FLUX.2 Klein

FLUX.2 Klein — génération d'images en moins d'une seconde sur les GPU Clore.ai

FLUX.2 Klein de Black Forest Labs est le successeur de FLUX.1, offrant la même qualité d’image à 20–60× plus rapide. Là où FLUX.1 prenait 10 à 30 secondes par image, FLUX.2 Klein génère en moins de 0,5 seconde sur une RTX 4090. C’est un modèle Diffusion Transformer (DiT) de 32B avec une licence Apache 2.0, et, depuis janvier 2026, il est même pris en charge à titre expérimental dans Ollama.

Caractéristiques clés

• génération en moins de 0,5 seconde: 20–60× plus rapide que FLUX.1

• architecture DiT de 32B: Même qualité que FLUX.1 dev

• Licence Apache 2.0: Utilisation commerciale complète

• Prise en charge d’Ollama: Génération d’images expérimentale via Ollama (janv. 2026)

• Compatible avec ComfyUI: Remplacement direct pour les workflows FLUX.1

• LoRA + ControlNet: Adaptateurs communautaires disponibles

Exigences

Composant	Minimum	Recommandé
GPU	RTX 3090 24 Go	RTX 4090 24 Go
VRAM	16 Go (avec déchargement)	24GB
RAM	32 Go	64 Go
Disque	40 Go	60 Go
CUDA	12.8+	12.8+

GPU Clore.ai recommandé: RTX 4090 24 Go (0,14–0,42 $/h) — génération en moins d’une seconde

Comparaison de vitesse : FLUX.1 vs FLUX.2 Klein

GPU	FLUX.1 dev (20 étapes)	FLUX.2 Klein	Accélération
RTX 3090	~25 s	~1,2 s	20×
RTX 4090	~12 s	~0,4 s	30×
RTX 5090	~8 s	~0,25 s	32×
H100	~5 s	~0,15 s	33×

Démarrage rapide avec diffusers

import torch
from diffusers import FluxPipeline

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.2-klein",
    torch_dtype=torch.bfloat16
)
pipe.to("cuda")

# Générer une image en < 0,5 seconde !
image = pipe(
    prompt="une plateforme de minage GPU cyberpunk dans une salle serveur éclairée au néon, photoréaliste",
    height=1024,
    width=1024,
    num_inference_steps=4,  # Klein n’a besoin que de 4 étapes !
    guidance_scale=3.5,
).images[0]

image.save("output.png")

Mode économe en mémoire (GPU 16 Go)

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.2-klein",
    torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()  # Tient sur 16 Go
pipe.vae.enable_tiling()         # Économise ~2 Go

image = pipe("un paysage de montagne au coucher du soleil", num_inference_steps=4).images[0]

Flux de travail ComfyUI

FLUX.2 Klein fonctionne comme un remplacement direct dans les workflows ComfyUI FLUX.1 existants :

1. Téléchargez le checkpoint FLUX.2 Klein dans ComfyUI/models/diffusion_models/

2. Dans votre workflow, modifiez le nœud de checkpoint pour qu’il pointe vers FLUX.2 Klein

3. Réduisez les étapes à 4 (au lieu de 20 à 50 pour FLUX.1)

4. Définissez la guidance scale entre 3,0 et 4,0

# Télécharger le modèle pour ComfyUI
cd ComfyUI/models/diffusion_models/
wget https://huggingface.co/black-forest-labs/FLUX.2-klein/resolve/main/flux2-klein.safetensors

Génération par lots

Avec une génération en moins d’une seconde, FLUX.2 Klein permet un traitement par lots massif :

import torch
from diffusers import FluxPipeline

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.2-klein", torch_dtype=torch.bfloat16
).to("cuda")

prompts = [
    "une voiture de sport rouge sur une route de montagne, cinématographique",
    "l’intérieur d’un café chaleureux, éclairage doux",
    "un astronaute flottant au-dessus de la Terre, hyperréaliste",
    "un château médiéval en automne, art fantastique",
    # ... ajoutez-en des centaines d’autres
]

for i, prompt in enumerate(prompts):
    image = pipe(prompt, num_inference_steps=4, guidance_scale=3.5).images[0]
    image.save(f"batch_{i:04d}.png")
    print(f"Généré {i+1}/{len(prompts)}")

# Sur RTX 4090 : ~100 images en moins d’une minute !

Prise en charge de LoRA

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.2-klein", torch_dtype=torch.bfloat16
).to("cuda")

# Charger une LoRA entraînée sur l’architecture FLUX
pipe.load_lora_weights("your-lora/flux2-style-lora", weight_name="lora.safetensors")
pipe.fuse_lora(lora_scale=0.8)

image = pipe("un portrait dans le style entraîné", num_inference_steps=4).images[0]

Conseils pour les utilisateurs de Clore.ai

• Le roi du traitement par lots: À 0,4 s/image, vous pouvez générer plus de 10 000 images par heure sur RTX 4090

• 4 étapes seulement: N’en utilisez pas plus — Klein est optimisé pour 4 étapes (davantage n’améliore pas la qualité)

• Les mêmes LoRA que FLUX.1: La plupart des LoRA FLUX.1 sont compatibles avec Klein

• Remplacement direct dans ComfyUI: Il suffit de remplacer le checkpoint et de régler les étapes à 4

• La RTX 3090 est viable: 1,2 s/image reste excellent à 0,07–0,21 $/h

Dépannage

Problème	Solution
OOM sur 24 Go	Utilisez enable_model_cpu_offload() + vae.enable_tiling()
Images floues	Assurez-vous que num_inference_steps=4, pas moins. Vérifiez guidance_scale 3,0–4,0
Première génération lente	Normal — le modèle se charge au premier appel (~30 s). Les suivants : en moins d’une seconde
Erreur de checkpoint ComfyUI	Assurez-vous d’avoir le .safetensors fichier, et non le format diffusers

Pour aller plus loin

• Guide FLUX.1 — guide FLUX original avec des détails sur LoRA et ControlNet

• Guide ComfyUI — configuration et workflows ComfyUI

• Blog de Black Forest Labs

• Modèle Hugging Face