为什么重要
FLUX 接过了 Stable Diffusion 在开放图像生态中扮演的角色。社区工具、微调模型和 LoRA 都转向了它,它在 ComfyUI、Replicate 和 fal 等推理平台以及各种商业产品里都很容易用到。它的 API 模型还在不少知名创意应用的幕后被使用。
它也把这个领域推向了新的架构。FLUX 使用的是以流匹配(具体来说是 rectified flow)训练的扩散 Transformer,而不是早期 Stable Diffusion 版本的 U-Net 扩散设计。这一组合此后成了顶尖图像和视频模型的标准配方。
深度解析
FLUX 由 Black Forest Labs 开发,这是一家德国实验室,创始人中有好几位是 Stable Diffusion 背后的研究者。第一个家族 FLUX.1 在 2024 年 8 月推出,分三个版本:Pro(仅通过 API 提供)、Dev(开放权重,限非商业用途)和 Schnell(德语里“快”的意思,一个蒸馏版本,以宽松的 Apache 2.0 许可证发布)。
FLUX 很快成为领先的开放权重图像模型。它比此前的开放模型更能遵循又长又细的提示,画手和文字可靠得多,并且追平或超过了同期的许多闭源模型。
模型家族
- FLUX.1 [pro]、[dev]、[schnell](2024 年):最初的文生图模型,约 120 亿参数。Schnell 只需 1 到 4 步就能生成不错的图像。
- FLUX.1 Tools:用于局部重绘、画面外扩和结构控制(深度图或边缘图)的附加模型,思路上类似 ControlNet。
- FLUX.1 Kontext(2025 年):一个图像编辑模型。你给它一张图加一条指令(“把夹克换成红色”“把这个角色放到海滩上”),它在编辑的同时让主体在多次编辑中保持一致。
- FLUX.2(2025 年底):下一代模型,分辨率更高,文字更好,支持多张参考图输入,同样是 API 版本和开放权重版本并存。
内部原理
FLUX.1 在一个 16 通道 VAE 的压缩潜空间里生成,比旧版 Stable Diffusion 模型的 4 通道潜变量保留了更多细节,FLUX.2 则使用 32 通道 VAE。提示由大型文本编码器读取(FLUX.1 中是 T5 加 CLIP,FLUX.2 中是单个 Mistral 文本编码器),这是它能理解复杂提示的重要原因。Dev 和 Schnell 版本是从 Pro 蒸馏而来的,所以它们不按通常的方式使用经典的负面提示或无分类器引导,而是接受一个内建在模型里的“guidance”值。
自己运行
全精度的 FLUX.1 Dev 需要约 24 GB VRAM,但量化版本(FP8、NF4 或 GGUF)能在 8 到 12 GB 的显卡上运行,质量上有所取舍。ComfyUI 是在本地运行它最常见的方式,为特定风格、产品或人物微调 LoRA 也是很流行的用法。
许可
每个版本都要查看许可证。Schnell 是 Apache 2.0,可以商用。Dev 级别的权重使用非商业许可证,商业使用可以通过 Black Forest Labs 的 API 或付费许可获得。