FLUX 3 Image API
FLUX 3 Image là mô hình tạo và chỉnh sửa ảnh thuộc dòng FLUX 3 của Black Forest Labs, nhận đầu vào văn bản và ảnh, tạo ảnh gốc 4K, hỗ trợ tối đa 10 ảnh tham chiếu và chỉnh sửa chính xác đến từng pixel.
FLUX 3 Image là một phần trong dòng mô hình nền tảng đa phương thức FLUX 3 do Black Forest Labs công bố ngày 23 tháng 7 năm 2026, trong đó FLUX 3 Image là phiên bản chuyên về tạo và chỉnh sửa ảnh. Mô hình nhận đầu vào văn bản và ảnh, tạo đầu ra là ảnh ở độ phân giải gốc 4K. Nó có thể tạo ảnh từ câu lệnh văn bản, chỉnh sửa ảnh dựa trên ảnh cộng với câu lệnh, và tạo ảnh tổng hợp đa tham chiếu với tối đa 10 ảnh tham chiếu. Quá trình chỉnh sửa đạt độ chính xác đến từng pixel, đồng thời mô hình dùng bounding box để kiểm soát vị trí các phần tử và giới hạn vùng cần chỉnh sửa.
Mô hình được thiết kế để nhận câu mô tả toàn cảnh thay vì câu lệnh ngắn, và đi kèm một mô hình prompt upsampler 9B mở rộng yêu cầu thành mô tả cảnh chi tiết thông qua system prompt. Nhờ đó, FLUX 3 Image phù hợp cho sản xuất thiết kế và quảng cáo, trực quan hóa sản phẩm, chỉnh sửa ảnh một tham chiếu và tổng hợp ảnh đa tham chiếu. Mô hình tích hợp với thư viện Diffusers ngay từ ngày đầu tiên và có thể chạy trên các GPU thuộc lớp RTX 4070.
Về cấu hình, bộ mã hóa văn bản là Qwen3-VL-4B-Instruct theo giấy phép Apache-2.0, còn image transformer được cung cấp dưới dạng mô hình trọng số mở 5.6 tỷ tham số; kích thước mô hình là 6 tỷ tham số ở kiểu tensor BF16. Phiên bản Klein Base không qua chưng cất dùng cho tinh chỉnh, huấn luyện LoRA và nghiên cứu, trong khi phiên bản Klein đã chưng cất dùng cho tạo ảnh, chỉnh sửa và tự lưu trữ. Bản base chạy 50 bước với guidance 3.5, còn bản chưng cất chạy 16 bước không guidance. Người dùng cần lưu ý rằng flux-kommunity-license đặt ra các điều kiện đối với việc sử dụng thương mại.
Cập nhật:
ID MÔ HÌNH
flux-3-image- Đầu vào
- text / image
- Đầu ra
- image
Điểm nổi bật
- Tạo và chỉnh sửa ảnh ở độ phân giải gốc 4K
- Hỗ trợ tối đa 10 ảnh tham chiếu
- Chỉnh sửa chính xác đến từng pixel
- Dùng bounding box để kiểm soát vị trí phần tử
- Tích hợp với thư viện Diffusers ngay từ đầu
- Chạy được trên GPU lớp RTX 4070
Nhà cung cấp
So sánh giá API giữa các nhà cung cấp. Chọn một nhà cung cấp để xem toàn bộ chi phí và điều kiện.
| Tỷ lệ khả dụng | ||
|---|---|---|
| Chưa công bố |
Thống kê lịch sử không phải kiểm tra trạng thái trực tiếp. Thiếu dữ liệu không có nghĩa là gián đoạn.
Điểm chuẩn
- #1
Xếp hạng tạo ảnh từ văn bản (đánh giá nội bộ)
FLUX 3 Image Klein đứng đầu trong số các mô hình được so sánh
- #1
Xếp hạng tạo ảnh đa tham chiếu (đánh giá nội bộ)
FLUX 3 Image Klein đứng đầu trong số các mô hình được so sánh
- #1
Xếp hạng chỉnh sửa ảnh (đánh giá nội bộ)
FLUX 3 Image Klein đứng đầu trong số các mô hình được so sánh
- 91
Mức cải thiện tạo ảnh từ văn bản so với FLUX.2 Klein 9B
Điểm Elo
- 70
Mức cải thiện chỉnh sửa ảnh so với FLUX.2 Klein 9B
Điểm Elo
- #1
Physics-IQ
được xếp hạng là world model mạnh nhất thế giới
Điểm số theo công bố của nhà cung cấp mô hình.
Bắt đầu nhanh
Gửi tác vụ ảnh, kiểm tra trạng thái rồi lưu ảnh. Ví dụ dùng curl và thư viện chuẩn Python 3.
POST https://openapi.felo.ai/api/v1/images/generations
1Thiết lập khóa API
Tạo khóa trong tài khoản Felo API Platform của bạn và đặt làm biến môi trường.
export FELO_API_KEY="YOUR_API_KEY"2Gửi yêu cầu đầu tiên
Giá trị tùy chọn khác nhau theo mô hình và không được đặt sẵn. Hãy xác nhận trong Playground. Các trường cùng cấp với model và prompt, không bọc trong 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"
}'3Thăm dò tác vụ
Yêu cầu trả về task_id. Kiểm tra mỗi 3 giây khi queued hoặc running; dừng khi succeeded, failed hoặc interrupted. Chờ tối đa 30 phút. Giữ created.json để tiếp tục kiểm tra cùng tác vụ mà không gửi lại.
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")
PY4Tải đầu ra
Sau khi thành công, lưu outputs từ task.json. Hỗ trợ URL HTTPS, đối tượng URL và b64_json. Tải URL có chữ ký sớm; tải ảnh không cần API key.
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
Để chỉnh sửa ảnh, thay URL ví dụ bằng URL ảnh HTTPS hoặc data URL ảnh base64 của bạn. Gửi một lần rồi dùng cùng các bước kiểm tra và lưu.
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"
}
}
]
}'Tham số hỗ trợ
- n
- resolution
- aspect_ratio
- input_references
Muốn xem tài liệu tham chiếu đầy đủ?
Tham chiếu API →Câu hỏi thường gặp
Tìm hiểu FLUX 3 Image?
FLUX 3 Image là một phần trong dòng mô hình nền tảng đa phương thức FLUX 3 do Black Forest Labs công bố ngày 23 tháng 7 năm 2026, trong đó FLUX 3 Image là phiên bản chuyên về tạo và chỉnh sửa ảnh. Mô hình nhận đầu vào văn bản và ảnh, tạo đầu ra là ảnh ở độ phân giải gốc 4K. Nó có thể tạo ảnh từ câu lệnh văn bản, chỉnh sửa ảnh dựa trên ảnh cộng với câu lệnh, và tạo ảnh tổng hợp đa tham chiếu với tối đa 10 ảnh tham chiếu. Quá trình chỉnh sửa đạt độ chính xác đến từng pixel, đồng thời mô hình dùng bounding box để kiểm soát vị trí các phần tử và giới hạn vùng cần chỉnh sửa. Mô hình được thiết kế để nhận câu mô tả toàn cảnh thay vì câu lệnh ngắn, và đi kèm một mô hình prompt upsampler 9B mở rộng yêu cầu thành mô tả cảnh chi tiết thông qua system prompt. Nhờ đó, FLUX 3 Image phù hợp cho sản xuất thiết kế và quảng cáo, trực quan hóa sản phẩm, chỉnh sửa ảnh một tham chiếu và tổng hợp ảnh đa tham chiếu. Mô hình tích hợp với thư viện Diffusers ngay từ ngày đầu tiên và có thể chạy trên các GPU thuộc lớp RTX 4070. Về cấu hình, bộ mã hóa văn bản là Qwen3-VL-4B-Instruct theo giấy phép Apache-2.0, còn image transformer được cung cấp dưới dạng mô hình trọng số mở 5.6 tỷ tham số; kích thước mô hình là 6 tỷ tham số ở kiểu tensor BF16. Phiên bản Klein Base không qua chưng cất dùng cho tinh chỉnh, huấn luyện LoRA và nghiên cứu, trong khi phiên bản Klein đã chưng cất dùng cho tạo ảnh, chỉnh sửa và tự lưu trữ. Bản base chạy 50 bước với guidance 3.5, còn bản chưng cất chạy 16 bước không guidance. Người dùng cần lưu ý rằng flux-kommunity-license đặt ra các điều kiện đối với việc sử dụng thương mại.
Cách tính phí sử dụng?
Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác.
FLUX 3 Image nhận những loại đầu vào nào?
Mô hình nhận đầu vào văn bản và ảnh, đồng thời tạo đầu ra là ảnh. Nó hỗ trợ tạo ảnh từ câu lệnh văn bản và chỉnh sửa ảnh từ ảnh cộng với câu lệnh.
Mô hình hỗ trợ bao nhiêu ảnh tham chiếu khi tạo ảnh tổng hợp?
FLUX 3 Image hỗ trợ tạo ảnh tổng hợp đa tham chiếu với tối đa 10 ảnh tham chiếu.
Mô hình có những phiên bản nào?
Có phiên bản Klein Base không qua chưng cất dùng cho tinh chỉnh, huấn luyện LoRA và nghiên cứu, cùng phiên bản Klein đã chưng cất dùng cho tạo ảnh, chỉnh sửa và tự lưu trữ.
FLUX 3 Image khác gì so với các mô hình FLUX trước đó?
FLUX 3 được thiết kế như một world model duy nhất huấn luyện đồng thời trên ảnh, video và âm thanh, bổ sung khả năng tạo video, âm thanh gốc và dự đoán hành động robot. Trong khi đó, FLUX 1 và FLUX 2 chỉ tạo ảnh.
Có cần thêm mô hình nào để mở rộng câu lệnh không?
Mô hình được thiết kế để nhận câu mô tả toàn cảnh và đi kèm một mô hình prompt upsampler 9B riêng, mở rộng yêu cầu thành mô tả cảnh chi tiết thông qua system prompt.
Mô hình phù hợp với những tác vụ nào?
Mô hình phù hợp cho tạo ảnh từ văn bản, chỉnh sửa ảnh một tham chiếu, tổng hợp ảnh đa tham chiếu, sản xuất thiết kế và quảng cáo, cùng trực quan hóa sản phẩm.