FLUX 3 Image Klein réunit génération, retouche et personnalisation

Black Forest Labs dévoile FLUX 3 Image Klein, un modèle open weights pour générer, retoucher et personnaliser des images en 4K, exécutable en local.

Générer une image, positionner précisément ses éléments ou modifier plusieurs détails sans reconstruire toute la composition. FLUX 3 Image Klein rassemble ces opérations dans un modèle de 5,6 milliards de paramètres dont les poids sont disponibles au téléchargement. Black Forest Labs privilégie une architecture suffisamment compacte pour fonctionner sur une carte graphique grand public, tout en proposant des fonctions destinées aux studios créatifs et aux développeurs : génération jusqu'en 4K, contrôle spatial, retouche et personnalisation par entraînement complémentaire. Deux versions pour la génération et la personnalisation

FLUX 3 Image Klein appartient à la famille FLUX 3 Image, qui bénéficie également des travaux de Black Forest Labs sur les images, la vidéo et l'audio.

Le modèle réunit trois fonctions principales : la génération d'images à partir de texte, la modification d'images existantes et la combinaison de plusieurs références visuelles. Ces opérations reposent sur un même ensemble de poids, sans nécessiter de charger un modèle différent pour chaque tâche.

Deux versions de 5,6 milliards de paramètres sont proposées. Klein Distilled utilise 16 étapes de génération et privilégie la rapidité. Disponible sur Hugging Face et via l'API de Black Forest Labs, elle s'adresse notamment aux productions nécessitant de nombreuses images.

Klein Base, non distillée, fonctionne avec 50 étapes et se destine principalement à la recherche, à l'entraînement complémentaire et à la création d'adaptations personnalisées.

Les deux variantes prennent en charge une résolution maximale de 4K et le positionnement d'éléments par zones de composition.

Des versions quantifiées en FP8, NVFP4 et INT8 permettent également de réduire les besoins en mémoire. Certaines configurations peuvent fonctionner sur des cartes graphiques ou des ordinateurs portables disposant de 8 Go de mémoire vidéo. Composer une image avec des zones définies

L'une des fonctionnalités de Klein concerne les bounding boxes, des rectangles qui servent à préciser la position des éléments dans une composition.

Le créateur peut définir une zone, lui associer une description et demander au modèle d'y placer un objet, un personnage ou un élément graphique. Les coordonnées utilisent une grille normalisée allant de 0 à 1 000 sur chaque axe, indépendamment des proportions de l'image finale.

Black Forest Labs illustre ce fonctionnement avec un timbre japonais représentant un chat blanc, un croissant de lune, plusieurs inscriptions et une date. Chaque composant dispose d'une zone et d'indications particulières.

Cette méthode peut intéresser les studios travaillant sur des affiches, des couvertures, des visuels publicitaires ou des compositions intégrant des produits. La possibilité de préciser les emplacements réduit la dépendance à une description textuelle générale.

Les zones définies guident toutefois la génération sans constituer des contraintes géométriques absolues. Le modèle ne remplace pas un logiciel de mise en page vectorielle, notamment lorsque des alignements, des proportions ou une typographie parfaitement reproductible sont nécessaires. Modifier plusieurs détails sans reprendre toute l'image

Klein prend également en charge l'édition à partir d'instructions en langage naturel.

Parmi les exemples publiés, une rue estivale devient enneigée, une cascade se transforme en glace ou un bandana est ajouté autour du cou d'un chien. Le modèle cherche à conserver les éléments non concernés par la modification.

Plusieurs changements peuvent être demandés simultanément. Il devient ainsi possible d'ajuster différents composants d'une scène sans multiplier systématiquement les générations successives.

Cette fonction répond à une contrainte courante dans les processus créatifs : préserver une image déjà sélectionnée tout en corrigeant certains détails.

Black Forest Labs revendique une édition particulièrement précise, mais ne publie pas de mesure universelle garantissant la conservation des parties non modifiées. La fidélité du résultat dépend notamment de la complexité des instructions et des interactions entre les éléments de la scène. Personnaliser le modèle avec une vingtaine d'images

La publication de Klein Base permet également aux développeurs et aux studios d'entraîner des adaptations LoRA (Low-Rank Adaptation), sans modifier l'intégralité du modèle.

Cette technique peut servir à reproduire une identité graphique, les caractéristiques d'un produit, l'apparence d'un personnage ou les codes visuels d'une collection.

Black Forest Labs documente un exemple construit à partir de 20 peintures persanes du XVIe siècle, issues du Shahnameh de Shah Tahmasp. Les images ont servi à entraîner une adaptation capable de reprendre certaines caractéristiques de cet univers pictural.

L'expérience a nécessité 4 000 étapes d'entraînement et environ 4 h 30 sur une seule carte graphique, avec une adaptation LoRA de rang 32. Ce résultat correspond à une configuration précise et ne constitue pas une durée garantie pour tous les jeux de données.

Une particularité technique facilite ensuite le passage en production : les versions Base et Distilled partagent la même architecture. Une adaptation LoRA entraînée sur Base peut donc être chargée directement dans Distilled, sans conversion.

Les équipes peuvent ainsi utiliser la version adaptée à l'entraînement pour créer leur personnalisation, puis exploiter la version plus rapide pour générer leurs images. Les résultats ne sont pas strictement identiques entre les deux variantes, mais les caractéristiques du style entraîné peuvent être conservées. Quatre secondes sur une RTX 5090

La vitesse constitue un autre argument de FLUX 3 Image Klein.

Selon les mesures de Black Forest Labs, le modèle génère une image en environ quatre secondes sur une NVIDIA GeForce RTX 5090, avec la version INT8.

Sur une NVIDIA GB300, la variante NVFP4 atteint un temps annoncé de 0,55 seconde par image.

Ces chiffres correspondent à des conditions d'exécution particulières. Ils