Black Forest Labs: FLUX 3 Image API

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.

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. Tính phí theo chi phí tạo thực tế. Xem hóa đơn để biết số tiền cuối cùng.

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.

FLUX 3 Image hỗ trợ tạo ảnh tổng hợp đa tham chiếu với tối đa 10 ảnh tham chiếu.

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 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.

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 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.