Saltar al contenido principal
Zubnet AI › Aprender › Wiki › FLUX
Modelos

FLUX

También conocido como: FLUX.1, FLUX.2, FLUX Kontext
La familia de modelos de generación y edición de imágenes de Black Forest Labs, conocida por seguir bien los prompts, escribir texto legible y ofrecer versiones de pesos abiertos.

Por qué importa

FLUX ocupó el papel que Stable Diffusion había tenido en el ecosistema abierto de imagen. Las herramientas de la comunidad, los fine-tunings y los LoRA se mudaron a él, y está ampliamente disponible en ComfyUI, en plataformas de inferencia como Replicate y fal, y dentro de productos comerciales. Sus modelos por API también se usan entre bastidores en varias aplicaciones creativas conocidas.

También empujó al campo hacia una arquitectura nueva. FLUX usa un diffusion transformer entrenado con flow matching (en concreto, rectified flow), en lugar del diseño de difusión con U-Net de las versiones anteriores de Stable Diffusion. Esa combinación se ha vuelto desde entonces la receta estándar de los mejores modelos de imagen y video.

En profundidad

FLUX lo desarrolla Black Forest Labs, un laboratorio alemán fundado por varios de los investigadores que crearon Stable Diffusion. La primera familia, FLUX.1, llegó en agosto de 2024 en tres versiones: Pro (solo por API), Dev (pesos abiertos para uso no comercial) y Schnell («rápido» en alemán, una versión destilada publicada bajo la permisiva licencia Apache 2.0).

FLUX se convirtió pronto en el principal modelo de imagen de pesos abiertos. Seguía los prompts largos y detallados mejor que los modelos abiertos anteriores, dibujaba manos y texto de forma mucho más fiable e igualaba o superaba a muchos modelos cerrados de su momento.

La familia de modelos

  • FLUX.1 [pro], [dev], [schnell] (2024): los modelos originales de texto a imagen, de unos 12 mil millones de parámetros. Schnell genera buenas imágenes en solo 1 a 4 pasos.
  • FLUX.1 Tools: complementos para inpainting, outpainting y control de estructura (mapas de profundidad o de bordes), en la línea de ControlNet.
  • FLUX.1 Kontext (2025): un modelo de edición de imágenes. Le das una imagen y una instrucción («cambia la chaqueta a rojo», «pon a este personaje en una playa») y edita manteniendo la consistencia del sujeto entre ediciones.
  • FLUX.2 (finales de 2025): la siguiente generación, con mayor resolución, mejor texto, entrada de varias imágenes de referencia y, de nuevo, una mezcla de versiones por API y de pesos abiertos.

Bajo el capó

FLUX.1 genera en el espacio latente comprimido de un VAE de 16 canales, que conserva más detalle que los latentes de 4 canales de los modelos Stable Diffusion antiguos, y FLUX.2 usa un VAE de 32 canales. Los prompts los leen codificadores de texto grandes (T5 junto con CLIP en FLUX.1, un único codificador de texto de Mistral en FLUX.2), lo que explica en buena medida que entienda prompts complejos. Las versiones Dev y Schnell se destilaron a partir de Pro, así que no usan los prompts negativos clásicos ni el classifier-free guidance de la forma habitual; en su lugar toman un valor de «guidance» integrado en el modelo.

Ejecutarlo por tu cuenta

FLUX.1 Dev en precisión completa necesita unos 24 GB de VRAM, pero las versiones cuantizadas (FP8, NF4 o GGUF) corren en tarjetas de 8 a 12 GB con cierta pérdida de calidad. ComfyUI es la forma más común de ejecutarlo en local, y entrenar LoRA para un estilo, un producto o una persona concreta es un uso muy extendido.

Licencias

Revisa la licencia de cada versión. Schnell es Apache 2.0 y se puede usar comercialmente. Los pesos de la gama Dev tienen una licencia no comercial, y el uso comercial pasa por la API de Black Forest Labs o por una licencia de pago.

← Todos los términos
ESC