Black Forest Labs: FLUX.2 Klein 4B

FLUX.2 [klein] 4B é o modelo compacto da Black Forest Labs para criar uma imagem a partir de uma descrição em texto e editar imagens com referências visuais. O seu transformer de fluxo retificado com quatro mil milhões de parâmetros coloca a geração e a edição numa única arquitetura. A edição identificada como 4B é destilada em passos, e o exemplo de referência do fabricante utiliza quatro passos de inferência.

O papel do modelo é um rascunho ou uma revisão visual interativa: explorar uma cena de produto, mudar a roupa de uma personagem, combinar um sujeito com um cenário ou aperfeiçoar o aspeto de uma ilustração. Comece pelo acontecimento ou pela composição importante e descreva depois o sujeito, o material, a iluminação e o ponto de vista. Uma instrução concreta pode colocar uma chávena de cerâmica azul mate numa mesa de carvalho claro, com uma vista próxima iluminada de lado que mantém visíveis a asa e o vidrado. O resultado é uma imagem para inspecionar face a essas decisões.

Edição com um pequeno conjunto de referências

O perfil documentado 4B aceita até quatro imagens de entrada. Atribua um papel claro a cada uma: aspeto do produto, personagem, cenário ou estilo. Se uma imagem for a cena a editar, identifique-a e indique tanto a alteração como os pormenores a conservar. Por exemplo, mantenha a silhueta e a superfície da chávena da primeira imagem, utilize a sala da segunda e substitua apenas a cobertura da mesa. A ordem das referências e uma instrução precisa de alteração dão à revisão um objetivo mais claro do que pedir uma melhoria geral.

O fabricante distingue este orçamento compacto de referências das variantes maiores de FLUX.2. Indica também que [klein] não tem expansão de instruções. Forneça os próprios dados descritivos importantes, incluindo a relação entre os objetos referenciados, em vez de depender de uma expansão automática de um rótulo curto. Numa série, conserve a mesma referência de sujeito e os requisitos visuais, alterando uma decisão de cena de cada vez.

Definições de saída e limites entre edições

O perfil exato 4B do produtor apresenta saída JPEG, PNG e WebP, com JPEG por predefinição. Os valores explícitos de largura e altura estão documentados com um mínimo de 64 píxeis cada; o exemplo da ficha de referência do modelo utiliza uma imagem de 1024×1024. Esse exemplo é uma configuração de amostragem, e não uma afirmação de que todas as tarefas têm de ser quadradas ou de que 1024 píxeis é o máximo do modelo. Escolha o recorte pretendido e o formato de apresentação antes de preparar as instruções visuais e compare depois o texto fino e as características pequenas nesse tamanho.

O exemplo publicado de quatro passos utiliza guidance_scale 1.0. Mantenha esta edição destilada separada de FLUX.2 [klein] Base 4B, cujo sinal de treino não destilado se destina a adaptação, treino de LoRA e investigação. Base 4B e os modelos 9B são escolhas distintas, com considerações diferentes de preparação e amostragem. Os controlos normais do modelo compacto diferem também dos passos e guidance ajustáveis de [flex]; [max] tem a sua própria capacidade de pesquisa para fundamentação.

Pormenores a verificar na imagem

A ficha exata do modelo indica que este não é uma fonte de informação factual. O texto escrito numa imagem pode ser inexato ou distorcido, e a cena gerada pode afastar-se do pedido. O estilo da instrução tem um efeito substancial no seu cumprimento. Verifique a ortografia, as quantidades, os rótulos, a identidade do sujeito e os objetos específicos que deviam manter-se; uma composição atraente não comprova que uma característica de produto ou um facto ilustrado estejam corretos. O fabricante nota também que as saídas estatísticas podem refletir enviesamentos dos dados de treino.

Para um recurso revisto, mantenha as referências de origem, a redação definitiva e a identidade do modelo selecionado com a imagem. A documentação de lançamento distingue a marca de água ao nível dos píxeis exemplificada no código de referência dos metadados de proveniência C2PA aplicados no fluxo de saída alojado pelo fabricante. Conservar a proveniência devolvida ajuda a explicar a origem de um recurso; é separado de verificar se a alteração visual pedida foi bem-sucedida.