_type()
elif url and url.startswith("data:image/") and ";base64," in url:
header, encoded = url.split(",", 1)
mime = header[5:].split(";", 1)[0]
data = base64.b64decode(encoded, validate=True)
elif item.get("b64_json"):
data = base64.b64decode(item["b64_json"], validate=True)
else:
raise ValueError("Unrecognized image output")
path = Path(f"image-{index}" + extensions.get(mime, ".bin"))
path.write_bytes(data)
print(path)
PYinput_references
Per modificare un’immagine, sostituisci l’URL di esempio con il tuo URL HTTPS o una data URL immagine in base64. Invia una volta, poi segui gli stessi passaggi di controllo e salvataggio.
curl --fail-with-body --max-time 60 "https://openapi.felo.ai/api/v1/images/generations" \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-o created.json \
-d '{
"prompt": "Keep the product and framing. Replace the background with a sunlit marble countertop.",
"model": "flux-3-image-klein",
"input_references": [
{
"type": "image_url",
"image_url": {
"url": "https://example.com/product.png"
}
}
]
}'Parametri supportati
- n
- seed
- resolution
- aspect_ratio
- output_format
- input_references
Preferisci il riferimento completo?
Riferimento API →Domande frequenti
Cos'è FLUX 3 Image Klein?
FLUX 3 Image Klein è un modello di Black Forest Labs pubblicato il 15 ottobre 2026, progettato per generare immagini da prompt testuali, modificare un'immagine a partire da un singolo riferimento e comporre più riferimenti fino a 10 immagini. Supporta inoltre il posizionamento e la scala degli elementi tramite bounding box specificati su una griglia da 0 a 1000, senza mascherare i pixel, e la resa del testo all'interno delle immagini generate. Il modello è disponibile in due checkpoint: una versione distillata che gira in 16 step senza guidance, e Klein Base non distillato con 50 step a CFG 3.5, pensato per fine-tuning, addestramento LoRA e ricerca. Il sistema include un prompt upsampler, attivo per impostazione predefinita in CLI, demo e ComfyUI, che espande richieste brevi in descrizioni dettagliate della scena. Il transformer da5,6B parametri utilizza Qwen3-VL-4B-Instruct come encoder testuale separato, mentre l'upsampler è un modello visione-linguaggio da 9B parametri fine-tuned da Qwen3.5-9B. I pesi del generatore occupano 11,2GB in BF16 e 5,6GB in FP8; la build INT8 gira con 8GB di VRAM su GPU NVIDIA GeForce RTX tramite ComfyUI o Diffusers. Il modello distillato con build INT8 genera un'immagine da 1 megapixel in circa 4 secondi su RTX 5090 e in meno di 9 secondi su RTX 4070. FLUX 3 condivide l'apprendimento tra immagine, video e audio per risultati ancorati al mondo reale. È adatto a creatori e sviluppatori per la generazione testo-immagine, all'editing con riferimento singolo, alla composizione multi-riferimento, al fine-tuning e alla ricerca partendo da Klein Base, oltre che all'esecuzione locale su laptop consumer e al deployment su infrastruttura propria per requisiti di sovranità dei dati. L'uso senza prompt upsampler riduce significativamente i risultati; i controlli di sicurezza sono disattivati per impostazione predefinita nella CLI e devono essere abilitati. L'uso non commerciale è consentito secondo la FLUX Kommunity License v1.0, con eccezioni per output commerciali soggette a condizioni e restrizioni; altri usi possono richiedere una licenza separata da Black Forest Labs.
Come viene addebitato l'utilizzo?
La fattura dipende dal fornitore che usi, dai suoi prezzi e dal tuo utilizzo. Input più lunghi o altre condizioni possono avere prezzi diversi.
Quali input e output supporta FLUX 3 Image Klein?
Accetta input testuali e immagini e produce immagini. Può modificare un'immagine da un singolo riferimento o comporne fino a 10.
Quali sono i limiti di contesto e di output?
La scheda del modello non specifica limiti di contesto o di lunghezza dell'output; supporta risoluzioni fino a 4K.
A cosa serve il prompt upsampler?
Espande richieste brevi in descrizioni dettagliate della scena ed è attivo per impostazione predefinita in CLI, demo e ComfyUI. Usare il modello senza upsampler riduce significativamente i risultati.
Che differenza c'è tra il checkpoint distillato e Klein Base?
Il checkpoint distillato gira in 16 step senza guidance ed è quello dietro l'API BFL; Klein Base non distillato usa 50 step a CFG 3.5 ed è pensato per fine-tuning, LoRA e ricerca.
Quali requisiti hardware ha per l'esecuzione locale?
La build INT8 funziona con 8GB di VRAM su GPU NVIDIA GeForce RTX tramite ComfyUI o Diffusers. I pesi del generatore occupano 11,2GB in BF16 e 5,6GB in FP8.