Felo API PlatformFelo API Platform
返回模型列表

FLUX 3 Image API

FLUX 3 Image 是 Black Forest Labs 推出的圖像生成與編輯模型,支援多參考圖、原生 4K 與像素級精準編輯。

FLUX 3 Image 是 FLUX 3 多模態基礎模型家族的一員,於 2026 年 7 月 23 日開放早期存取。它接受文字與圖像輸入並輸出圖像,可依文字提示生成圖像,也能以「一張圖加一段提示」的方式進行編輯。模型支援最多 10 張參考圖的多參考生成、原生 4K 解析度輸出,並可透過邊界框控制元素位置與限定編輯區域,達到像素級精準編輯。它接受完整場景描述而非簡短提示,並搭配一個 9B 的提示擴充模型,透過系統提示把需求擴寫成詳細的場景描述。

在內部評估中,FLUX 3 Image Klein 在文字生圖、多參考生成與圖像編輯三項排名均並列第一;與 FLUX.2 Klein 9B 相比,文字生圖提升 91 Elo 點、圖像編輯提升 70 Elo 點,並在 Physics-IQ 被評為世界最強世界模型。它的參數比 FLUX.2 Klein 9B 減少 38%,在 BFL API 上以更低延遲取得最高評價,並可在 RTX 4070 等級的 GPU 上執行。

這個模型適合文字生圖、單參考圖像編輯、多參考圖像合成,以及設計與廣告製作、產品視覺化等任務。它提供兩个版本:適合微調、LoRA 訓練與研究的未蒸餾基礎版 Klein Base(50 步、guidance 3.5),以及適合生成、編輯與自行託管的蒸餾版 Klein(16 步、無 guidance)。需注意商業使用受 flux-kommunity-license 條件限制。

更新時間:

模型 ID

flux-3-image
輸入
text / image
輸出
image

核心要點

  • 原生 4K 解析度輸出
  • 最多 10 張參考圖的多參考生成
  • 邊界框控制位置與限定編輯區域
  • 像素級精準編輯
  • 搭配 9B 提示擴充模型
  • 可在 RTX 4070 等級 GPU 執行

供應商

1 個供應商

比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。

供應商 · 計費明細
可用率
未公布

基準測試

  • 文字生圖排名(內部評估)

    FLUX 3 Image Klein 在受比較的模型中排名第一

    第 1
  • 多參考生成排名(內部評估)

    FLUX 3 Image Klein 在受比較的模型中排名第一

    第 1
  • 圖像編輯排名(內部評估)

    FLUX 3 Image Klein 在受比較的模型中排名第一

    第 1
  • 文字生圖相對 FLUX.2 Klein 9B 的提升

    Elo 分數

    91
  • 圖像編輯相對 FLUX.2 Klein 9B 的提升

    Elo 分數

    70
  • Physics-IQ

    被評為世界最強的世界模型

    第 1

分數來自模型廠商公布的資料,未經獨立驗證。

快速开始

提交圖片任務、輪詢狀態,再儲存圖片。以下範例使用 curl 和 Python 3(僅標準函式庫,無須安裝依賴)。

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

1填入 API key

從 Felo API Platform 帳戶建立 key,並設定為環境變數。

export FELO_API_KEY="YOUR_API_KEY"

2發出第一次請求

選用參數的值依模型而異,範例不預設這些值;加入前請在 Playground 確認。請求欄位與 model、prompt 同層,不包在 input 中。

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"
}'

3輪詢任務

提交後取得 task_id;queued、running 時每 3 秒查詢一次,succeeded、failed 或 interrupted 時停止。範例最多等待 30 分鐘。保留 created.json 可繼續查詢同一任務,避免重複提交。

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

4下載輸出

成功後從 task.json 讀取 outputs 並儲存。結果相容 HTTPS 位址、URL 物件和 b64_json。簽名位址請及時下載;下載圖片時無須攜帶 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)
PY
input_references

編輯圖片時,將範例位址替換為你的 HTTPS 圖片位址或 base64 圖片 data URL。提交一次後,沿用相同的輪詢與儲存步驟。

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"
      }
    }
  ]
}'

支援的參數

  • n
  • resolution
  • aspect_ratio
  • input_references

想查看完整文件?

API 文件 →

常見問題

什麼是 FLUX 3 Image?

FLUX 3 Image 是 FLUX 3 多模態基礎模型家族的一員,於 2026 年 7 月 23 日開放早期存取。它接受文字與圖像輸入並輸出圖像,可依文字提示生成圖像,也能以「一張圖加一段提示」的方式進行編輯。模型支援最多 10 張參考圖的多參考生成、原生 4K 解析度輸出,並可透過邊界框控制元素位置與限定編輯區域,達到像素級精準編輯。它接受完整場景描述而非簡短提示,並搭配一個 9B 的提示擴充模型,透過系統提示把需求擴寫成詳細的場景描述。 在內部評估中,FLUX 3 Image Klein 在文字生圖、多參考生成與圖像編輯三項排名均並列第一;與 FLUX.2 Klein 9B 相比,文字生圖提升 91 Elo 點、圖像編輯提升 70 Elo 點,並在 Physics-IQ 被評為世界最強世界模型。它的參數比 FLUX.2 Klein 9B 減少 38%,在 BFL API 上以更低延遲取得最高評價,並可在 RTX 4070 等級的 GPU 上執行。 這個模型適合文字生圖、單參考圖像編輯、多參考圖像合成,以及設計與廣告製作、產品視覺化等任務。它提供兩个版本:適合微調、LoRA 訓練與研究的未蒸餾基礎版 Klein Base(50 步、guidance 3.5),以及適合生成、編輯與自行託管的蒸餾版 Klein(16 步、無 guidance)。需注意商業使用受 flux-kommunity-license 條件限制。

如何計算呼叫費用?

費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。

FLUX 3 Image 支援哪些輸入與輸出?

支援文字輸入與圖像輸入,輸出為圖像。可依文字提示生成圖像,也能以圖像加提示進行編輯。

多參考生成最多能用幾張參考圖?

最多可使用 10 張參考圖進行多參考生成。

它適合哪些任務?

適合文字生圖、單參考圖像編輯、多參考圖像合成,以及設計與廣告製作、產品視覺化。

Klein Base 與蒸餾版 Klein 有什麼差別?

Klein Base 是未蒸餾的基礎版,適合微調、LoRA 訓練與研究,執行時採 50 步與 guidance 3.5;蒸餾版 Klein 則適合生成、編輯與自行託管,採 16 步且無 guidance。

使用上有什麼限制?

需要搭配一個獨立的 9B 提示擴充模型,把需求擴寫成詳細場景描述;商業使用則受 flux-kommunity-license 條件限制。

相關模型