FLUX.2-Klein 4B/9B开源：亚秒级统一图像生成与编辑

Black Forest Labs开源了FLUX.2 [klein]模型家族，这是目前最快的图像生成模型系列。该系列在单一紧凑架构中统一了生成和编辑能力，在现代硬件上实现端到端推理低至0.5秒以内，同时在消费级GPU上仅需13GB显存即可运行。

开源地址

GitHub：https://github.com/black-forest-labs/flux2

ModelScope: 

https://modelscope.cn/collections/black-forest-labs/FLUX-2-Klein

• 亚秒级推理速度 在现代硬件上，生成或编辑图像耗时低于0.5秒，大幅提升实时应用的响应速度。

• 统一生成与编辑架构 单一模型支持文生图（Text-to-Image）、图像编辑（Image-to-Image）和多参考图像生成，无需切换不同模型即可完成复杂的视觉任务。
• 消费级硬件友好 4B模型在RTX 3090/4070及以上显卡运行时仅占用约13GB显存，降低了开发和部署门槛。
• 高质量输出 在质量与延迟的帕累托前沿上表现优异，9B版本的性能可与5倍参数规模的模型匹敌。
• 完全开源与商业友好 4B系列采用Apache 2.0许可证，支持商业使用；9B系列采用FLUX非商业许可证，适用于研究和非商业场景。
• 量化加速支持 提供FP8和NVFP4量化版本，在RTX GPU上分别实现最高1.6倍和2.7倍的推理加速，显存占用分别降低40%和55%。

文生图效果

图片编辑效果

模型家族概览

FLUX.2 [klein]系列包含以下模型：

 注：

•  "klein"在德语中意为"小"，反映了模型的紧凑规模和低延迟特性。
• 蒸馏版 vs Base版：
  • 蒸馏版（9B/4B）：经过步骤蒸馏优化至4步推理，速度更快，适合生产环境直接使用
  • Base版（9B Base/4B Base）：保留完整训练信号，输出多样性更高，适合微调和定制化开发

     

量化版本模型家族

本次开源同时发布了所有 [klein] 变体的 FP8 和 NVFP4 版本，这些版本是与 NVIDIA 合作开发的，旨在优化 RTX GPU 上的推理性能。功能相同，占用空间更小，并且兼容更多硬件。

• FP8版本：速度提升最高1.6倍，显存占用减少最高40%
• NVFP4版本：速度提升最高2.7倍，显存占用减少最高55%

注：在RTX 5080/5090上测试T2I，生成分辨率为1024×1024。

量化版本模型适用相同的许可证：4B 变体采用 Apache 2.0 许可证，9B 变体采用 FLUX NCL 许可证。

FLUX.2 [klein] 9B基于9B参数的流模型（Flow Model）构建，集成8B Qwen3文本编码器用于文本理解。通过步骤蒸馏（Step Distillation）技术，将推理步数压缩至4步，在保持高质量输出的同时大幅降低推理延迟。

模型采用统一架构处理多种视觉任务：

• 文生图：根据文本描述生成高质量图像
• 单参考编辑：基于单张参考图进行编辑和变换
• 多参考生成：结合多张输入图像，混合概念并生成复杂组合

Base版本保留了完整的训练信号，未经蒸馏处理，为微调、LoRA训练和自定义流程提供了最大的灵活性和控制能力。这种设计使得研究人员和开发者可以根据特定需求进行深度定制。

基准测试显示，FLUX.2 [klein]在Elo评分、推理延迟和显存占用三个维度上均实现了优异平衡：

• 在文生图、图生图单参考和多参考任务中，匹配或超越Qwen等同类模型的质量，延迟和显存占用仅为其一小部分
• 相比Z-Image，不仅质量更优，还在单一模型中支持文生图和多参考图像编辑
• GB200上bf16精度测试显示，蒸馏版在速度上显著领先，Base版在保持合理速度的同时提供了完整的定制能力

   

模型下载

modelscope download --model black-forest-labs/FLUX.2-klein-9Bmodelscope download --model black-forest-labs/FLUX.2-klein-4B

环境安装

pip install -U diffusers

推理脚本

import torchfrom diffusers import Flux2KleinPipelinedevice = "cuda"dtype = torch.bfloat16pipe = Flux2KleinPipeline.from_pretrained("black-forest-labs/FLUX.2-klein-4B", torch_dtype=dtype)pipe.enable_model_cpu_offload()  # save some VRAM by offloading the model to CPUprompt = "A cat holding a sign that says hello world"image = pipe(    prompt,    height=1024,    width=1024,    guidance_scale=1.0,    num_inference_steps=4,    generator=torch.Generator(device=device).manual_seed(0)).images[0]image.save("flux-klein.png")

显存占用

• FLUX.2 [klein] 4B：大约需要13GB，推荐NVIDIA RTX 3090/4070以上规格的显卡
• FLUX.2 [klein] 9B：大约需要29G存，推荐NVIDIA RTX 4090以上规格的显卡

FLUX.2 [klein]通过紧凑的架构和高效的推理能力，为实时视觉生成应用提供了新的可能性。模型在开源友好性、硬件要求和生成质量之间实现了良好平衡，适用于从本地开发到生产部署的多种场景。Base版本的完全开放为研究和定制化需求提供了充分的灵活性。