# Black Forest Labs réunit trois usages dans FLUX.3 Klein > Black Forest Labs intègre FLUX.3 Image Klein à Diffusers avec génération d’images, références multiples et contrôle des régions par boîtes. Type : Actualité IA · Catégorie : Outils · Publié le 2026-11-02 · Signal IA - Order & Chaos Source : https://www.orderchaos.eu/signal-ia/actu/black-forest-labs-integre-flux3-image-klein-a-diffusers Tags : génération d’images, diffusers, black forest labs, modèles ouverts, open-source, multimodal, ia-image, inference --- ## En résumé - FLUX.3 Image Klein combine texte vers image et édition avec plusieurs références. - Le contrôle de mise en page utilise des boîtes normalisées sur une échelle de 0 à 1000. - Le modèle distillé produit une image 1024 × 1024 en environ deux secondes sur un H100. **Le signal :** FLUX.3 Image Klein génère une image 1024 × 1024 en environ 2 secondes sur un H100. **Black Forest Labs** a publié FLUX.3 Image Klein le 15 octobre 2026. Le modèle de [génération d’images](/signal-ia/actu/flux3-image-klein-arrive-dans-diffusers-avec-black-forest-labs) fonctionne dans Diffusers dès son lancement. Il couvre trois usages dans une même architecture. Le premier transforme une description en image. Le deuxième édite une image à partir de plusieurs références. Le troisième ajoute un contrôle de mise en page par régions. Les utilisateurs indiquent les positions avec des boîtes englobantes écrites dans la requête. La collection FLUX.3 Image Klein comprend deux points de contrôle ouverts. Le modèle distillé vise l’inférence rapide. Le modèle de base sert notamment à l’adaptation avec LoRA. [Lire l’annonce complète sur Hugging Face](https://huggingface.co/blog/flux-3). **Le modèle distillé** génère par défaut une image de 1024 × 1024 pixels en 16 étapes, sans guidance classifier-free. Hugging Face indique environ deux secondes sur un H100. Le modèle de base fonctionne en 50 étapes avec guidance classifier-free. Il constitue aussi la version destinée à l’affinage. Les poids NVFP4 et FP8 peuvent être chargés avec `from_single_file`. Cette option réduit la mémoire nécessaire sur certaines cartes graphiques. Diffusers fournit une interface `ModularPipeline`. Elle permet de retirer des blocs ou d’ajouter des composants personnalisés. L’installation nécessite les dernières versions de Diffusers et Transformers, notamment pour l’encodeur de texte Qwen3-VL. ## FLUX.3 contrôle les régions **Les références multiples** sont transmises comme une liste d’images au pipeline. Le prompt peut ensuite désigner chaque élément avec ``, `` et les identifiants suivants. Cette méthode permet, par exemple, de combiner un renard provenant d’une image avec un banc provenant d’une autre. Le contrôle de [mise en page](/signal-ia/actu/black-forest-labs-integre-flux3-klein-a-diffusers) ajoute une liste JSON après la description. Chaque région reçoit un identifiant, une boîte et une description. Les coordonnées suivent l’ordre `[y_min, x_min, y_max, x_max]`. Elles utilisent une échelle normalisée de 0 à 1000. La même boîte peut donc être réutilisée avec différentes tailles d’image. **L’édition localisée** distingue la position d’origine et la position cible. Une région peut ainsi être déplacée dans une image de référence. Les autres régions peuvent conserver leurs coordonnées initiales. L’exemple fourni déplace une figurine de chevalier vers le haut et la gauche. Le décor en laine, la falaise, l’aiguille, le dragon et le feu restent associés à leurs boîtes respectives. Les scripts LoRA de Diffusers couvrent le texte vers image et l’image vers image. Un exemple entraîne un style de tarot avec le jeu `multimodalart/1920-raider-waite-tarot-public-domain`. [Les scripts d’entraînement sont documentés sur GitHub](https://github.com/huggingface/diffusers/blob/main/examples/dreambooth/README_flux3_klein.md). ## Les variantes réduisent la mémoire **Les formats quantifiés** proposent des options adaptées à plusieurs configurations matérielles. Le format FP8 fonctionne avec une capacité de calcul 8.9 ou supérieure, notamment sur Ada, Hopper et Blackwell. Le format NVFP4 cible les cartes Blackwell avec les composants FlashInfer correspondants. Les mesures publiées indiquent 13,4 Gio après chargement et 15,3 Gio après inférence pour NVFP4 sur RTX6000. Le format FP8r atteint 14,35 Gio puis 16,27 Gio sur H100. Le format bf16 atteint 18,80 Gio puis 20,72 Gio sur H100. L’activation du déport automatique vers le processeur réduit aussi la pression mémoire, sans mesure de vitesse fournie. **Le code ouvert** inclut des scripts DreamBooth pour les deux tâches d’adaptation. Le script texte vers image peut entraîner un style personnalisé avec un jeu d’images et un déclencheur dédié. Le script image vers image utilise des triplets composés d’une image de référence, d’une image cible et d’une instruction. Plusieurs options réduisent l’empreinte mémoire pendant l’entraînement. Le recalcul des activations diminue la mémoire [vidéo](/signal-ia/actu/flux-3-de-black-forest-labs-cree-des-videos-avec-son), avec un ralentissement possible. La mise en cache des latents libère le module VAE après préencodage. L’optimiseur Adam en 8 bits réduit la taille des états d’optimisation. [Le guide de formulation de Black Forest Labs détaille les requêtes recommandées](https://docs.bfl.ai/guides/prompting_summary).