FLUX 3 Image Klein lleva la generación y edición de imágenes al ordenador del usuario

Referencias y controles para dirigir la imagen

BFL presenta FLUX 3 Image Klein como un modelo de 5.600 millones de parámetros para generación y edición de imágenes, con varias referencias. El lanzamiento incluye una versión base y otra destilada, además de variantes de precisión reducida. Los pesos se distribuyen bajo la licencia FLUX Kommunity. [1]

Conviene conservar el apellido completo: esta noticia trata Image Klein. No basta con ver FLUX 3 en una interfaz para asumir que estamos usando esa variante o que cualquier modelo de la familia comparte requisitos. Los nombres parecidos pueden ocultar diferencias importantes de tamaño y finalidad.

Una petición escrita describe la escena. Una referencia aporta información visual que costaría expresar con palabras. Una región delimita dónde debe actuar una instrucción. Son controles diferentes: describir una silla, enseñar una silla y señalar el área donde debe aparecer no resuelven el mismo tipo de ambigüedad.

En un trabajo de edición resulta útil separar identidad, composición y modificación. Por ejemplo: conservar el producto de la referencia, situarlo en la composición indicada y cambiar únicamente el fondo. Cuantas más condiciones se añaden, más importante es revisar las relaciones entre ellas: una nueva luz puede requerir sombras distintas incluso cuando el producto debe mantenerse.

Lo que hay que cargar en el ordenador

La guía utiliza un generador, un codificador de texto Qwen3-VL-4B y el VAE de FLUX.2; añade un ampliador de instrucciones Qwen3.5 de 9B en los flujos de texto a imagen. Las plantillas requieren ComfyUI 0.41.0 o posterior, con referencia a la actualización 0.41.1. [2]

El generador produce la representación visual, el codificador transforma el texto en información utilizable y el VAE conecta la representación interna con la imagen. El ampliador reescribe una petición breve con mayor detalle. Es importante conocerlo: si el resultado introduce elementos que no escribiste, hay que comprobar si intervino esa ampliación antes de atribuir todo al modelo de imagen.

La plantilla base propone 50 pasos; la destilada reduce el recorrido a 4–16 y fija la guía en 1. Los archivos se distribuyen con nombres diferentes y la guía contempla un comparador entre entrada y salida para edición. [2]

Un paso es una iteración de cálculo, no un segundo. Reducirlo puede cambiar el tiempo y el resultado, pero no permite calcular una duración sin conocer el equipo. La destilación busca conservar capacidades con una ejecución más corta. No significa que todas las opciones del modelo base sigan teniendo el mismo efecto ni que una cifra mayor en cualquier control mejore la imagen.

BFL atribuye el funcionamiento desde 8 GB de VRAM en GeForce RTX a la compilación INT8, mediante ComfyUI o Diffusers. El espacio de los pesos del generador cambia según su precisión. [1]

VRAM es la memoria de la tarjeta gráfica y no es intercambiable con la RAM del sistema. Además de almacenar los pesos hacen falta recursos para el cálculo y los componentes auxiliares. El dato de 8 GB describe una configuración, no todos los trabajos posibles.

La guía de ComfyUI documenta el flujo y los archivos necesarios. Antes de descargar conviene identificar la variante elegida y seguir la colocación de modelos y componentes descrita por el proyecto, en vez de combinar archivos al azar. [2]

Una prueba razonable empieza pequeña: conservar un flujo de referencia, generar una imagen y anotar resolución, pasos, memoria y tiempo. Después se puede cambiar una variable cada vez. Si se modifica todo a la vez, un resultado lento o un fallo de memoria dice poco sobre cuál es el cuello de botella.

El coste de tener el control

Un PC necesita espacio para los archivos, RAM para el programa y sus componentes y tiempo para cargar y procesar. El número de referencias y la resolución también cambian el trabajo. Un flujo que funciona con una imagen pequeña puede agotar memoria al aumentar la salida o incorporar más entradas.

No existe una equivalencia directa entre el tamaño de una descarga y la VRAM necesaria. Tampoco entre ejecutar y entrenar una adaptación. La instalación inicial debe distinguir esos objetivos: producir una imagen con pesos ya preparados suele ser una tarea muy diferente de ajustar un modelo con una colección propia.

En local, el usuario administra componentes y conserva el registro de la configuración. En una API, un servidor procesa la petición y aplica sus condiciones de acceso. El primer camino da control de ejecución; el segundo evita mantener ese hardware. Un mismo nombre de modelo puede aparecer en ambos sin que los costes y opciones sean idénticos.

Para conservar un trabajo reproducible interesa guardar el flujo, la versión del modelo, los parámetros y las referencias autorizadas. Eso permite volver sobre una edición y entender qué se hizo. No garantiza resultados idénticos entre versiones, pero evita depender únicamente de recordar una frase o de conservar la última imagen exportada.

La viabilidad depende de tres factores: que el trabajo quepa en memoria, que el tiempo resulte aceptable y que la salida cumpla la petición. Los tiempos del fabricante corresponden a configuraciones específicas y no se trasladan a cualquier tarjeta de 8 GB. [1]

En edición importa conservar las zonas ajenas al cambio. En generación cuentan composición, coherencia y texto. Las repeticiones necesarias influyen en el coste y en la duración del trabajo, además del tiempo de una sola imagen.

La generación nativa 4K y el uso de hasta diez referencias figuran entre las capacidades anunciadas. Los pesos se ofrecen bajo la licencia FLUX Kommunity: disponer de una descarga no elimina sus condiciones ni los costes de hardware y operación. [1]