FLUX 3 Image Klein: ComfyUI向けBFLの5.6Bオープンウェイトモデル

FLUX 3 Image Klein は、Black Forest LabsのFLUX 3ファミリーにおける最初のオープンウェイトモデルです（ブログ | モデルページ | ウェイト）。10月15日にリリースされました。5.6Bパラメータの画像生成モデルで、テキストから画像への生成、画像編集、最大10枚の参照画像を使ったマルチ参照生成をこなし、ComfyUIのサポートも同日にマージされました。

ヴィンテージのスーツケースで眠るキツネ。FLUX 3 Image Kleinによる生成。サンプル提供: Black Forest Labs。

このリリースには2つのチェックポイントが含まれます。ファインチューニング向けに作られたベースモデルと、低レイテンシ生成向けのステップ蒸留モデルです。BFLはNVIDIAの支援を受けて作成したFP8、INT8、NVFP4ビルドを公開しました。VAEは既存のFLUX.2 VAE、テキストエンコーダはQwen3-VL-4Bなので、モデル側でComfyUIがすでに読み込んでいるものから逸脱する点はありません。

FLUX 3 Image Kleinにできること

FLUX 3 Image Kleinは、フルのFLUX 3 Imageモデルと中核機能を共有しています。

• ネイティブ4K生成と複数のアスペクト比。
• ピクセル単位で正確な編集。未編集の領域は再レンダリングされず、そのまま保持されます。
• バウンディングボックスで要素を配置する位置を制御したり、編集を特定の領域に限定したりできます。ボックスはキャンバスに対する相対指定なので、出力はレイアウトと同じアスペクト比を保ちます。
• 最大10枚の参照画像を使ったマルチ参照生成。プロンプト内では「image 1」「image 2」のように参照します。
• 短いプロンプトを生成前に書き換えるプロンプトアップサンプラー（別途ウェイトが必要）。

ラテン文字と日本語が混在した切手。このモデルのテキストレンダリングサンプルのひとつ。サンプル提供: Black Forest Labs。

テキストプロンプトから生成した5ステップのインフォグラフィック。レイアウトと小さな文字を検証しています。サンプル提供: Black Forest Labs。

初日からのComfyUIサポート

Comfy-Org/ComfyUI PR #17064（CORE-388、Kijaiによる）が10月15日にマージされ、FLUX 3 image DiT、そのQwen3-VL-4Bテキストエンコーダのセットアップ、レイアウトプロンプトノードがコアに追加されました。サポートは最新のリリースタグより後に追加されたため、既存のインストールでは現在のComfyUIビルドへの更新が必要です。

4つの公式テンプレートがすでに comfyui-workflow-templates に用意されています。ベースチェックポイント用が2つ、蒸留版用が2つです。

BFLも独自のComfyUIパック black-forest-labs/flux-3-image-klein-comfy を、いつもの分割ファイル構成で公開しています。テンプレートはこのパックのINT8ビルドを参照しています。

速度とサイズ

BFLは自社の比較チャートで、FLUX 3 Image Kleinを最も小さいモデルとして位置づけています。5.6Bパラメータで、Qwen-Image 2.1の7B、Krea 2の12.9Bと対比されています。生成器のウェイトはBF16で11.2 GB、FP8で5.6 GBで、INT8ビルドはComfyUI経由で8 GBのVRAMしかないNVIDIA GeForceカードでも動作します。蒸留チェックポイントとINT8ビルドを使った場合、BFLによるとRTX 5090で1 MP画像に約4秒、RTX 4070で9秒未満で、いずれもComfyUIで計測されたものです。

ステップ蒸留モデル、16ステップ	ベースモデル、50ステップ
GPU別の生成時間、NVIDIAによる計測。出典: Black Forest Labs

BFLの社内評価では、FLUX 3 Image KleinはFLUX.2 [klein] 9Bと比べてパラメータを38%削減しながら、テキストから画像で91 Elo、画像編集で70 Elo向上しています。また同社によると、自社のテキストから画像、マルチ参照、編集の比較で、より大きなオープンウェイトモデルを抑えて首位に立ち、Ideogram V4.5やFLUX.2 [pro]も上回っています。これらはベンダーのベンチマークなので、結論ではなく出発点として扱ってください。

岩の棚にいるユキヒョウ。テキストプロンプトから生成。サンプル提供: Black Forest Labs。

編集と参照画像

インライン編集こそ、このモデルが真価を発揮する場面です。変更部分の周囲をそのままに保ちながら、同じ画像を変更できます。

オリジナル写真	「Turn this summer street into winter after light snowfall.」

オリジナル写真	「Freeze the waterfall into blue-white ice and long icicles.」

クレイメーション風の宇宙飛行士。テキストから生成。サンプル提供: Black Forest Labs。

入手方法

• ウェイト: Hugging Face上に蒸留版とベース、さらにComfyUIパックとプロンプトアップサンプラー。Hugging Faceのリポジトリはゲート制限されているため、ダウンロード前にモデルページで利用規約に同意してください。
• ComfyUI: コアサポートはPR #17064でマージ済み。上記の4つのテンプレート、またはComfyUIパック内のBFL自身の workflows/ フォルダーを使用してください。
• ComfyUI以外での初日対応: Hugging Face Diffusers、TensorRT-LLM、SGLang Diffusion、vLLM-Omni。OstrisのAI ToolkitによるLoRAトレーニングと、NVIDIA NeMo AutoModelのレシピも利用できます。
• API: 蒸留モデルは flux-3-image-klein として提供され、プロンプトアップサンプリングとピクセル復元に対応しています。これにより画像の未編集領域は元のまま正確に保たれます。