Black Forest Labs: FLUX.2 Klein 4B

FLUX.2 [klein] 4B er Black Forest Labs’ kompakte modell for å lage et bilde fra en tekstbeskrivelse og redigere bilder med visuelle referanser. Rectified-flow-transformeren med fire milliarder parametere samler generering og redigering i én arkitektur. Den navngitte 4B-utgaven er stegdestillert, og produsentens referanseeksempel bruker fire inferenssteg.

Modellens rolle er et interaktivt visuelt utkast eller en revisjon: utforsk en produktscene, endre en karakters klær, kombiner et motiv med omgivelser eller finjuster utseendet til en illustrasjon. Begynn med hendelsen eller komposisjonen som betyr noe, og beskriv deretter motiv, materiale, lyssetting og synsvinkel. En konkret beskrivelse kan plassere en matt blå keramikkopp på et lyst eikebord, med et sidebelyst nærbilde som holder hanken og glasuren synlig. Resultatet er et bilde som kan vurderes opp mot disse valgene.

Redigering med et lite referansesett

Den dokumenterte 4B-profilen godtar opptil fire inngangsbilder. Gi hvert bilde en tydelig rolle: produktutseende, karakter, omgivelser eller stil. Hvis ett bilde er scenen som skal redigeres, angir du dette og beskriver både endringen og detaljene som skal beholdes. Behold for eksempel koppens silhuett og overflate fra det første bildet, bruk rommet fra det andre og bytt bare borddekket. Referanserekkefølge og en presis endringsinstruksjon gir revisjonen et tydeligere mål enn en forespørsel om generell forbedring.

Produsenten skiller dette kompakte referansebudsjettet fra de større FLUX.2-variantene. Den oppgir også at [klein] ikke har promptutvidelse. Oppgi den viktige beskrivende informasjonen selv, inkludert forholdet mellom referanseobjekter, fremfor å stole på automatisk utvidelse av en kort betegnelse. For en serie beholder du samme motivreferanse og visuelle krav mens du endrer ett scenevalg om gangen.

Utdatainnstillinger og utgavegrenser

Produsentens spesifikke 4B-profil oppgir JPEG-, PNG- og WebP-utdata, med JPEG som standard. Uttrykkelige bredde- og høydeverdier er dokumentert med minimum 64 piksler hver; referanseeksempelet i modellkortet bruker et bilde på 1024×1024. Dette eksempelet er en samplingskonfigurasjon, ikke en påstand om at alle oppgaver må være kvadratiske eller at 1024 piksler er modellens maksimum. Velg ønsket utsnitt og visningsformat før du klargjør den visuelle beskrivelsen, og sammenlign deretter liten skrift og små detaljer i den størrelsen.

Det publiserte firestegseksempelet bruker guidance_scale 1.0. Hold denne destillerte utgaven atskilt fra FLUX.2 [klein] Base 4B, der det udestillerte treningssignalet er ment for tilpasning, LoRA-trening og forskning. Base 4B og 9B-modellene er separate valg, med ulike hensyn til klargjøring og sampling. Standardkontrollene i den kompakte modellen er også forskjellige fra [flex] sine justerbare steg og styringsgrad; [max] har sin egen funksjon for forankringssøk.

Detaljer som skal kontrolleres i bildet

Det spesifikke modellkortet sier at denne modellen ikke er en kilde til faktainformasjon. Skriftlig tekst i et bilde kan være unøyaktig eller forvrengt, og den genererte scenen kan avvike fra forespørselen. Promptstilen har betydelig innvirkning på etterlevelsen. Kontroller staving, mengder, etiketter, motividentitet og de konkrete objektene som skulle beholdes; en tiltalende komposisjon fastslår ikke at en produktegenskap eller illustrert opplysning er riktig. Produsenten påpeker også at statistiske resultater kan gjenspeile skjevheter i treningsdataene.

For et gjennomgått bilde beholder du kildereferansene, den endelige ordlyden og den valgte modellidentiteten sammen med bildet. Utgivelsesdokumentasjonen skiller mellom eksempelbasert vannmerking på pikselnivå i referansekoden og C2PA-opprinnelsesmetadata som brukes i produsentens driftede utdataflyt. Bevaring av returnert opprinnelsesinformasjon bidrar til å forklare et materiales opphav; dette er atskilt fra kontroll av om den ønskede visuelle endringen lyktes.