Black Forest Labs réunit trois usages dans FLUX.3 Klein

Black Forest Labs a publié FLUX.3 Image Klein le 15 octobre 2026. Le modèle de génération d’images fonctionne dans Diffusers dès son lancement. Il réunit trois usages dans une même pipeline. Le premier transforme une description textuelle en image. Le deuxième modifie une image à partir d’une ou plusieurs références. Le troisième contrôle la disposition grâce à des boîtes englobantes écrites dans le prompt. Deux points de contrôle sont proposés dans la collection FLUX.3 Image Klein. Le modèle distillé vise l’inférence rapide avec 16 étapes et sans CFG. Le modèle de base fonctionne avec 50 étapes et un guidage sans classifieur.

La pipeline repose sur ModularPipeline dans Diffusers. Les utilisateurs peuvent charger les composants, les retirer ou en ajouter selon leur configuration. L’installation passe par les versions récentes de diffusers et transformers, notamment pour l’encodeur de texte Qwen3-VL. Le modèle distillé génère par défaut une image de 1024 × 1024 pixels en 16 étapes. Hugging Face indique un temps d’environ deux secondes sur un H100. Les poids NVFP4 et FP8 peuvent être chargés avec from_single_file. Cette option vise les configurations disposant de moins de mémoire. La présentation officielle fournit les exemples de chargement et de génération.

FLUX.3 contrôle les compositions

Les références multiples permettent de combiner plusieurs images dans une nouvelle scène. Le prompt identifie chaque image avec des marqueurs comme <ref_image_0> et <ref_image_1>. Un exemple associe un renard provenant d’une première image à un banc provenant d’une seconde. Le contrôle de disposition ajoute ensuite une liste JSON de régions. 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 s’appliquer à différentes tailles d’image. Chaque description est générée dans sa zone dédiée.

L’édition guidée peut aussi déplacer un élément dans une image de référence. La région indique alors une boîte d’origine et une boîte cible. Un exemple déplace une figurine de chevalier vers le haut et la gauche. Les autres éléments conservent leurs boîtes respectives. Le prompt demande notamment de préserver l’arrière-plan en laine, la falaise, l’aiguille, le dragon et le fil orange. Le modèle de base sert de point de départ pour l’ajustement fin. Black Forest Labs le propose en format non quantifié, FP8 ligne par ligne et NVFP4. Le format FP8 cible les systèmes de capacité de calcul 8.9 ou supérieure. Le format NVFP4 cible Blackwell avec les composants FlashInfer indiqués.

Diffusers prépare l’adaptation

Les scripts LoRA couvrent la génération texte-image et la modification image-image. Diffusers fournit des scripts DreamBooth FLUX.3 Klein pour ces deux tâches. L’exemple texte-image entraîne un style de cartes de tarot avec le jeu multimodalart/1920-raider-waite-tarot-public-domain. Il utilise le déclencheur trtcrd, une résolution de 1024 pixels et 1 500 étapes d’entraînement. Les réglages incluent un rang LoRA de 16, un alpha de 16 et une précision mixte bf16. Pour réduire la mémoire, le guide propose le recalcul des gradients, la mise en cache des latents et Adam en 8 bits. Les scripts sont documentés dans le guide DreamBooth FLUX.3.