FLUX.2 [klein] 4B ist Black Forest Labs’ kompaktes Modell zum Erstellen von Bildern aus Textbeschreibungen und Bearbeiten mit visuellen Referenzen. Sein Rectified-Flow-Transformer mit vier Milliarden Parametern vereint Generierung und Bearbeitung in einer Architektur. Die benannte 4B-Ausgabe ist schrittdestilliert; das Referenzbeispiel des Herstellers verwendet vier Inferenzschritte.
Das Modell dient für interaktive Bildentwürfe oder Überarbeitungen: eine Produktszene erkunden, Figurenkleidung ändern, ein Motiv mit einer Umgebung kombinieren oder das Aussehen einer Illustration verfeinern. Beginnen Sie mit dem relevanten Ereignis oder der Komposition und beschreiben Sie dann Motiv, Material, Licht und Perspektive. Ein konkretes Briefing könnte eine mattblaue Keramiktasse auf einen hellen Eichentisch setzen, in einer nahen Ansicht mit Seitenlicht, die Henkel und Glasur sichtbar hält. Das Ergebnis ist ein Bild, das anhand dieser Entscheidungen geprüft wird.
Das dokumentierte 4B-Profil akzeptiert bis zu vier Eingabebilder. Weisen Sie jedem eine klare Rolle zu: Produktaussehen, Figur, Umgebung oder Stil. Wenn ein Bild die zu bearbeitende Szene zeigt, benennen Sie es und nennen Sie Änderung und zu erhaltende Details. Behalten Sie beispielsweise Tassensilhouette und Oberfläche aus dem ersten Bild bei, nutzen Sie den Raum aus dem zweiten und ersetzen Sie nur die Tischabdeckung. Referenzreihenfolge und präzise Änderungsanweisung geben ein klareres Ziel als die allgemeine Bitte um Verbesserung.
Der Hersteller unterscheidet dieses kompakte Referenzbudget von den größeren FLUX.2-Varianten. Er gibt außerdem an, dass [klein] kein Prompt-Upsampling besitzt. Liefern Sie wichtige Beschreibungen einschließlich der Beziehung zwischen Referenzobjekten selbst, statt auf automatische Erweiterung einer kurzen Bezeichnung zu setzen. Behalten Sie in einer Serie dieselbe Motivreferenz und die Bildanforderungen bei und ändern Sie jeweils eine Szenenentscheidung.
Das genaue 4B-Profil des Herstellers nennt JPEG, PNG und WebP als Ausgabe, standardmäßig JPEG. Ausdrückliche Werte für Breite und Höhe sind mit mindestens je 64 Pixeln dokumentiert; das Referenzbeispiel der Modellkarte verwendet ein Bild mit 1024×1024. Das ist eine Sampling-Konfiguration und keine Aussage, jede Aufgabe müsse quadratisch sein oder 1024 Pixel seien das Modellmaximum. Wählen Sie gewünschten Zuschnitt und Anzeigeformat vor dem Briefing und vergleichen Sie feine Beschriftungen und kleine Merkmale in dieser Größe.
Das veröffentlichte Vier-Schritt-Beispiel nutzt guidance_scale 1.0. Trennen Sie diese destillierte Ausgabe von FLUX.2 [klein] Base 4B, dessen nicht destilliertes Trainingssignal für Anpassung, LoRA-Training und Forschung gedacht ist. Base 4B und die 9B-Modelle sind eigenständige Optionen mit anderen Vorbereitungs- und Sampling-Aspekten. Die Standardsteuerungen des kompakten Modells unterscheiden sich auch von [flex] mit anpassbaren Schritten und Guidance; [max] hat eine eigene quellenbasierte Suchfunktion.
Die genaue Modellkarte sagt, dass dieses Modell keine Quelle für Fakteninformationen ist. Geschriebener Text in Bildern kann falsch oder verzerrt sein, und die generierte Szene kann vom Auftrag abweichen. Der Prompt-Stil beeinflusst die Umsetzung erheblich. Prüfen Sie Schreibweise, Mengen, Beschriftungen, Motividentität und die konkret zu erhaltenden Gegenstände; eine attraktive Komposition belegt keine korrekte Produkteigenschaft oder dargestellte Tatsache. Der Hersteller weist auch darauf hin, dass statistische Ausgaben Verzerrungen aus Trainingsdaten widerspiegeln können.
Bewahren Sie für ein geprüftes Motiv Quellenreferenzen, endgültigen Wortlaut und gewählte Modellidentität mit dem Bild auf. Die Veröffentlichungsdokumentation unterscheidet beispielhafte Wasserzeichen auf Pixelebene im Referenzcode von C2PA-Herkunftsmetadaten im gehosteten Herstellerablauf. Zurückgegebene Herkunftsinformationen helfen, den Ursprung einer Datei zu erklären; sie sind von der Prüfung des Erfolgs der gewünschten Bildänderung getrennt.
", "aboutText": "FLUX.2 [klein] 4B ist Black Forest Labs’ kompaktes Modell zum Erstellen von Bildern aus Textbeschreibungen und Bearbeiten mit visuellen Referenzen. Sein Rectified-Flow-Transformer mit vier Milliarden Parametern vereint Generierung und Bearbeitung in einer Architektur. Die benannte 4B-Ausgabe ist schrittdestilliert; das Referenzbeispiel des Herstellers verwendet vier Inferenzschritte.\n\nDas Modell dient für interaktive Bildentwürfe oder Überarbeitungen: eine Produktszene erkunden, Figurenkleidung ändern, ein Motiv mit einer Umgebung kombinieren oder das Aussehen einer Illustration verfeinern. Beginnen Sie mit dem relevanten Ereignis oder der Komposition und beschreiben Sie dann Motiv, Material, Licht und Perspektive. Ein konkretes Briefing könnte eine mattblaue Keramiktasse auf einen hellen Eichentisch setzen, in einer nahen Ansicht mit Seitenlicht, die Henkel und Glasur sichtbar hält. Das Ergebnis ist ein Bild, das anhand dieser Entscheidungen geprüft wird.\n\n### Mit wenigen Referenzen bearbeiten\n\nDas dokumentierte 4B-Profil akzeptiert bis zu vier Eingabebilder. Weisen Sie jedem eine klare Rolle zu: Produktaussehen, Figur, Umgebung oder Stil. Wenn ein Bild die zu bearbeitende Szene zeigt, benennen Sie es und nennen Sie Änderung und zu erhaltende Details. Behalten Sie beispielsweise Tassensilhouette und Oberfläche aus dem ersten Bild bei, nutzen Sie den Raum aus dem zweiten und ersetzen Sie nur die Tischabdeckung. Referenzreihenfolge und präzise Änderungsanweisung geben ein klareres Ziel als die allgemeine Bitte um Verbesserung.\n\nDer Hersteller unterscheidet dieses kompakte Referenzbudget von den größeren FLUX.2-Varianten. Er gibt außerdem an, dass [klein] kein Prompt-Upsampling besitzt. Liefern Sie wichtige Beschreibungen einschließlich der Beziehung zwischen Referenzobjekten selbst, statt auf automatische Erweiterung einer kurzen Bezeichnung zu setzen. Behalten Sie in einer Serie dieselbe Motivreferenz und die Bildanforderungen bei und ändern Sie jeweils eine Szenenentscheidung.\n\n### Ausgabeeinstellungen und Grenzen der Ausgabe\n\nDas genaue 4B-Profil des Herstellers nennt JPEG, PNG und WebP als Ausgabe, standardmäßig JPEG. Ausdrückliche Werte für Breite und Höhe sind mit mindestens je 64 Pixeln dokumentiert; das Referenzbeispiel der Modellkarte verwendet ein Bild mit 1024×1024. Das ist eine Sampling-Konfiguration und keine Aussage, jede Aufgabe müsse quadratisch sein oder 1024 Pixel seien das Modellmaximum. Wählen Sie gewünschten Zuschnitt und Anzeigeformat vor dem Briefing und vergleichen Sie feine Beschriftungen und kleine Merkmale in dieser Größe.\n\nDas veröffentlichte Vier-Schritt-Beispiel nutzt guidance_scale 1.0. Trennen Sie diese destillierte Ausgabe von FLUX.2 [klein] Base 4B, dessen nicht destilliertes Trainingssignal für Anpassung, LoRA-Training und Forschung gedacht ist. Base 4B und die 9B-Modelle sind eigenständige Optionen mit anderen Vorbereitungs- und Sampling-Aspekten. Die Standardsteuerungen des kompakten Modells unterscheiden sich auch von [flex] mit anpassbaren Schritten und Guidance; [max] hat eine eigene quellenbasierte Suchfunktion.\n\n### Zu prüfende Bilddetails\n\nDie genaue Modellkarte sagt, dass dieses Modell keine Quelle für Fakteninformationen ist. Geschriebener Text in Bildern kann falsch oder verzerrt sein, und die generierte Szene kann vom Auftrag abweichen. Der Prompt-Stil beeinflusst die Umsetzung erheblich. Prüfen Sie Schreibweise, Mengen, Beschriftungen, Motividentität und die konkret zu erhaltenden Gegenstände; eine attraktive Komposition belegt keine korrekte Produkteigenschaft oder dargestellte Tatsache. Der Hersteller weist auch darauf hin, dass statistische Ausgaben Verzerrungen aus Trainingsdaten widerspiegeln können.\n\nBewahren Sie für ein geprüftes Motiv Quellenreferenzen, endgültigen Wortlaut und gewählte Modellidentität mit dem Bild auf. Die Veröffentlichungsdokumentation unterscheidet beispielhafte Wasserzeichen auf Pixelebene im Referenzcode von C2PA-Herkunftsmetadaten im gehosteten Herstellerablauf. Zurückgegebene Herkunftsinformationen helfen, den Ursprung einer Datei zu erklären; sie sind von der Prüfung des Erfolgs der gewünschten Bildänderung getrennt.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7c00ab34f2694b5b287b88156bd974dc65b205e9124e2f82c862ef0435992e47", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-at", "methods": [ { "html": "black-forest-labs/flux.2-klein-4bFLUX.2 [klein] 4B ist Black Forest Labs’ kompaktes, schrittdestilliertes Bildmodell für textgestützte Erstellung und Bearbeitung mit bis zu vier Referenzen. Sein Vier-Schritt-Design unterstützt interaktive Bildarbeit und bleibt eine eigene Ausgabe gegenüber dem nicht destillierten Base 4B.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
FLUX.2 [klein] 4B ist Black Forest Labs’ kompaktes Modell zum Erstellen von Bildern aus Textbeschreibungen und Bearbeiten mit visuellen Referenzen. Sein Rectified-Flow-Transformer mit vier Milliarden Parametern vereint Generierung und Bearbeitung in einer Architektur. Die benannte 4B-Ausgabe ist schrittdestilliert; das Referenzbeispiel des Herstellers verwendet vier Inferenzschritte.
Das Modell dient für interaktive Bildentwürfe oder Überarbeitungen: eine Produktszene erkunden, Figurenkleidung ändern, ein Motiv mit einer Umgebung kombinieren oder das Aussehen einer Illustration verfeinern. Beginnen Sie mit dem relevanten Ereignis oder der Komposition und beschreiben Sie dann Motiv, Material, Licht und Perspektive. Ein konkretes Briefing könnte eine mattblaue Keramiktasse auf einen hellen Eichentisch setzen, in einer nahen Ansicht mit Seitenlicht, die Henkel und Glasur sichtbar hält. Das Ergebnis ist ein Bild, das anhand dieser Entscheidungen geprüft wird.
Das dokumentierte 4B-Profil akzeptiert bis zu vier Eingabebilder. Weisen Sie jedem eine klare Rolle zu: Produktaussehen, Figur, Umgebung oder Stil. Wenn ein Bild die zu bearbeitende Szene zeigt, benennen Sie es und nennen Sie Änderung und zu erhaltende Details. Behalten Sie beispielsweise Tassensilhouette und Oberfläche aus dem ersten Bild bei, nutzen Sie den Raum aus dem zweiten und ersetzen Sie nur die Tischabdeckung. Referenzreihenfolge und präzise Änderungsanweisung geben ein klareres Ziel als die allgemeine Bitte um Verbesserung.
Der Hersteller unterscheidet dieses kompakte Referenzbudget von den größeren FLUX.2-Varianten. Er gibt außerdem an, dass [klein] kein Prompt-Upsampling besitzt. Liefern Sie wichtige Beschreibungen einschließlich der Beziehung zwischen Referenzobjekten selbst, statt auf automatische Erweiterung einer kurzen Bezeichnung zu setzen. Behalten Sie in einer Serie dieselbe Motivreferenz und die Bildanforderungen bei und ändern Sie jeweils eine Szenenentscheidung.
Das genaue 4B-Profil des Herstellers nennt JPEG, PNG und WebP als Ausgabe, standardmäßig JPEG. Ausdrückliche Werte für Breite und Höhe sind mit mindestens je 64 Pixeln dokumentiert; das Referenzbeispiel der Modellkarte verwendet ein Bild mit 1024×1024. Das ist eine Sampling-Konfiguration und keine Aussage, jede Aufgabe müsse quadratisch sein oder 1024 Pixel seien das Modellmaximum. Wählen Sie gewünschten Zuschnitt und Anzeigeformat vor dem Briefing und vergleichen Sie feine Beschriftungen und kleine Merkmale in dieser Größe.
Das veröffentlichte Vier-Schritt-Beispiel nutzt guidance_scale 1.0. Trennen Sie diese destillierte Ausgabe von FLUX.2 [klein] Base 4B, dessen nicht destilliertes Trainingssignal für Anpassung, LoRA-Training und Forschung gedacht ist. Base 4B und die 9B-Modelle sind eigenständige Optionen mit anderen Vorbereitungs- und Sampling-Aspekten. Die Standardsteuerungen des kompakten Modells unterscheiden sich auch von [flex] mit anpassbaren Schritten und Guidance; [max] hat eine eigene quellenbasierte Suchfunktion.
Die genaue Modellkarte sagt, dass dieses Modell keine Quelle für Fakteninformationen ist. Geschriebener Text in Bildern kann falsch oder verzerrt sein, und die generierte Szene kann vom Auftrag abweichen. Der Prompt-Stil beeinflusst die Umsetzung erheblich. Prüfen Sie Schreibweise, Mengen, Beschriftungen, Motividentität und die konkret zu erhaltenden Gegenstände; eine attraktive Komposition belegt keine korrekte Produkteigenschaft oder dargestellte Tatsache. Der Hersteller weist auch darauf hin, dass statistische Ausgaben Verzerrungen aus Trainingsdaten widerspiegeln können.
Bewahren Sie für ein geprüftes Motiv Quellenreferenzen, endgültigen Wortlaut und gewählte Modellidentität mit dem Bild auf. Die Veröffentlichungsdokumentation unterscheidet beispielhafte Wasserzeichen auf Pixelebene im Referenzcode von C2PA-Herkunftsmetadaten im gehosteten Herstellerablauf. Zurückgegebene Herkunftsinformationen helfen, den Ursprung einer Datei zu erklären; sie sind von der Prüfung des Erfolgs der gewünschten Bildänderung getrennt.
POST /v1/images/generationstext, imageimage| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits black-forest-labs/flux.2-klein-4b | Standard— |
Feldprompt | Typstring | AnforderungErforderlich | Werte und Limits Mindestlänge: 1 | Standard— |
Feldaspect_ratio | Typstring | AnforderungOptional | Werte und Limits 1:1, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9, auto | Standard— |
Feldoutput_format | Typstring | AnforderungOptional | Werte und Limits png, jpeg | Standard— |
Feldn | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Maximum: 1 | Standard— |
Feldinput_references | Typarray | AnforderungOptional | Werte und Limits Mindestanzahl Elemente: 0 Maximale Anzahl Elemente: 4 | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, prompt |
Parametermaterial_types | Vertragtext, image |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Die angezeigten Tarife dienen zur Kostenschätzung vor der Generierung. Der endgültige Betrag wird aus den für die ursprüngliche Generierung erfassten Kosten berechnet. Die gemessene Ausgabedauer und prognostizierte Mengen sind nicht die endgültige abrechenbare Menge.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Prognostizierte Menge | Abrechnungseinheit | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Prognostizierte Menge— | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken · Schätzung nur zum Vergleich — / 1K Tokens Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · Cache lesen · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · In Cache schreiben · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde · Schätzung nur zum Vergleich — / 1K Tokens |
| KonfigurationMegapixel des Ausgabebildes | Tarifstaffel— | Prognostizierte Menge— | Abrechnungseinheitpro Megapixel des Ausgabebildes | Gebühr Ausgabe · Megapixel des Ausgabebildes · Schätzung nur zum Vergleich $0.028 pro Megapixel des Ausgabebildes |
| KonfigurationGeschätzte Generierungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Abrechnungseinheit— | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich $0.028 Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'black-forest-labs/flux.2-klein-4b', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nLaden Sie jedes zurückgegebene Bild herunter oder speichern Sie seinen Base64-Inhalt
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nSpeichern Sie jedes fertiggestellte Bild; rufen Sie jede zurückgegebene URL ab oder dekodieren Sie seinen Base64-Inhalt.
Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern.
Die zurückgegebene X-Client-Request-ID zum Abgleich aufbewahren. Nur tatsächlich zurückgegebene task_id-/asset_id-Werte oder die eigene Medienbibliothek abfragen; niemals eine Aufgaben-URL aus der Vorgangs-ID bilden und die Erstellung niemals erneut anfordern.
| Feld | Typ |
|---|---|
Feldcreated | Typ |
Felddata[].url | Typ |
Felddata[].b64_json | Typ |
Feldusage | Typ |
Ailoot Ultra black-forest-labs/flux.2-klein-4b
/v1/images