FLUX.3 Image Klein: 8GB GPU에 맞는 5.6B 오픈 가중치 이미지 모델과 BFL의 수치가 파이프라인에 의미하는 것

이미지 모델을 사용하려면 두 가지 세금 중 하나를 치러야 했습니다. 매 렌더링마다 비용이 발생하는 API 청구서, 혹은 책상 위에 놓인 24GB GPU였습니다. Black Forest Labs(BFL)가 10월 15일에 출시한 FLUX.3 Image Klein은 이 두 가지 세금을 한 번에 없애려는 시도입니다. 이는 5.6B 파라미터의 오픈 가중치 모델이며, INT8 빌드 상태에서는 8GB VRAM 카드에서 실행됩니다.

아래 모든 수치는 저희가 측정한 것이 아니라 BFL이 발표했거나 공급업체가 보고한 것입니다. 이를 공급업체의 사양서로 간주하고, 중요한 부분에는 주의사항을 확인하십시오.

실제로는 무엇인가요

FLUX.3 Image Klein은 BFL의 FLUX.3 Image 제품군의 작은 형제 모델입니다. 하나의 체크포인트가 이전에는 세 가지 다른 도구를 의미했던 작업을 포괄합니다:

• 텍스트-투-이미지(Text-to-image) 생성, 네이티브 4K 출력 지원
• 픽셀 단위 편집(Pixel-perfect editing) — BFL의 주장에 따르면 이미지의 수정되지 않은 영역은 근사치로 다시 그려지는 것이 아니라 정확하게 보존됩니다.
• 최대 10개의 참조 이미지를 사용한 다중 참조 생성(Multi-reference generation) — 재학습 없이 캐릭터 일관성, 스타일 변환, 제품 사진 촬영 가능

여기에 **바운딩 박스 제어(bounding-box control)**까지 추가되었습니다. 상자를 그리고 모델에게 요소가 어디에 위치해야 하는지 알려주거나, 편집을 정의된 영역으로 제한할 수 있습니다. 로고를 계속 움직이는 모델과 싸워본 적이 있다면, 이것이 다른 벤치마크 지표보다 왜 더 중요한지 아실 겁니다.

파이프라인에 중요한 수치들

• 5.6B 파라미터. BFL에 따르면, 생성기 가중치는 BF16에서 11.2GB, FP8에서 5.6GB가 필요합니다. INT8 빌드는 ComfyUI 또는 Diffusers를 통해 최소 8GB VRAM을 가진 NVIDIA GeForce 카드에서도 실행됩니다.
• 로컬 속도 (BFL/NVIDIA 보고): INT8 빌드로 증류된 모델은 RTX 5090에서 약 4초 만에, ComfyUI를 통해 RTX 4070에서는 9초 미만에 1MP 이미지를 생성합니다. NVIDIA가 측정한 차트에 따르면, 16단계로 증류된 모델이 1024×1024 텍스트-이미지 작업에서 RTX 4070에서 8.9초가 소요되었습니다.
• API 지연 시간 (BFL 보고): 텍스트-이미지의 경우 중앙값 4.54초, 편집의 경우 1MP에서 7.18초입니다. 비교하기 전에 방법론 각주를 읽으십시오: BFL은 자체 서버에서 자체 모델을 측정했으며, 경쟁사들은 폴링 및 네트워크 시간을 포함하여 클라이언트 측에서 측정되었습니다. 이는 사과와 사과가 아닙니다(apples-to-apples).
• 품질 (BFL 내부 평가, 독립적 아님): FLUX.2 klein 9B 대비 텍스트-이미지에서 +91 Elo, 이미지 편집에서 +70을 기록했으며 — 파라미터는 38% 적습니다. BFL은 또한 자체 테스트에서 개방형 모델 중 최고 Elo를 주장하며, 폐쇄형 모델인 Ideogram V4.5 및 FLUX.2 pro보다 높은 등급을 받았습니다. 내부 평가는 시작 신호일 뿐이며 판결이 아닙니다. 제품에 베팅하기 전에 독립적인 재현 결과를 기다리십시오.

사용 방법

이번 릴리스는 두 가지 체크포인트를 제공합니다: 파인튜닝용 베이스 모델과 낮은 지연 시간 생성을 위한 단계 증류 모델입니다. 빌드에는 FP8, INT8, NVFP4(NVIDIA 지원으로 개발)가 포함됩니다.

당일 사용 지원 범위는 ComfyUI, Hugging Face Diffusers, TensorRT-LLM, SGLang Diffusion, vLLM-Omni를 아우릅니다. LoRA 학습은 Ostris AI Toolkit 및 NVIDIA NeMo AutoModel 레시피를 통해 첫날부터 작동하며, 이는 릴리스된 체크포인트에서 직접 실행됩니다. 또한 Hugging Face Spaces의 데모와 바운딩 박스 제어를 위한 Gradio 데모도 있습니다.

파이프라인에 연결하려면, 코드의 형태는 표준 Diffusers 패턴을 따릅니다. BFL 공식 Hugging Face org 페이지에서 기본(base) 또는 증류된(distilled) 체크포인트를 선택한 다음, 원하는 양자화(quantization)로 로드하면 됩니다:

from diffusers import DiffusionPipeline
import torch

...

대부분의 팀에게는 결정 과정이 간단합니다. BFL API에서 프로토타입을 만든 다음 (증류 모델이며, flux-3-image-klein으로 노출됨, 프롬프트 업샘플링 및 픽셀 복원 기능 포함), 작업량이 많아지면서 이미지당 연산 계산이 부담스러워질 때 INT8 빌드를 자체 호스팅합니다.

라이선스: 배포 전 반드시 읽어보세요

가중치(weights)는 FLUX 커뮤니티 라이선스 하에 제공됩니다. 이 라이선스는 연간 매출이 500만 달러($5M) 미만인 개인 및 기업에게 상업적 사용을 허용하며, 연구 및 비상업적 사용도 포함합니다. 그 기준선을 초과하는 경우, 상업적 배포는 자체 호스팅 라이선스 옵션이나 API를 거쳐야 합니다. '오픈 가중치(Open weights)'가 '무제한 사용'을 의미하지 않으니, 어느 쪽에 속하는지 확인해야 합니다.

주목할 점

1. 독립적인 벤치마크. Elo 주장은 BFL 내부의 수치입니다. FLUX.2 klein 대비 +91 Elo는 가장 먼저 재검증해야 할 수치입니다.
2. 실제 편집 충실도(fidelity). 수정되지 않은 영역을 '픽셀 단위로 완벽하게(Pixel-perfect)' 보존하는 것이 가장 대담한 주장이며, 비포/애프터 비교를 통해 5분 만에 검증하기 가장 쉽습니다.
3. 8GB 경험. 4070에서 9초 미만은 헤드라인이지만, 4K 출력 및 다중 참조 작업(multi-reference jobs)을 위한 VRAM 여유 공간이 소형 GPU가 일반적으로 취약한 부분입니다. 실제 해상도에서 테스트해 보세요.

패턴 자체가 이야기입니다: 최첨단 이미지 모델들이 소비자용 하드웨어로 압축되고 있습니다. 1년 전만 해도 이 기능은 API 키와 사용료 청구서가 필요했습니다. 이제는 중급 게이밍 PC의 GPU에 들어갈 수 있게 되었습니다.

출처: Black Forest Labs (BFL)의 THE DECODER와 Unite.AI 모두 2026년 10월 15일.

Decoding AI — AI 뉴스 + 도구, 실제 수치로 테스트. 출시된 것, 비용, 실제로 작동하는 것: https://decodingaitools.substack.com