Black Forest Labs 公开了一款可根据文字生成图像并编辑参考照片的模型的权重。希望在自有设备上开发图像工具的开发者有了更多选择，但除了缩小的生成器，还需考察扩展描述的模型及使用条款。
1. 将生成与编辑合二为一
这款于2026年10月15日公开的模型最多可接收10张参考图像进行合成，支持最高4K分辨率。56亿参数仅指图像生成器，不包括将文字转换为模型可理解表示的文本编码器。
模型分为用于进一步训练的基础模型和用于生成、编辑的蒸馏模型。蒸馏是一种减少生成所需计算步骤的方法，基础模型使用50步，蒸馏模型使用16步。
2. 质量与速度需看测量范围
开发商称，该模型在内部评估的文字生成图像、多参考图像生成和编辑任务中均排名第1。对比对象 Qwen-Image 2.1 的生成器有70亿参数，Krea 2 有129亿参数。后者不支持编辑，因此未参与编辑对比。开发商未提供独立评估结果。
GPU 耗时由英伟达使用各设备上最快的构建版本测得，消费级显卡的结果则来自 ComfyUI。因此，这并非相同软件配置之间的对比。
蒸馏模型以16步生成一张1024×1024图像，在 GB300 上耗时0.55秒，在 RTX 4070 上为8.9秒。
基础模型以50步生成相同分辨率图像时，GB300 耗时1.7秒，DGX Spark 为43.8秒。
API 在100万像素下的延迟中位数为生成4.54秒、编辑7.18秒。该指标包含排队、网络和输入扩展，不应与 GPU 耗时比较。自家模型在服务端测量，竞品在客户端测量，因此与竞品的测量边界也不同。
3. 生成器变小，整体显存需求仍在
自行部署和进一步训练变得更容易评估，但部分成本转移到了输入处理。参考代码默认运行一个独立的90亿参数模型，将简短请求扩展为包含光照、构图的场景描述。模型卡称，直接提交简短输入会得到平庸的结果，因此建议执行这一扩展步骤。
参考代码在 B200 上运行蒸馏模型时，在1024×1024分辨率、关闭输入扩展的条件下，默认16位格式的峰值 GPU 显存占用为31GB。降低数值精度进行存储的量化格式 FP8 为26GB，NVFP4 为25GB。扩展模型在80GB GPU 上额外占用约28GB。
下载快速模型和输入扩展器需要52GB存储空间，下载两个模型及全部相关文件则需107GB。下载大小与运行显存是两回事，因此很难仅凭生成器参数量选择硬件。
4. 先选择运行方式
完成参考仓库的安装和权重下载后，可用以下命令生成图像。这是原文示例，默认也会运行输入扩展。
python scripts/cli.py "A man walking with his dog, afternoon sun" --model distilled --out out.png --seed 7针对8GB GPU，文档介绍了使用 ComfyUI 专用 INT8 文件的方式。参考代码没有提供这一精度的运行方式，因此不应将小型设备支持与参考代码的显存数据混为一谈。
5. 编辑边界与使用许可需分别确认
用于指定元素位置和大小的边界框，并不是只修改框选区域的蒙版。元素可能超出边界框，小元素可能遗漏，编辑区域之外也可能发生变化。API 对非编辑区域的精确保留，是包含独立还原功能的结果。
模型卡指出，图像中的文字可能不准确或变形，也可能显现训练数据的偏见。输出并非为提供事实信息而设计。
权重采用的 FLUX Kommunity License v.1.0，允许包括关联公司在内的年化总营收低于500万美元的合格用户有条件地生成商业输出。这并非全面允许商业性进一步训练和分发，军事、监控、生物特征信息处理，以及改进具备类似功能的其他模型等用途也受到限制。
判断该模型的引入价值，不应只看生成器大小，而应看包含输入扩展的运行成本和使用许可是否适合任务。