FLUX.2 [klein] 4Bは、テキスト説明から画像を作り、ビジュアル参照で画像を編集するBlack Forest Labsの小型モデルです。40億パラメーターのrectified-flow transformerが、生成と編集を一つの構造にまとめます。4Bエディションはステップ蒸留され、メーカーの参照例は推論4ステップを使います。
役割は対話的なビジュアル草案や修正です。商品シーンの探索、衣服変更、被写体と場所の組み合わせ、イラストの見た目の調整に使えます。重要な出来事や構図から始め、被写体、素材、照明、視点を記述します。例えば淡いオークのテーブルにマットな青い陶器のカップを置き、取っ手と釉薬が見える横光のクローズアップにできます。結果画像をそれらの判断と照合します。
文書化された4Bプロファイルは入力画像最大4枚です。商品の外観、キャラクター、場所、スタイルなど、各画像の役割を明確にします。編集対象のシーンがあるなら特定し、変更と保持する細部の両方を述べます。例えば、最初の画像のカップのシルエットと表面を保ち、二つ目の部屋を使い、テーブルの敷物だけを替えます。参照順と正確な変更指示は、一般的な改善依頼より明確な修正目標を与えます。
メーカーは、この小さな参照枠を大型FLUX.2モデルと区別しています。[klein]にはプロンプトのアップサンプリングがないとも述べています。短いラベルの自動拡張に頼らず、参照物体間の関係を含む重要な説明を自分で与えます。シリーズでは同じ被写体参照と視覚要件を維持し、シーンの判断を一つずつ変えます。
メーカーの正確な4BプロファイルはJPEG、PNG、WebP、既定JPEGです。明示的な幅と高さは各最低64ピクセル、モデルカードの参照例は1024×1024画像です。その例はサンプリング設定で、すべての作業が正方形必須、または1024ピクセルが上限という意味ではありません。指示の準備前にトリミングと表示形を選び、細かい文字や小さな特徴をそのサイズで比較します。
公開された4ステップ例はguidance_scale 1.0です。蒸留版はFLUX.2 [klein] Base 4Bと分けます。非蒸留のBase 4Bの学習信号は、適応、LoRA学習、研究を目的とします。Base 4Bと9Bモデルは別の選択肢で、準備とサンプリングの考慮点も異なります。小型モデルの標準制御も[flex]の調整可能なステップとガイダンスとは異なり、[max]には独自の根拠検索機能があります。
正確なモデルカードは、このモデルが事実情報源ではないと述べています。画像内の文章は不正確・変形する場合があり、シーンも要求から逸脱することがあります。プロンプトのスタイルは追従に大きく影響します。つづり、数量、ラベル、被写体の識別性、維持する特定物体を確認します。魅力的な構図だけでは商品の機能や図示した事実の正しさは分かりません。メーカーは、統計的な出力に学習データの偏りが現れる場合も挙げています。
レビュー済み素材では、元参照、最終文面、選択モデルの識別情報を画像に添えます。リリース文書は、参照コードのピクセル単位透かしの例と、メーカーのホスト出力で適用するC2PA来歴メタデータを区別しています。返された来歴の保持は素材の由来を説明する助けになり、要求した視覚変更の成功確認とは別です。
", "aboutText": "FLUX.2 [klein] 4Bは、テキスト説明から画像を作り、ビジュアル参照で画像を編集するBlack Forest Labsの小型モデルです。40億パラメーターのrectified-flow transformerが、生成と編集を一つの構造にまとめます。4Bエディションはステップ蒸留され、メーカーの参照例は推論4ステップを使います。\n\n役割は対話的なビジュアル草案や修正です。商品シーンの探索、衣服変更、被写体と場所の組み合わせ、イラストの見た目の調整に使えます。重要な出来事や構図から始め、被写体、素材、照明、視点を記述します。例えば淡いオークのテーブルにマットな青い陶器のカップを置き、取っ手と釉薬が見える横光のクローズアップにできます。結果画像をそれらの判断と照合します。\n\n### 少数の参照で編集する\n\n文書化された4Bプロファイルは入力画像最大4枚です。商品の外観、キャラクター、場所、スタイルなど、各画像の役割を明確にします。編集対象のシーンがあるなら特定し、変更と保持する細部の両方を述べます。例えば、最初の画像のカップのシルエットと表面を保ち、二つ目の部屋を使い、テーブルの敷物だけを替えます。参照順と正確な変更指示は、一般的な改善依頼より明確な修正目標を与えます。\n\nメーカーは、この小さな参照枠を大型FLUX.2モデルと区別しています。[klein]にはプロンプトのアップサンプリングがないとも述べています。短いラベルの自動拡張に頼らず、参照物体間の関係を含む重要な説明を自分で与えます。シリーズでは同じ被写体参照と視覚要件を維持し、シーンの判断を一つずつ変えます。\n\n### 出力設定とエディションの境界\n\nメーカーの正確な4BプロファイルはJPEG、PNG、WebP、既定JPEGです。明示的な幅と高さは各最低64ピクセル、モデルカードの参照例は1024×1024画像です。その例はサンプリング設定で、すべての作業が正方形必須、または1024ピクセルが上限という意味ではありません。指示の準備前にトリミングと表示形を選び、細かい文字や小さな特徴をそのサイズで比較します。\n\n公開された4ステップ例はguidance_scale 1.0です。蒸留版はFLUX.2 [klein] Base 4Bと分けます。非蒸留のBase 4Bの学習信号は、適応、LoRA学習、研究を目的とします。Base 4Bと9Bモデルは別の選択肢で、準備とサンプリングの考慮点も異なります。小型モデルの標準制御も[flex]の調整可能なステップとガイダンスとは異なり、[max]には独自の根拠検索機能があります。\n\n### 画像で確認する細部\n\n正確なモデルカードは、このモデルが事実情報源ではないと述べています。画像内の文章は不正確・変形する場合があり、シーンも要求から逸脱することがあります。プロンプトのスタイルは追従に大きく影響します。つづり、数量、ラベル、被写体の識別性、維持する特定物体を確認します。魅力的な構図だけでは商品の機能や図示した事実の正しさは分かりません。メーカーは、統計的な出力に学習データの偏りが現れる場合も挙げています。\n\nレビュー済み素材では、元参照、最終文面、選択モデルの識別情報を画像に添えます。リリース文書は、参照コードのピクセル単位透かしの例と、メーカーのホスト出力で適用するC2PA来歴メタデータを区別しています。返された来歴の保持は素材の由来を説明する助けになり、要求した視覚変更の成功確認とは別です。", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c3914e1ea9171e93287c18814ebf70a325e336e5f75f9b52ad2170c3ec66b2fb", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ja", "methods": [ { "html": "black-forest-labs/flux.2-klein-4bFLUX.2 [klein] 4Bは、テキスト主体の制作と最大4枚の参照による編集に対応する、Black Forest Labsの小型・ステップ蒸留画像モデルです。4ステップの設計で対話的な視覚制作を支え、非蒸留のBase 4Bとは別のモデルです。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
FLUX.2 [klein] 4Bは、テキスト説明から画像を作り、ビジュアル参照で画像を編集するBlack Forest Labsの小型モデルです。40億パラメーターのrectified-flow transformerが、生成と編集を一つの構造にまとめます。4Bエディションはステップ蒸留され、メーカーの参照例は推論4ステップを使います。
役割は対話的なビジュアル草案や修正です。商品シーンの探索、衣服変更、被写体と場所の組み合わせ、イラストの見た目の調整に使えます。重要な出来事や構図から始め、被写体、素材、照明、視点を記述します。例えば淡いオークのテーブルにマットな青い陶器のカップを置き、取っ手と釉薬が見える横光のクローズアップにできます。結果画像をそれらの判断と照合します。
文書化された4Bプロファイルは入力画像最大4枚です。商品の外観、キャラクター、場所、スタイルなど、各画像の役割を明確にします。編集対象のシーンがあるなら特定し、変更と保持する細部の両方を述べます。例えば、最初の画像のカップのシルエットと表面を保ち、二つ目の部屋を使い、テーブルの敷物だけを替えます。参照順と正確な変更指示は、一般的な改善依頼より明確な修正目標を与えます。
メーカーは、この小さな参照枠を大型FLUX.2モデルと区別しています。[klein]にはプロンプトのアップサンプリングがないとも述べています。短いラベルの自動拡張に頼らず、参照物体間の関係を含む重要な説明を自分で与えます。シリーズでは同じ被写体参照と視覚要件を維持し、シーンの判断を一つずつ変えます。
メーカーの正確な4BプロファイルはJPEG、PNG、WebP、既定JPEGです。明示的な幅と高さは各最低64ピクセル、モデルカードの参照例は1024×1024画像です。その例はサンプリング設定で、すべての作業が正方形必須、または1024ピクセルが上限という意味ではありません。指示の準備前にトリミングと表示形を選び、細かい文字や小さな特徴をそのサイズで比較します。
公開された4ステップ例はguidance_scale 1.0です。蒸留版はFLUX.2 [klein] Base 4Bと分けます。非蒸留のBase 4Bの学習信号は、適応、LoRA学習、研究を目的とします。Base 4Bと9Bモデルは別の選択肢で、準備とサンプリングの考慮点も異なります。小型モデルの標準制御も[flex]の調整可能なステップとガイダンスとは異なり、[max]には独自の根拠検索機能があります。
正確なモデルカードは、このモデルが事実情報源ではないと述べています。画像内の文章は不正確・変形する場合があり、シーンも要求から逸脱することがあります。プロンプトのスタイルは追従に大きく影響します。つづり、数量、ラベル、被写体の識別性、維持する特定物体を確認します。魅力的な構図だけでは商品の機能や図示した事実の正しさは分かりません。メーカーは、統計的な出力に学習データの偏りが現れる場合も挙げています。
レビュー済み素材では、元参照、最終文面、選択モデルの識別情報を画像に添えます。リリース文書は、参照コードのピクセル単位透かしの例と、メーカーのホスト出力で適用するC2PA来歴メタデータを区別しています。返された来歴の保持は素材の由来を説明する助けになり、要求した視覚変更の成功確認とは別です。
POST /v1/images/generationstext, imageimage| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 black-forest-labs/flux.2-klein-4b | デフォルト— |
フィールドprompt | 種類string | 要件必須 | 値と制限 最小の長さ: 1 | デフォルト— |
フィールドaspect_ratio | 種類string | 要件任意 | 値と制限 1:1, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9, auto | デフォルト— |
フィールドoutput_format | 種類string | 要件任意 | 値と制限 png, jpeg | デフォルト— |
フィールドn | 種類integer | 要件任意 | 値と制限 最小値: 1 最大値: 1 | デフォルト— |
フィールドinput_references | 種類array | 要件任意 | 値と制限 最小項目数: 0 最大項目数: 4 | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 | デフォルト— |
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, prompt |
パラメータmaterial_types | 仕様text, image |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
表示料金は生成前の費用の見積もりです。最終請求額は、元の生成処理に記録された費用から計算されます。実測された出力時間や予測数量が、そのまま最終的な課金数量になるわけではありません。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | 予測数量 | 課金単位 | 料金 |
|---|---|---|---|---|
| 設定基本トークン料金 | 料金表基本料金 | 予測数量— | 課金単位— | 料金 入力 · 入力トークン · 比較専用の見積もり — / 1K トークン 出力 · 出力トークン · 比較専用の見積もり — / 1K トークン 入力 · キャッシュ読み取り · 比較専用の見積もり — / 1K トークン 入力 · キャッシュ書き込み · 比較専用の見積もり — / 1K トークン 入力 · キャッシュ書き込み、1時間 · 比較専用の見積もり — / 1K トークン |
| 設定出力画像のメガピクセル | 料金表— | 予測数量— | 課金単位出力画像のメガピクセルあたり | 料金 出力 · 出力画像のメガピクセル · 比較専用の見積もり $0.028 出力画像のメガピクセルあたり |
| 設定生成費用の見積もり | 料金表— | 予測数量生成1回分の概算 | 課金単位— | 料金 出力 · 推定生成コスト · 比較専用の見積もり $0.028 生成前の見積もり この見積もりは追加料金ではなく、完了した生成処理に対する固定料金でもありません。 |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${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\n返された画像をすべてダウンロードするか、Base64の内容を保存
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.\n完了した画像をすべて保存してください。返された各URLから取得するか、Base64の内容をデコードしてください。
レスポンスとヘッダーの全体、実際の出力すべて、最初に返された識別子、使用量フィールドすべてを保存してください。作成リクエストを再送せずに、元の操作を復旧してください。
照合のため、返された X-Client-Request-ID を保存してください。実際に返された task_id/asset_id の値、または自分が所有するメディアライブラリだけを使って読み取ってください。操作 ID からタスクの URL を組み立てたり、作成リクエストを再送したりしないでください。
| フィールド | 種類 |
|---|---|
フィールドcreated | 種類 |
フィールドdata[].url | 種類 |
フィールドdata[].b64_json | 種類 |
フィールドusage | 種類 |
Ailoot Ultra black-forest-labs/flux.2-klein-4b
/v1/images