Black Forest Labs

2024 年 8 月，前 Stability AI 核心研究团队——Robin Rombach、Patrick Esser、Andreas Blattmann 等人——创立了 Black Forest Labs。这几位是 Stable Diffusion 系列模型（SD 1.x、2.x、3.x）的原始作者。公司成立之初即获得 Andreessen Horowitz (a16z) 3100 万美元种子轮投资。

Black Forest Labs 的首个产品便是 FLUX.1 系列视觉生成模型。

FLUX.1 概述

FLUX.1 于 2024 年 8 月正式发布，拥有 120 亿参数，采用 Rectified Flow Transformer + MMDiT（Multi-Modal Diffusion Transformer） 架构。其文本编码器使用了 T5-XXL（110 亿参数）与双 CLIP 编码器（ViT-L/14 和 ViT-bigG/14）的组合，在提示词理解和文本渲染方面达到了当时的顶尖水平。

FLUX.1 的训练规模为 8,192 块 H100 GPU，原生输出分辨率为 1024×1024。

三个变体

FLUX.1 面向不同使用场景提供了三个版本：

变体 许可 推理步数 VRAM 需求 用途
FLUX.1 [pro] 闭源，API 调用 — — 商业使用，最高质量
FLUX.1 [dev] 开放权重，非商用 25–50 步 ~24 GB 研究和社区使用
FLUX.1 [schnell] 开放权重，Apache 2.0 1–4 步 ~12 GB 快速生成
  • pro：通过 API 调用，适用于需要最高质量的商业场景。
  • dev：开放模型权重，仅限非商业用途。输出质量与 pro 版本接近，但推理速度较慢（25–50 步），需要约 24 GB VRAM。
  • schnell：完全开源（Apache 2.0 许可），仅需 1–4 步即可生成可用图像，VRAM 需求约 12 GB，适合消费级显卡。

与 Stable Diffusion 对比

FLUX.1 相比同期的 Stable Diffusion 模型（SDXL、SD3）在多个维度有明显提升：

  • 文本渲染：FLUX.1 在图像中生成清晰英文文本的能力大幅领先，是开源模型中文本渲染的标杆。
  • 提示词遵循：对复杂提示词的理解和还原更精确。
  • 照片真实感：在光影、材质、人物皮肤等细节上更接近真实照片。
  • 解剖结构：手部、面部等容易出现畸形的位置显著改善。

代价是更高的 VRAM 需求和推理延迟。

生态系统

FLUX.1 发布后迅速被主流工具支持：

  • ComfyUI：提供完整官方支持，包括 LoRA 训练工作流
  • Kohya’s GUI：支持 FLUX.1 LoRA 训练
  • 平台 API：Replicate、Together AI、fal.ai 均有提供
  • 社区：HuggingFace 和 CivitAI 上有大量微调模型

更新历史

  • 2024 年 8 月：FLUX.1 [pro] / [dev] / [schnell] 初始发布
  • 2024 年 11 月：推出 FLUX.1 Pro Ultra（支持 4K 分辨率）和 FLUX.1.1 Pro（6 倍推理加速，改进的提示词遵循能力）

下载链接