> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/image-generation/flux2-klein.md).

# FLUX.2 Klein

FLUX.2 Klein — Clore.ai GPUs पर सब-सेकंड इमेज जनरेशन

Black Forest Labs का FLUX.2 Klein, FLUX.1 का उत्तराधिकारी है, और समान छवि गुणवत्ता प्रदान करता है **20–60× गति**. जहाँ FLUX.1 को प्रति छवि 10–30 सेकंड लगते थे, FLUX.2 Klein उत्पन्न करता है **0.5 सेकंड से भी कम** RTX 4090 पर। यह Apache 2.0 लाइसेंस के साथ एक 32B Diffusion Transformer (DiT) मॉडल है, और जनवरी 2026 तक, इसे Ollama में प्रयोगात्मक रूप से भी समर्थित किया गया है।

## मुख्य विशेषताएँ

* **< 0.5 सेकंड में जेनरेशन**: FLUX.1 से 20–60× तेज
* **32B DiT आर्किटेक्चर**: FLUX.1 dev के समान गुणवत्ता
* **Apache 2.0 लाइसेंस**: पूर्ण व्यावसायिक उपयोग
* **Ollama समर्थन**: Ollama के माध्यम से प्रयोगात्मक छवि निर्माण (जनवरी 2026)
* **ComfyUI-संगत**: FLUX.1 वर्कफ़्लो के लिए सीधे प्रतिस्थापन
* **LoRA + ControlNet**: समुदाय के एडाप्टर उपलब्ध

## आवश्यकताएँ

| घटक   | न्यूनतम                 | अनुशंसित      |
| ----- | ----------------------- | ------------- |
| GPU   | RTX 3090 24GB           | RTX 4090 24GB |
| VRAM  | 16GB (ऑफ़लोडिंग के साथ) | 24GB          |
| RAM   | 32GB                    | 64GB          |
| डिस्क | 40GB                    | 60GB          |
| CUDA  | 12.8+                   | 12.8+         |

**अनुशंसित Clore.ai GPU**: RTX 4090 24GB ($0.14–0.42/घंटा) — सब-सेकंड जेनरेशन

### गति तुलना: FLUX.1 बनाम FLUX.2 Klein

| GPU      | FLUX.1 dev (20 चरण) | FLUX.2 Klein | गति वृद्धि |
| -------- | ------------------- | ------------ | ---------- |
| RTX 3090 | \~25 सेकंड          | \~1.2 सेकंड  | 20×        |
| RTX 4090 | \~12 सेकंड          | \~0.4 सेकंड  | 30×        |
| RTX 5090 | \~8 सेकंड           | \~0.25 सेकंड | 32×        |
| H100     | \~5 सेकंड           | \~0.15 सेकंड | 33×        |

## diffusers के साथ त्वरित शुरुआत

```python
import torch
from diffusers import FluxPipeline

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

# < 0.5 सेकंड में छवि उत्पन्न करें!
image = pipe(
    prompt="एक साइबरपंक GPU माइनिंग रिग एक नीयन-रोशनी वाले सर्वर रूम में, फोटोरियलिस्टिक",
    height=1024,
    width=1024,
    num_inference_steps=4,  # Klein को केवल 4 चरण चाहिए!
    guidance_scale=3.5,
).images[0]

image.save("output.png")
```

### मेमोरी-कुशल मोड (16GB GPU)

```python
pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.2-klein",
    torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()  # 16GB पर फिट हो जाता है
pipe.vae.enable_tiling()         # ~2GB बचाता है

image = pipe("सूर्यास्त के समय पहाड़ी परिदृश्य", num_inference_steps=4).images[0]
```

## ComfyUI वर्कफ़्लो

FLUX.2 Klein मौजूदा FLUX.1 ComfyUI वर्कफ़्लो में सीधे प्रतिस्थापन के रूप में काम करता है:

1. FLUX.2 Klein चेकपॉइंट डाउनलोड करें: `ComfyUI/models/diffusion_models/`
2. अपने वर्कफ़्लो में, checkpoint node को FLUX.2 Klein की ओर इंगित करने के लिए बदलें
3. चरणों को 4 तक कम करें (FLUX.1 के 20–50 के बजाय)
4. guidance scale को 3.0–4.0 पर सेट करें

```bash
# ComfyUI के लिए मॉडल डाउनलोड करें
cd ComfyUI/models/diffusion_models/
wget https://huggingface.co/black-forest-labs/FLUX.2-klein/resolve/main/flux2-klein.safetensors
```

## बैच जनरेशन

सब-सेकंड जेनरेशन के साथ, FLUX.2 Klein बड़े पैमाने पर बैच प्रोसेसिंग सक्षम करता है:

```python
import torch
from diffusers import FluxPipeline

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

prompts = [
    "पहाड़ी सड़क पर एक लाल स्पोर्ट्स कार, सिनेमैटिक",
    "एक आरामदायक कॉफ़ी शॉप का इंटीरियर, गर्म रोशनी के साथ",
    "पृथ्वी के ऊपर तैरता हुआ एक अंतरिक्ष यात्री, हाइपर-रियलिस्टिक",
    "पतझड़ में एक मध्ययुगीन किला, फ़ैंटेसी कला",
    # ... सैकड़ों और जोड़ें
]

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"उत्पन्न किया गया {i+1}/{len(prompts)}")

# RTX 4090 पर: 1 मिनट से कम में ~100 छवियाँ!
```

## LoRA समर्थन

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

# FLUX आर्किटेक्चर पर प्रशिक्षित LoRA लोड करें
pipe.load_lora_weights("your-lora/flux2-style-lora", weight_name="lora.safetensors")
pipe.fuse_lora(lora_scale=0.8)

image = pipe("प्रशिक्षित शैली में एक पोर्ट्रेट", num_inference_steps=4).images[0]
```

## Clore.ai उपयोगकर्ताओं के लिए सुझाव

* **बैच प्रोसेसिंग का बादशाह**: 0.4 सेकंड/छवि पर, आप RTX 4090 पर प्रति घंटे 10,000+ छवियाँ उत्पन्न कर सकते हैं
* **केवल 4 चरण**: इससे अधिक उपयोग न करें — Klein 4 चरणों के लिए अनुकूलित है (अधिक से गुणवत्ता नहीं बढ़ती)
* **FLUX.1 जैसे ही LoRA**: अधिकांश FLUX.1 LoRA, Klein के साथ संगत हैं
* **ComfyUI में सीधे उपयोग योग्य**: बस checkpoint बदलें, चरणों को 4 पर करें
* **RTX 3090 भी उपयोगी है**: 1.2 सेकंड/छवि अभी भी $0.07–0.21/घंटा पर बहुत बढ़िया है

## समस्या निवारण

| समस्या                    | समाधान                                                                               |
| ------------------------- | ------------------------------------------------------------------------------------ |
| 24GB पर OOM               | उपयोग करें `enable_model_cpu_offload()` + `vae.enable_tiling()`                      |
| धुंधली छवियाँ             | सुनिश्चित करें `num_inference_steps=4`, उससे कम नहीं। guidance\_scale 3.0–4.0 जाँचें |
| पहली जनरेशन धीमी है       | सामान्य — मॉडल पहली कॉल पर लोड होता है (\~30 सेकंड)। बाद में: सब-सेकंड               |
| ComfyUI checkpoint त्रुटि | सुनिश्चित करें कि आपके पास `.safetensors` फ़ाइल है, diffusers format नहीं            |

## अधिक पढ़ें

* [FLUX.1 मार्गदर्शिका](/guides/guides_v2-hi/image-generation/flux.md) — LoRA और ControlNet विवरणों के साथ मूल FLUX मार्गदर्शिका
* [ComfyUI गाइड](/guides/guides_v2-hi/image-generation/comfyui.md) — ComfyUI सेटअप और वर्कफ़्लो
* [Black Forest Labs ब्लॉग](https://blackforestlabs.ai/)
* [HuggingFace मॉडल](https://huggingface.co/black-forest-labs/FLUX.2-klein)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.clore.ai/guides/guides_v2-hi/image-generation/flux2-klein.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.