定义
FLUX是黑森林实验室(Black Forest Labs)推出的一系列生成式图像模型，能够依据文本描述生成图像，也能根据指令对既有图像进行编辑[1]。该系列以整流流变换器为核心架构，而不是早期扩散模型常用的U-Net结构，在潜在空间中完成从噪声到图像的生成过程[4]。
初代FLUX.1全部变体统一扩展到120亿参数，并提供[pro]、[dev]、[schnell]三种定位不同的版本，其中[pro]性能最强且仅通过接口提供，[dev]与[schnell]开放模型权重[2]。后续迭代出FLUX1.1、FLUX.1 Kontext与FLUX.2等型号，逐步把生成与编辑统一到同一模型之中[3]。
原理
FLUX属于扩散变压器(DiT)与流匹配技术路线。模型不预测图像上的噪声，而是预测一个速度场，用整流流路径把随机噪声沿近似直线的方式积分还原为图像，因此通常只需较少的采样步数即可出图[4]。条件注入方式也不再依赖图像对文本的交叉注意力，而是将图像标记与文本标记拼接后做联合注意力计算[5]。
以FLUX.1为例，其变换器由19个双流块与38个单流块组成。双流块为文本和图像分别保留独立的权重与注意力，同时通过联合注意力让两种模态互相读取信息；单流块则把两组标记拼接后共享权重处理，构成模型的主要深度[5]。文本一侧使用T5-XXL编码器生成序列嵌入，并用CLIP ViT-L/14提供池化向量，图像一侧由16通道的变分自编码器压缩到潜在空间后再切分为标记[4]。
位置信息通过旋转位置嵌入(RoPE)编码，时间步、CLIP池化向量与引导强度被合并为调制向量，用于缩放和平移各块的归一化层[5]。提示词遵循程度由蒸馏得到的引导标量控制，推理时通常把分类器无关引导强度设为1.0，负向提示在该配置下不产生作用[4]。采样过程可表示为沿时间积分的常微分方程：$x_{t+\Delta t}=x_t+\Delta t\,v_\theta(x_t,t,c)$，其中网络输出为速度预测。
发展历程
黑森林实验室于2024年在德国弗赖堡成立，创始人包括罗宾·隆巴赫(Robin Rombach)、安德烈亚斯·布拉特曼与帕特里克·埃塞尔，团队多名成员此前参与开发了Stable Diffusion。2024年8月，该实验室宣布成立并同时发布初代FLUX.1系列，包含[pro]、[dev]、[schnell]三个变体[2]。
2024年10月，FLUX1.1 [pro]发布，官方称其速度约为前代FLUX.1 [pro]的6倍，并支持原生2K图像生成。2025年5月，黑森林实验室推出FLUX.1 Kontext [pro]与[max]，把编辑方式从蒙版改为文本指令驱动，同年6月又开放了120亿参数的FLUX.1 Kontext [dev]权重[6]。
2025年11月，FLUX.2发布，把图像生成与多参考编辑合并进同一个模型检查点，输出分辨率最高可达4MP[6]。其后续的小型版本FLUX.2 [klein]提供40亿与90亿参数两种规格，采用步数蒸馏，其中40亿参数版本以Apache 2.0协议完全开源，可在消费级显卡上运行[7]。
应用
FLUX主要面向图像生成与编辑的实际生产场景。黑森林实验室列出的适用方向包括创意设计、电子商务、媒体与设计类应用，具备文生图、多参考图像编辑以及上下文生成与编辑等能力。多参考功能可组合多张图像中的元素并保持人物身份一致，用于广告变体、产品效果图等场景[7]。
该系列通过多种渠道对外提供。官方接口覆盖[pro]、[max]、[flex]等型号，[schnell]、[dev]与[klein]等开放权重模型可从抱抱脸等平台下载并在本地运行[3]。微软的Microsoft Foundry也上架了FLUX系列模型，支持通过专用接口或兼容OpenAI的图像接口进行调用。此外，ComfyUI与Diffusers等推理框架为FLUX提供了节点式工作流与代码调用支持[5]。
局限
官方模型卡明确说明，这类模型并不意图也不具备提供事实性信息的能力；作为统计模型，其检查点可能放大训练数据中的偏见，也可能生成与提示不符的内容，提示词遵循程度受提示风格影响较大[8]。FLUX.2 [klein]的说明还提到，模型虽然可以输出文字，但渲染出的文本可能出现不准或形变[9]。
在部署层面，FLUX.1的变换器在bf16精度下约需24GB显存，文本编码器体积也较大，本地运行对硬件有一定要求[4]。默认配置下分类器无关引导强度需保持为1.0，负向提示不产生效果，这与传统U-Net扩散模型的用法不同[4]。FLUX.2采用了新的网络结构，此前基于FLUX.1训练的LoRA、ControlNet与微调模型无法直接加载[4]。此外，[dev]等开放权重型号采用非商业许可，未经付费授权不得用于商业服务[4]。
参见
-
黑森林实验室 —— 开发FLUX系列的德国人工智能企业。
-
Stable Diffusion —— 该系列创始团队此前参与开发的文本到图像模型。
-
扩散模型 —— FLUX所属的生成式模型技术路线。
-
Transformer —— FLUX变换器主干所采用的基础网络结构。
-
流匹配 —— FLUX训练与采样所依据的生成建模范式。
-
变分自编码器 —— FLUX用于把图像压缩到潜在空间的组件。
参考资料
- Black Forest Labs - Building Visual Intelligence [引用日期2026-10-14]
- 全员离开老东家，Stable Diffusion一作带团创业，出手即击败MJ v6、SD3，还开源-36氪 [引用日期2026-10-14]
- What FLUX models are available? [引用日期2026-10-14]
- AI/ML: FLUX Guide [引用日期2026-10-14]
- flux-arch [引用日期2026-10-14]
- invideo.io 上的网页 [引用日期2026-10-14]
- Overview - Black Forest Labs [引用日期2026-10-14]
- FLUX.1 [dev] | Text to Image - black-forest-labs/flux-dev [引用日期2026-10-14]
- FLUX.2-klein-4B - diffusion-single-file模型 [引用日期2026-10-14]