FLUX 3 Image Klein API
FLUX 3 Image Klein — це відкрита модель Black Forest Labs для генерації та редагування зображень із тексту й до 10 референсів, з підтримкою роздільності до 4K та локального запуску.
FLUX 3 Image Klein — це модель генерації та редагування зображень від Black Forest Labs, випущена 15 жовтня 2026 року. Вона приймає текст і зображення на вході та повертає зображення, підтримуючи генерацію за текстовим запитом, редагування за одним референсним зображенням і композицію з до 10 референсів. Керування розміщенням і масштабом елементів здійснюється через обмежувальні рамки на сітці від 0 до 1000, які задають позицію та розмір без жорсткого маскування пікселів. Модель також відтворює текст усередині згенерованих зображень і підтримує роздільність до 4K.
Для генерації та редагування зображень модель використовує текстовий енкодер Qwen3-VL-4B-Instruct окремо від 5,6B-параметричного трансформера зображень. Дистильована версія Klein працює за 16 кроків без guidance і саме вона стоїть за BFL API, тоді як недистильована Klein Base потребує 50 кроків при CFG 3.5 і призначена для тонкого налаштування, тренування LoRA та досліджень. Вбудований розширювач запитів на базі 9B-параметричної мовно-візуальної моделі перетворює короткі запити на докладні описи сцен і типово увімкнений у CLI, демо та ComfyUI; без нього результати суттєво слабшають.
Модель підходить для генерації зображень за текстом, редагування за одним референсом, композиції з кількох референсів, а також для локального редагування зображень на споживчих ноутбуках. Ваги генератора становлять 11,2 ГБ у BF16 і 5,6 ГБ у FP8, а збірка INT8 працює з 8 ГБ відеопам'яті на графічних процесорах NVIDIA GeForce RTX через ComfyUI або Diffusers. Дистильована модель зі збіркою INT8 генерує зображення на 1 мегапіксель приблизно за 4 секунди на NVIDIA GeForce RTX 5090 і менш ніж за 9 секунд на RTX 4070.
Оновлено:
MODEL ID
flux-3-image-klein- Вхід
- text / image
- Вихід
- image
Ключові можливості
- Генерація та редагування зображень
- До 10 референсів для композиції
- Керування рамками на сітці 0–1000
- Роздільність до 4K
- Локальний запуск з 8 ГБ відеопам'яті
- Відтворення тексту на зображеннях
Постачальники
Порівняйте ціни API у різних постачальників. Виберіть постачальника, щоб переглянути всі тарифи й умови.
| Доступність | ||
|---|---|---|
| $0.009 |
Історична статистика не є перевіркою наживо. Відсутність даних не означає збій.
Бенчмарки
- 91
Elo для генерації зображень за текстом проти FLUX.2 klein
Покращення Elo
- 70
Elo для редагування зображень проти FLUX.2 klein
Покращення Elo
Результати за публікацією постачальника моделі.
Швидкий старт
Надішліть завдання зображення, перевіряйте стан і збережіть зображення. Приклади використовують curl і стандартну бібліотеку Python 3.
POST https://openapi.felo.ai/api/v1/images/generations
1Отримайте API-ключ
Створіть ключ у своєму обліковому записі Felo API Platform і встановіть його як змінну середовища.
export FELO_API_KEY="YOUR_API_KEY"2Зробіть перший запит
Необов’язкові значення залежать від моделі та тут не задані. Перевірте їх у Playground. Поля розташовані поруч із model і prompt, без обгортки 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"
}'3Опитувати завдання
Надсилання повертає task_id. При queued або running перевіряйте кожні 3 секунди; при succeeded, failed або interrupted зупиніться. Очікуйте до 30 хвилин. Збережіть created.json для продовження без повторного надсилання.
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")
PY4Завантажити вихід
Після успіху збережіть outputs із task.json. Підтримуються HTTPS URL, об’єкти URL і b64_json. Підписані посилання завантажуйте вчасно; для зображень API-ключ не потрібен.
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
Для редагування замініть URL прикладу своїм HTTPS URL зображення або base64 data URL. Надішліть один раз, далі використовуйте ті самі кроки перевірки та збереження.
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"
}
}
]
}'Підтримувані параметри
- n
- seed
- resolution
- aspect_ratio
- output_format
- input_references
Потрібна повна довідка?
Довідка API →Часті запитання
Що таке FLUX 3 Image Klein?
FLUX 3 Image Klein — це модель генерації та редагування зображень від Black Forest Labs, випущена 15 жовтня 2026 року. Вона приймає текст і зображення на вході та повертає зображення, підтримуючи генерацію за текстовим запитом, редагування за одним референсним зображенням і композицію з до 10 референсів. Керування розміщенням і масштабом елементів здійснюється через обмежувальні рамки на сітці від 0 до 1000, які задають позицію та розмір без жорсткого маскування пікселів. Модель також відтворює текст усередині згенерованих зображень і підтримує роздільність до 4K. Для генерації та редагування зображень модель використовує текстовий енкодер Qwen3-VL-4B-Instruct окремо від 5,6B-параметричного трансформера зображень. Дистильована версія Klein працює за 16 кроків без guidance і саме вона стоїть за BFL API, тоді як недистильована Klein Base потребує 50 кроків при CFG 3.5 і призначена для тонкого налаштування, тренування LoRA та досліджень. Вбудований розширювач запитів на базі 9B-параметричної мовно-візуальної моделі перетворює короткі запити на докладні описи сцен і типово увімкнений у CLI, демо та ComfyUI; без нього результати суттєво слабшають. Модель підходить для генерації зображень за текстом, редагування за одним референсом, композиції з кількох референсів, а також для локального редагування зображень на споживчих ноутбуках. Ваги генератора становлять 11,2 ГБ у BF16 і 5,6 ГБ у FP8, а збірка INT8 працює з 8 ГБ відеопам'яті на графічних процесорах NVIDIA GeForce RTX через ComfyUI або Diffusers. Дистильована модель зі збіркою INT8 генерує зображення на 1 мегапіксель приблизно за 4 секунди на NVIDIA GeForce RTX 5090 і менш ніж за 9 секунд на RTX 4070.
Як нараховується оплата за використання?
Рахунок залежить від обраного постачальника, його цін і вашого використання. Довші вхідні дані або інші умови можуть мати інші ціни.
Які вхідні та вихідні дані підтримує FLUX 3 Image Klein?
Модель приймає текст і зображення на вході та повертає зображення. Вона підтримує генерацію за текстовим запитом, редагування за одним референсним зображенням і композицію з до 10 референсів.
Яку роздільність зображень підтримує модель?
FLUX 3 Image Klein підтримує роздільність до 4K.
Для яких завдань найкраще підходить ця модель?
Вона підходить для генерації зображень за текстом, редагування за одним референсом, композиції з кількох референсів, локального редагування на споживчих ноутбуках, а також для тонкого налаштування, тренування LoRA та досліджень на основі Klein Base.
Чим відрізняються дистильована версія Klein і Klein Base?
Дистильована версія Klein працює за 16 кроків без guidance і стоїть за BFL API. Klein Base не дистильована, потребує 50 кроків при CFG 3.5 і призначена для тонкого налаштування, тренування LoRA та досліджень.
Чи можна запускати модель локально?
Так. Збірка INT8 працює з 8 ГБ відеопам'яті на графічних процесорах NVIDIA GeForce RTX через ComfyUI або Diffusers, а дистильована модель зі збіркою INT8 генерує зображення на 1 мегапіксель приблизно за 4 секунди на RTX 5090 і менш ніж за 9 секунд на RTX 4070.
Що робить розширювач запитів?
Розширювач запитів на базі 9B-параметричної мовно-візуальної моделі перетворює короткі запити на докладні описи сцен. Він типово увімкнений у CLI, демо та ComfyUI, і без нього результати суттєво слабшають.