爆火全網(wǎng)FLUX.2重磅上線，開源版Nano Banana來(lái)了！

新智元報(bào)道

編輯：元宇

【新智元導(dǎo)讀】Black Forest Labs的開源視覺模型FLUX.2上新，這是一款專為現(xiàn)實(shí)創(chuàng)意工作流程打造，絕非演示噱頭的生產(chǎn)力工具，與前代FLUX.1相比，實(shí)現(xiàn)了從「會(huì)畫」到「懂你要畫什么」的躍升。

設(shè)計(jì)師要解放了！

剛剛，專為真實(shí)設(shè)計(jì)流程打造的視覺AI模式重磅發(fā)布。

假設(shè)你是一名設(shè)計(jì)師，正準(zhǔn)備做一份產(chǎn)品海報(bào)。

按以往流程，你要先找圖、修圖、調(diào)光、排版、對(duì)齊Logo、試十幾版字體……

等這些都做完了，也許客戶或老板早已等得不耐煩了，也許后面還有無(wú)窮的改稿等著你。

「不是我沒創(chuàng)意，而是時(shí)間不夠！」

靈光乍現(xiàn)很簡(jiǎn)單，乍現(xiàn)的靈光落實(shí)到執(zhí)行層大都是耗時(shí)費(fèi)力的苦活累活。

如果有一天你只需要告訴電腦，你想出一份什么樣的產(chǎn)品海報(bào)，這些苦活累活都有人幫你干了，這是一種什么感覺？

近日，Black Forest Labs推出的一款FLUX.2的視覺模型，讓這這件事成為可能。

FLUX.2是一款專為現(xiàn)實(shí)創(chuàng)意工作流程打造，絕非演示噱頭的生產(chǎn)力工具。

更重要的一點(diǎn)，它是開源的。

更低的價(jià)格，納米香蕉版的品質(zhì)，妥妥的設(shè)計(jì)師福利。

不炫技，讓前沿視覺AI人人可用

FLUX.2 專為真實(shí)世界的創(chuàng)意工作流程打造，而不是只做演示或炫技。

它能夠生成高質(zhì)量圖像，并在多個(gè)參考圖像之間保持角色和風(fēng)格的一致性；能理解結(jié)構(gòu)化提示詞；能閱讀與生成復(fù)雜文本；能穩(wěn)定處理光照、布局與Logo……

此外，它還能在最高4兆像素下進(jìn)行圖像編輯，同時(shí)保持細(xì)節(jié)與整體一致性。

這些媲美頂級(jí)視覺模型的能力，如今已經(jīng)全部開源，這與Black Forest Labs的開放核心理念有關(guān)：

「我們相信，視覺智能應(yīng)該由全球的研究者、創(chuàng)作者和開發(fā)者共同塑造，而不是集中在少數(shù)人手中。」

因此，自2024年創(chuàng)立之日起，他們一直致力于將前沿能力與開放研究結(jié)合，發(fā)布強(qiáng)大、透明且易組合的開放權(quán)重模型，同時(shí)為需要規(guī)模化、可靠性與自定義的團(tuán)隊(duì)提供穩(wěn)健、可直接投入生產(chǎn)的服務(wù)接口。

它們將 FLUX.1 [dev]（全球最受歡迎的開放圖像模型）與專業(yè)級(jí)模型 FLUX.1 Kontext [pro] 結(jié)合，后者已被Adobe、Meta等團(tuán)隊(duì)使用。

Black Forest Labs通過(guò)開放核心策略促進(jìn)實(shí)驗(yàn)、降低成本、鼓勵(lì)審查，并確保能持續(xù)地把來(lái)開放技術(shù)帶給更多的人。

FLUX.2

從能畫東西，到「懂你要畫什么」

FLUX.1作為創(chuàng)意工具已經(jīng)很強(qiáng)了，能跟隨提示詞作創(chuàng)意。

FLUX.2的升級(jí)，像從「會(huì)畫畫的人」躍遷到「會(huì)觀察、會(huì)分析、會(huì)推理的視覺大腦」。

這意味著前沿視覺AI能力正在改變生產(chǎn)流程和成本結(jié)構(gòu)，成為未來(lái)創(chuàng)意基礎(chǔ)設(shè)施中不可替代的組成部分。

所有FLUX.2變體均在一個(gè)模型中提供基于文本和多個(gè)參考圖像的圖像編輯功能。

為什么FLUX.2能夠懂你要畫什么，并且按照你的意思畫出來(lái)，因?yàn)樗淮伟严铝心芰M合在了一起：

• 多參考支持：一次最多讀10張參考圖像，可以實(shí)現(xiàn)目前最佳的角色 / 產(chǎn)品 / 風(fēng)格一致性。

• 圖像細(xì)節(jié)與擬真度提升：更高細(xì)節(jié)、更銳利的紋理、更穩(wěn)定的光照，適用于產(chǎn)品拍攝、可視化與類攝影應(yīng)用。

• 更強(qiáng)文本渲染：復(fù)雜排版、信息圖、表情包、UI設(shè)計(jì)稿中的小字現(xiàn)在可以穩(wěn)定生成。

• 聽得懂復(fù)雜指令：更強(qiáng)的提示詞遵循能力，對(duì)復(fù)雜、結(jié)構(gòu)化、多部分提示詞與組合約束的執(zhí)行更穩(wěn)定。

• 理解空間與光線：更強(qiáng)世界知識(shí)理解，對(duì)真實(shí)世界、光照邏輯與空間結(jié)構(gòu)的理解更扎實(shí)，使生成場(chǎng)景更自然、更符合預(yù)期。

• 高分辨編輯：更高分辨率與更靈活的比例，支持最高4兆像素的圖像編輯。

輸出多樣性：FLUX.2能夠生成高度精細(xì)的逼真圖像以及包含復(fù)雜排版的信息圖，分辨率最高可達(dá)400萬(wàn)像素（4MP）。

開箱即用

FLUX.2模型家族

性價(jià)比是FLUX.2模型系列的強(qiáng)項(xiàng)，在各性能層級(jí)中以極具競(jìng)爭(zhēng)力的價(jià)格提供業(yè)界領(lǐng)先的圖像生成質(zhì)量。

FLUX.2模型家族從完全托管、可直接生產(chǎn)的API，一直到開發(fā)者可本地運(yùn)行的開放權(quán)重模型一應(yīng)俱全。

下面是FLUX.2 [pro]、FLUX.2 [flex]、FLUX.2 [dev] 與 FLUX.2 [klein] 的定位與適用場(chǎng)景：

• FLUX.2 [pro]：圖像質(zhì)量達(dá)到頂級(jí)封閉模型水平，提示詞遵循與畫面保真度表現(xiàn)一流，同時(shí)生成更快、成本更低，實(shí)現(xiàn)速度與質(zhì)量的雙贏。可在BFL Playground、BFL API及合作伙伴平臺(tái)使用。

• FLUX.2 [flex]：允許調(diào)整步數(shù)、引導(dǎo)規(guī)模等參數(shù)，讓開發(fā)者在質(zhì)量、提示詞執(zhí)行力與速度之間自定義平衡。尤其擅長(zhǎng)渲染文本與精細(xì)細(xì)節(jié)。可在bfl.ai/play、 BFL API及合作伙伴平臺(tái)使用。

• FLUX.2 [dev]：32B 開放權(quán)重模型，由 FLUX.2 基礎(chǔ)模型衍生，是目前最強(qiáng)的開放權(quán)重圖像生成與編輯模型。它將文本生成圖像與多圖像編輯集成在一個(gè) checkpoint 中。權(quán)重已在Hugging Face發(fā)布，可使用官方推理代碼本地運(yùn)行。在消費(fèi)級(jí) GPU（如 GeForce RTX）上，可使用 NVIDIA 與 ComfyUI 合作優(yōu)化的 fp8 推理版本。你也可以通過(guò) FAL, Replicate, Runware, Verda, TogetherAI, Cloudflare, DeepInfra的API使用 FLUX.2 [dev]。

• FLUX.2 [klein]（即將上線）：開源、Apache 2.0模型，由FLUX.2基礎(chǔ)模型尺寸蒸餾而來(lái)，比同類從零訓(xùn)練的模型更強(qiáng)、更適合開發(fā)者，并保留大量教師模型的能力。可以加入測(cè)試計(jì)劃。

• FLUX.2 - VAE：全新的變分自編碼器，在可學(xué)習(xí)性、質(zhì)量與壓縮率之間實(shí)現(xiàn)最佳平衡，是所有FLUX.2 flow主干的基礎(chǔ)。技術(shù)報(bào)告已發(fā)布，模型在HF上以Apache 2.0許可提供。

使用可變步數(shù)生成設(shè)計(jì)：FLUX.2 [flex] 的「步數(shù)」參數(shù)允許在排版精度與延遲之間自由權(quán)衡。從左到右：6步、20步、50步。

通過(guò)可變步數(shù)控制圖像細(xì)節(jié)：FLUX.2 [flex] 提供了一個(gè)「步數(shù)」參數(shù)，用于在圖像細(xì)節(jié)和延遲之間進(jìn)行權(quán)衡。從左至右分別為：6 步、20 步、50 步。

FLUX.2 系列以極具競(jìng)爭(zhēng)力的價(jià)格提供頂級(jí)圖像生成質(zhì)量，跨不同性能層級(jí)都具備最強(qiáng)性價(jià)比。

對(duì)于開放權(quán)重模型，F(xiàn)LUX.2 [dev] 設(shè)立了新的業(yè)界標(biāo)準(zhǔn)，在文本生成圖像、單參考編輯、多參考編輯等方面均達(dá)領(lǐng)先水平，并穩(wěn)定超越所有其他開放權(quán)重替代品。

工作原理

FLUX.2基于潛空間的流匹配架構(gòu)構(gòu)建，并將圖像生成與編輯整合在同一個(gè)模型中。

該模型將24B參數(shù)的Mistral-3視覺語(yǔ)言模型與rectified flow Transformer 結(jié)合。

https://docs.mistral.ai/models/mistral-small-3-2-25-06

VLM提供現(xiàn)實(shí)世界知識(shí)與語(yǔ)境理解，而Transformer捕捉空間結(jié)構(gòu)、材質(zhì)特性與構(gòu)圖邏輯，這些是早期架構(gòu)難以呈現(xiàn)的。

研究人員從零重新訓(xùn)練了模型的潛空間，使其在可學(xué)習(xí)性與圖像質(zhì)量之間取得更優(yōu)平衡。

參考資料：

https://x.com/bfl_ml/status/1993345470945804563?s=20%20

https://bfl.ai/blog/flux-2

秒追ASI

?點(diǎn)贊、轉(zhuǎn)發(fā)、在看一鍵三連?

點(diǎn)亮星標(biāo)，鎖定新智元極速推送！