Felo API PlatformFelo API Platform
Terug naar modellen

FLUX 3 Image API

FLUX 3 Image is een model van Black Forest Labs voor tekst-naar-afbeelding en beeldbewerking, met multi-referentie en native 4K-resolutie.

Black Forest Labs introduceerde FLUX 3 Image op 23 juli 2026 als vroegtijdige toegang. Het model hoort bij de FLUX 3-familie van multimodale fundamentele modellen en is ontworpen als één wereldmodel dat tegelijkertijd op afbeeldingen, video en audio is getraind. In tegenstelling tot FLUX 1 en FLUX 2, die alleen afbeeldingen genereerden, voegt FLUX 3 ook videogeneratie, native audiogeneratie en voorspelling van robotacties toe. Voor beeldtaken ondersteunt FLUX 3 Image tekstinvoer, beeldinvoer en beelduitvoer. Het genereert afbeeldingen op native 4K-resolutie en biedt bewerking op pixelniveau. Het model werkt met volledige scènebeschrijvingen in plaats van korte prompts en kan tot 10 referentieafbeeldingen gebruiken voor multi-referentiegeneratie. Met bounding boxes kunnen elementen nauwkeurig worden geplaatst en kunnen bewerkingsgebieden worden afgebakend. Het model is vanaf de eerste dag geïntegreerd met de Diffusers-bibliotheek en gebruikt Qwen3-VL-4B-Instruct als tekstencoder. De beeldtransformator is beschikbaar als een open-weight model met 5,6 miljard parameters; de modelgrootte is 6 miljard parameters in BF16. Er is een ongedistilleerde basisversie (Klein Base) voor fine-tuning, LoRA-training en onderzoek, en een gedistilleerde Klein-versie voor generatie, bewerking en zelfhosting. Het checkpoint achter de BFL API is de gedistilleerde versie.

Bijgewerkt:

MODEL-ID

flux-3-image
Invoer
text / image
Uitvoer
image

Hoogtepunten

  • Native 4K-resolutie
  • Bewerking op pixelniveau
  • Tot 10 referentieafbeeldingen
  • Bounding boxes voor plaatsing
  • Diffusers-integratie vanaf dag één
  • Klein Base voor fine-tuning

Aanbieders

1 aanbieders

Vergelijk API-prijzen tussen aanbieders. Kies een aanbieder om alle kosten en voorwaarden te bekijken.

Aanbieder · Prijsdetails
Beschikbaarheid
Niet gepubliceerd

Benchmarks

  • Text-to-image rangschikking (interne evaluatie)

    FLUX 3 Image Klein eindigde als eerste onder de vergeleken modellen

    #1
  • Multi-referentiegeneratie rangschikking (interne evaluatie)

    FLUX 3 Image Klein eindigde als eerste onder de vergeleken modellen

    #1
  • Beeldbewerking rangschikking (interne evaluatie)

    FLUX 3 Image Klein eindigde als eerste onder de vergeleken modellen

    #1
  • Verbetering tekst-naar-afbeelding ten opzichte van FLUX.2 Klein 9B

    Elo-punten

    91
  • Verbetering beeldbewerking ten opzichte van FLUX.2 Klein 9B

    Elo-punten

    70
  • Physics-IQ

    gerangschikt als 's werelds sterkste wereldmodel

    #1

Scores zoals gepubliceerd door de modelaanbieder.

Snelstart

Verstuur een afbeeldingstaak, controleer de status en sla de afbeeldingen op. De voorbeelden gebruiken curl en de standaardbibliotheek van Python 3.

POST https://openapi.felo.ai/api/v1/images/generations

1API-sleutel instellen

Maak een sleutel in je Felo API Platform-account en stel deze in als omgevingsvariabele.

export FELO_API_KEY="YOUR_API_KEY"

2Je eerste aanvraag doen

Optionele waarden verschillen per model en zijn hier niet ingesteld. Controleer ze in Playground. Velden staan naast model en prompt, zonder input-omslag.

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"
}'

3Taak pollen

De aanvraag retourneert task_id. Controleer elke 3 seconden bij queued of running; stop bij succeeded, failed of interrupted. Maximaal 30 minuten wachten. Bewaar created.json om dezelfde taak verder op te vragen zonder opnieuw te versturen.

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")
PY

4Uitvoer downloaden

Sla na succes outputs uit task.json op. HTTPS-URL’s, URL-objecten en b64_json worden ondersteund. Download ondertekende URL’s tijdig; daarvoor is geen API-sleutel nodig.

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)
PY
input_references

Vervang voor bewerking de voorbeeld-URL door je HTTPS-afbeeldings-URL of een base64-afbeeldings-data-URL. Verstuur één keer en volg dezelfde controle- en opslagstappen.

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",
  "input_references": [
    {
      "type": "image_url",
      "image_url": {
        "url": "https://example.com/product.png"
      }
    }
  ]
}'

Ondersteunde parameters

  • n
  • resolution
  • aspect_ratio
  • input_references

Liever de volledige referentie?

API-referentie →

Veelgestelde vragen

Wat is FLUX 3 Image?

Black Forest Labs introduceerde FLUX 3 Image op 23 juli 2026 als vroegtijdige toegang. Het model hoort bij de FLUX 3-familie van multimodale fundamentele modellen en is ontworpen als één wereldmodel dat tegelijkertijd op afbeeldingen, video en audio is getraind. In tegenstelling tot FLUX 1 en FLUX 2, die alleen afbeeldingen genereerden, voegt FLUX 3 ook videogeneratie, native audiogeneratie en voorspelling van robotacties toe. Voor beeldtaken ondersteunt FLUX 3 Image tekstinvoer, beeldinvoer en beelduitvoer. Het genereert afbeeldingen op native 4K-resolutie en biedt bewerking op pixelniveau. Het model werkt met volledige scènebeschrijvingen in plaats van korte prompts en kan tot 10 referentieafbeeldingen gebruiken voor multi-referentiegeneratie. Met bounding boxes kunnen elementen nauwkeurig worden geplaatst en kunnen bewerkingsgebieden worden afgebakend. Het model is vanaf de eerste dag geïntegreerd met de Diffusers-bibliotheek en gebruikt Qwen3-VL-4B-Instruct als tekstencoder. De beeldtransformator is beschikbaar als een open-weight model met 5,6 miljard parameters; de modelgrootte is 6 miljard parameters in BF16. Er is een ongedistilleerde basisversie (Klein Base) voor fine-tuning, LoRA-training en onderzoek, en een gedistilleerde Klein-versie voor generatie, bewerking en zelfhosting. Het checkpoint achter de BFL API is de gedistilleerde versie.

Hoe wordt het gebruik gefactureerd?

Je factuur hangt af van de aanbieder die je gebruikt, de prijzen en je verbruik. Langere invoer of andere voorwaarden kunnen andere prijzen hebben.

Welke invoer en uitvoer ondersteunt FLUX 3 Image?

FLUX 3 Image ondersteunt tekstinvoer, beeldinvoer en beelduitvoer. Het genereert afbeeldingen uit tekstprompts en kan ook afbeeldingen bewerken op basis van een afbeelding plus een prompt.

Hoeveel referentieafbeeldingen kan FLUX 3 Image gebruiken?

Het model ondersteunt multi-referentiegeneratie met maximaal 10 referentieafbeeldingen.

Op welke resolutie genereert FLUX 3 Image?

FLUX 3 Image genereert op native 4K-resolutie en biedt bewerking op pixelniveau.

Wat is het verschil tussen de basis- en gedistilleerde versie?

De ongedistilleerde basisversie (Klein Base) is bedoeld voor fine-tuning, LoRA-training en onderzoek. De gedistilleerde Klein-versie is bedoeld voor generatie, bewerking en zelfhosting. De basisversie draait op 50 stappen met guidance 3.5; de gedistilleerde versie draait op 16 stappen zonder guidance.

Werkt FLUX 3 Image met korte prompts?

FLUX 3 Image is ontworpen voor volledige scènebeschrijvingen in plaats van korte prompts. Het model werkt samen met een apart 9B prompt-upsampler-model dat verzoeken via een systeemprompt uitbreidt tot gedetailleerde scènebeschrijvingen.

Gerelateerde modellen