मुख्य सामग्री पर जाएँ
Zubnet AI › सीखें › Wiki › FLUX
मॉडल

FLUX

इसे भी कहा जाता है: FLUX.1, FLUX.2, FLUX Kontext
Black Forest Labs का image generation और editing models का परिवार, जो prompt के मज़बूत पालन, पढ़ने लायक text और open-weight versions के लिए जाना जाता है।

यह क्यों मायने रखता है

FLUX ने open image ecosystem में वह भूमिका ले ली जो Stable Diffusion की थी। Community tools, fine-tunes और LoRAs इसकी ओर चले गए, और यह ComfyUI में, Replicate और fal जैसे inference platforms पर और commercial products के अंदर व्यापक रूप से उपलब्ध है। इसके API models कई जाने-माने creative apps के पीछे भी इस्तेमाल होते हैं।

इसने field को एक नए architecture की ओर भी धकेला। FLUX पहले के Stable Diffusion versions के U-Net diffusion design की जगह flow matching (खास तौर पर rectified flow) से train हुआ diffusion transformer इस्तेमाल करता है। यह जोड़ तब से top image और video models की standard recipe बन गया है।

गहन अध्ययन

FLUX को Black Forest Labs बनाती है, जो एक German lab है और जिसकी स्थापना Stable Diffusion के पीछे के कई researchers ने की। पहला परिवार FLUX.1 अगस्त 2024 में तीन versions में आया: Pro (सिर्फ़ API से), Dev (non-commercial इस्तेमाल के लिए open weights) और Schnell (German में "तेज़", एक distilled version जो उदार Apache 2.0 license के तहत जारी हुआ)।

FLUX जल्दी ही सबसे आगे का open-weight image model बन गया। यह लंबे, बारीक prompts का पालन पहले के open models से बेहतर करता था, हाथ और text कहीं ज़्यादा भरोसे के साथ बनाता था, और अपने समय के कई closed models की बराबरी करता या उनसे आगे निकल जाता था।

Model परिवार

  • FLUX.1 [pro], [dev], [schnell] (2024): मूल text-to-image models, करीब 12 अरब parameters के। Schnell सिर्फ़ 1 से 4 steps में अच्छी images बना देता है।
  • FLUX.1 Tools: inpainting, outpainting और structure control (depth या edge maps) के add-ons, जो सोच में ControlNet जैसे हैं।
  • FLUX.1 Kontext (2025): एक image editing model। आप इसे एक image और एक instruction देते हैं ("jacket को लाल कर दो", "इस character को beach पर रख दो") और यह edits के दौरान subject को एक जैसा रखते हुए edit करता है।
  • FLUX.2 (2025 के अंत में): अगली generation, ज़्यादा resolution, बेहतर text और multi-reference image input के साथ, और फिर से API और open-weight versions का मेल।

अंदर की बात

FLUX.1 एक 16-channel VAE के compressed latent space में generate करता है, जो पुराने Stable Diffusion models के 4-channel latents से ज़्यादा detail बचाता है, जबकि FLUX.2 एक 32-channel VAE इस्तेमाल करता है। Prompts को बड़े text encoders पढ़ते हैं (FLUX.1 में CLIP के साथ T5, FLUX.2 में एक अकेला Mistral text encoder), और यह जटिल prompts समझने की बड़ी वजह है। Dev और Schnell versions को Pro से distill किया गया, इसलिए वे classic negative prompts या classifier-free guidance को आम तरीके से इस्तेमाल नहीं करते। इसकी जगह वे model में ही बनी एक "guidance" value लेते हैं।

इसे खुद चलाना

Full precision में FLUX.1 Dev को करीब 24 GB VRAM चाहिए, लेकिन quantized versions (FP8, NF4 या GGUF) quality में कुछ समझौते के साथ 8 से 12 GB के cards पर चल जाते हैं। इसे locally चलाने का सबसे आम तरीका ComfyUI है, और किसी खास style, product या व्यक्ति के लिए LoRAs fine-tune करना एक लोकप्रिय इस्तेमाल है।

Licensing

हर version का license जाँचिए। Schnell Apache 2.0 है और commercially इस्तेमाल हो सकता है। Dev-tier weights non-commercial license इस्तेमाल करते हैं, और commercial इस्तेमाल Black Forest Labs के API या paid license से मिलता है।

← सभी शब्द
ESC