Black Forest Labsは2026年10月14日(現地時間)、新しいオープン画像生成モデル「FLUX.3 Image Klein」をHugging FaceのDiffusersで公開した。このモデルは、テキストから画像、マルチ参照画像から画像、そして新たにバウンディングボックスによるレイアウト制御機能に対応する。リリースと同時にDiffusersで利用可能となった。
FLUX.3 Image Kleinは、一つのモデルで複数の画像生成タスクを実行できる。具体的には、テキストプロンプトからの画像生成、複数の参照画像を用いた画像から画像への変換、そして画像内の要素の配置を制御するレイアウト制御機能を提供する。レイアウト制御では、プロンプトにバウンディングボックスの情報を記述することで、画像内の各部分の位置を指定できる。
モデルには、高速な推論に特化したdistilled checkpointと、ファインチューニングに適した「base checkpoint」の二種類のオープンチェックポイントが提供されている。distilled checkpointは、H100上で約2秒で1024×1024ピクセルの画像を生成する性能を持つ。また、NVFP4およびFP8ウェイトが提供されており、より小型のGPUでのロードに対応する。
FLUX.3 Image KleinはModular Diffusersパイプラインとして提供され、ユーザーはパイプラインのブロックを入れ替えたり追加したりすることが可能だ。Black Forest Labsは、テキストエンコーダーとしてQwen3-VLを使用しており、transformerをシングルファイル形式でも提供している。
参考: Hugging Face Blog (アーカイブ) — 2026年10月15日 15:30 (JST)
原文ハイライト"One model for text-to-image, multi-reference image-to-image, and bounding-box layout control."