Black Forest Labs lanceert open source Flux.2 (klein) om in minder dan een seconde AI-afbeeldingen te genereren

Duitse AI-startup, Black Forest Labs (BFL), opgericht door voormalige Stability AI-ingenieursblijft zijn suite van open source AI-beeldgeneratoren ontwikkelen met releases FLUX.2 (klein)een paar nieuwe kleine modellen – één open en één niet-commercieel – die de nadruk leggen op snelheid en lagere computervereisten, waarbij ze beelden in minder dan een seconde produceren op een Nvidia GB200.

De serie (klein), die gisteren werd vrijgegeven, omvat twee belangrijke parametergrootheden: 4 miljard (4B) en 9 miljard (9B).

Modelgewichten zijn verkrijgbaar op Knuffelend gezicht en actieve code Github.

Terwijl de grotere modellen in de FLUX.2-familie ((max) en (pro)), uitgebracht in november 2025(klein) zoekt de grenzen op van fotorealisme en ‘basiszoekmogelijkheden’ en is specifiek ontworpen voor consumentenhardware en latentie-kritieke workflows.

Het goede nieuws voor bedrijven is dat versie 4B beschikbaar is onder de Apache 2.0-licentie, wat betekent dat zij – of welke organisatie of ontwikkelaar dan ook – het model (klein) voor commerciële doeleinden kunnen gebruiken zonder een cent te betalen aan BFL of een tussenpersoon.

Er zijn echter een aantal AI-beeld- en mediacreatieplatforms inbegrepen Fal.ai is begonnen deze tegen zeer lage kosten aan te bieden via application programming interfaces (API’s) en als direct-to-user tools. Het heeft veel lof ontvangen van early adopters vanwege zijn snelheid. Wat het mist aan algehele beeldkwaliteit, lijkt het te compenseren met snelle generatiemogelijkheden, open licenties, betaalbaarheid en kleine omvang – wat ten goede komt aan bedrijven die beeldmodellen op hun eigen hardware of tegen zeer lage kosten willen draaien.

Dus hoe doet BFL het en hoe kan het u ten goede komen? Lees verder voor meer informatie.

De ‘Pareto-grens’ van latentie

De technische filosofie achter (klein) is wat de BFL-documentatie beschrijft als de definitie van de “Pareto-grens” voor kwaliteit versus latentie. Simpel gezegd: ze hebben geprobeerd de visuele betrouwbaarheid te maximaliseren in een model dat klein genoeg is om zonder merkbare vertraging op een gaming-pc thuis te draaien.

Prestatiestatistieken die door het bedrijf zijn vrijgegeven, schetsen een beeld van een model dat is gebouwd voor interactiviteit, en niet alleen voor het maken van batches.

Volgens officiële cijfers van Black Forest Labs is het model (klein) in staat om op moderne hardware in minder dan 0,5 seconde afbeeldingen te genereren of te bewerken.

Zelfs op standaard consumenten-GPU’s zoals de RTX 3090 of 4070 is het 4B-model ontworpen voor ongeveer 13 GB VRAM.

Deze snelheid wordt bereikt door middel van ‘destillatie’, een proces waarbij een groter, complexer model een kleiner, efficiënter model ‘leert’ om de output in minder stappen te schatten. De gedistilleerde (klein) variant heeft slechts vier stappen nodig om een ​​beeld te produceren. Dit verandert het generatieproces effectief van een koffiepauzetaak in een vrijwel onmiddellijk proces, waardoor wat BFL bij X (voorheen Twitter) beschrijft als “het laten groeien van een idee van 0 → 1” in realtime mogelijk wordt.

Onder de motorkap: geïntegreerde architectuur

Historisch gezien waren voor het maken en bewerken van afbeeldingen vaak verschillende pijplijnen of complexe adapters nodig (zoals ControlNets). FLUX.2 (klein) probeert het in elkaar te zetten.

De architectuur ondersteunt standaard tekst-naar-afbeelding, bewerking met één referentie en compositie met meerdere referenties zonder dat modellen hoeven te worden verwisseld.

Volgens documentatie vrijgegeven op GitHub ondersteunt het model:

• Bewerken met meerdere referenties: Gebruikers kunnen maximaal vier referentieafbeeldingen (of tien afbeeldingen in een speeltuin) uploaden om de stijl of structuur van de uitvoer te bepalen.

• Hex-code kleurcontrole: Een probleem waarmee ontwerpers vaak worden geconfronteerd, is het verkrijgen van ‘de juiste tint rood’. Deze nieuwe modellen accepteren specifieke hexadecimale codes in hun opdrachten (bijvoorbeeld #800020) om een ​​nauwkeurige kleurweergave te forceren.

• Gestructureerde aanmoediging: Het model parseert gestructureerde invoer zoals JSON voor strak gedefinieerde composities, een functie die duidelijk gericht is op programmatische generatie en bedrijfskanalen.

Licentiesplitsing: open versus open gewicht open source

Voor startups en ontwikkelaars die gebruik maken van BFL-technologie is het begrijpen van het releaselicentielandschap van cruciaal belang. BFL heeft een gesplitste strategie aangenomen die het gebruik van “hobbyisten/onderzoekers” scheidt van “commerciële infrastructuur”.

1. FLUX.2 (klein) 4B: Uitgebracht onder Apache 2.0. Dit is een vrije softwarelicentie die commercieel gebruik, wijziging en herdistributie mogelijk maakt. Als u een betaalde app, SaaS-platform of game maakt waarin AI-generatie is geïntegreerd, kunt u het royaltyvrije 4B-model gebruiken.

2. FLUX.2 (klein) 9B & (ontwikkeling): Uitgegeven onder een niet-commerciële licentie van FLUX. Deze gewichten kunnen door onderzoekers en hobbyisten worden gedownload en uitgeprobeerd, maar kunnen zonder afzonderlijke overeenkomst niet voor commerciële toepassingen worden gebruikt.

Deze verschillen positioneren het 4B-model als een directe concurrent van andere open-weight-modellen zoals de Stable Diffusion 3 Medium of SDXL, maar met een modernere architectuur en een tolerante licentie die juridische onduidelijkheid voor startups elimineert.

Ecosysteemintegratie: ComfyUI en meer

BFL realiseert zich duidelijk dat een model slechts zo goed is als de tools waarmee het wordt uitgevoerd. Gelijktijdig met de release van het model heeft het team een ​​officieel workflowsjabloon uitgebracht voor Comfortabeleen op knooppunten gebaseerde interface die de standaard geïntegreerde ontwikkelomgeving (IDE) voor AI-kunstenaars is geworden.

Workflow – vooral image_flux2_klein_text_to_image.json en bewerkingsvarianten, waardoor gebruikers nieuwe mogelijkheden onmiddellijk naar bestaande kanalen kunnen slepen en neerzetten.

De reactie van de gemeenschap op sociale media concentreerde zich op de workflow-integratie en de snelheid ervan. In een bericht op

Waarom dit belangrijk is voor AI-beslissers in ondernemingen

De lancering van FLUX.2 (klein) markeert de volwassenheid van de generatieve AI-markt en gaat voorbij de eerste fase van nieuwigheid naar een periode die wordt bepaald door nut, integratie en snelheid.

Voor Lead AI Engineers die voortdurend de balans zoeken tussen snelheid en kwaliteit, is deze verandering van cruciaal belang. Deze professionals, die de gehele levenscyclus van modellen beheren, van datavoorbereiding tot implementatie, worden vaak geconfronteerd met de dagelijkse uitdaging om snel evoluerende tools in bestaande workflows te integreren.

De beschikbaarheid van het gedistilleerde 4B-model onder de Apache 2.0-licentie biedt een praktische oplossing voor degenen die zich richten op snelle implementatie en aanpassing om specifieke bedrijfsdoelen te bereiken, waardoor ze de latentiebarrières kunnen omzeilen die doorgaans het creëren van hifi-images teisteren.

Voor Senior AI Engineers die zich richten op orkestratie en automatisering zijn de implicaties net zo groot. Deze experts zijn verantwoordelijk voor het bouwen van schaalbare AI-pijplijnen en het handhaven van de modelintegriteit in meerdere omgevingen, waarbij ze vaak onder strikte budgetbeperkingen werken.

Het lichtgewicht karakter van de familie (klein) is een directe oplossing voor de uitdaging van het implementeren van efficiënte systemen met beperkte middelen. Door gebruik te maken van modellen die passen bij VRAM van consumentenkwaliteit, kunnen orkestratiespecialisten kosteneffectieve lokale inferentiepaden ontwerpen die de hoge operationele kosten vermijden die gepaard gaan met grote bedrijfseigen modellen.

Zelfs voor IT-beveiligingsdirecteuren biedt de overstap naar een open-weight-model dat lokaal kan worden uitgevoerd zijn eigen voordelen. De taak om organisaties te beschermen tegen cyberdreigingen en om beveiligingsoperaties met beperkte middelen te beheren, kan de afhankelijkheid van externe API’s voor gevoelige creatieve workflows een kwetsbaarheid zijn.

Een kwalitatief hoogstaand model dat lokaal draait, stelt beveiligingsleiders in staat AI-tools goed te keuren die eigen gegevens opslaan binnen de bedrijfsfirewall, waardoor de operationele eisen van het bedrijf in evenwicht worden gebracht met de robuuste beveiligingsmaatregelen die ze moeten afdwingen.