FLUX.1

是什么

FLUX.1 是 Black Forest Labs 推出的文生图（text-to-image）模型系列，能够把文字描述转换为图像^[1]。该系列于2024年8月1日发布，与公司的成立和3100万美元种子轮融资同时进行^[1]。

由来

Black Forest Labs 于2024年8月1日发布 FLUX.1 文生图系列^[1]。公司由 Robin Rombach、Patrick Esser 和 Andreas Blattmann 创立，三人被描述为 Stable Diffusion 的原始创作者^[2]。该公司之后的模型 FLUX1.1 [pro] 于2024年10月2日推出，是 FLUX.1 的后继版本^[4]。

主要特点

FLUX.1 有三个版本。FLUX.1 [pro] 只能通过 API 使用。FLUX.1 [dev] 为开放权重模型，采用指导蒸馏（guidance-distilled）训练，即把原本需要额外引导步骤才能得到的效果训练进模型本身；其许可证为非商用许可。FLUX.1 [schnell] 是速度最快的版本，采用 Apache 2.0 许可证^[1]。

三个版本都有120亿（12 billion）参数。参数是模型在训练中学习到的数值，因此120亿参数指的是网络的规模^[2]。

模型采用混合的多模态与并行扩散 Transformer 模块架构，并以流匹配（flow matching）方式训练。设计中使用了旋转位置编码（rotary positional embeddings），用于标记输入中每个元素的位置，并使用了并行注意力层（parallel attention layers）^[1]。流匹配是一种学习从噪声到图像的路径的训练方法。

模型支持0.1到2.0百万像素（megapixel）之间的宽高比和分辨率^[1]。一百万像素即一兆像素，这一范围规定了模型能处理的最小和最大图像尺寸。

发布时，[pro] 和 [dev] 可在 Replicate 与 fal.ai 上使用，[dev] 的权重则放在 Hugging Face 上。[schnell] 发布于 GitHub 和 Hugging Face Diffusers，并在发布当天即支持 ComfyUI^[1]。

Black Forest Labs 表示，[pro] 和 [dev] 在视觉质量、提示词遵循、尺寸与宽高比的多样性、排版和输出多样性方面超过了 Midjourney v6.0、DALL·E 3（HD）和 SD3-Ultra^[1]。这是公司发布时的自我评估，并非独立测试的结果。

发布之后

2024年8月，FLUX 作为 X 平台上的付费图像功能被集成进 Grok^[3]。2024年11月21日，公司宣布推出 FLUX.1 Tools，包括 Fill、Depth、Canny 和 Redux，用于编辑和控制^[3]。

2024年10月，公司公布 API 价格：FLUX.1 [dev] 每张图像2.5美分，FLUX.1 [pro] 每张5美分^[4]。后继版本 FLUX1.1 [pro] 于2024年10月2日公布^[4]。

在发展中的位置

FLUX.1 是公司成立时随之发布的模型系列^[1]。它确立了公司之后保持的分层模式：托管的 [pro] 模型，加上开放权重的 [dev] 与 [schnell] 模型^[1][4]。