FLUX.2 Klein

FLUX.2 Klein — Clore.ai GPUs पर sub-second image generation

FLUX.2 Klein जिसे Black Forest Labs ने विकसित किया है, FLUX.1 का उत्तराधिकारी है, जो वही इमेज गुणवत्ता 20–60× की गतिपर प्रदान करता है। जहाँ FLUX.1 ने प्रति इमेज 10–30 सेकंड लिए, FLUX.2 Klein उत्पन्न करता है 0.5 सेकंड से कम समय में एक RTX 4090 पर। यह एक 32B Diffusion Transformer (DiT) मॉडल है जिसका लाइसेंस Apache 2.0 है, और जनवरी 2026 के अनुसार, यह Ollama में प्रयोगात्मक रूप से भी समर्थित है।

प्रमुख विशेषताएँ

• < 0.5 सेकंड जनरेशन: FLUX.1 की तुलना में 20–60× तेज़

• 32B DiT आर्किटेक्चर: FLUX.1 के समान गुणवत्ता dev

• Apache 2.0 लाइसेंस: पूर्ण व्यावसायिक उपयोग

• Ollama समर्थन: Ollama के माध्यम से प्रयोगात्मक इमेज जनरेशन (जनवरी 2026)

• ComfyUI संगत: FLUX.1 वर्कफ़्लोज़ के लिए ड्रॉप-इन प्रतिस्थापन

• LoRA + ControlNet: समुदाय एडाप्टर्स उपलब्ध

आवश्यकताएँ

घटक	न्यूनतम	अनुशंसित
GPU	RTX 3090 24GB	RTX 4090 24GB
VRAM	16GB (ऑफलोडिंग के साथ)	24GB
RAM	32GB	64GB
डिस्क	40GB	60GB
CUDA	12.0+	12.1+

अनुशंसित Clore.ai GPU: RTX 4090 24GB (~$0.5–2/दिन) — सब-सेकंड जनरेशन

गति तुलना: FLUX.1 बनाम FLUX.2 Klein

GPU	FLUX.1 dev (20 चरण)	FLUX.2 Klein	स्पीडअप
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

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 इमेज जनरेट करें!
image = pipe(
    prompt="a cyberpunk GPU mining rig in a neon-lit server room, photorealistic",
    height=1024,
    width=1024,
    num_inference_steps=4,  # Klein को सिर्फ 4 चरण चाहिए!
    guidance_scale=3.5,
).images[0]

image.save("output.png")

मेमोरी-एफिशिएंट मोड (16GB GPU)

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

image = pipe("a mountain landscape at sunset", num_inference_steps=4).images[0]

ComfyUI वर्कफ़्लो

FLUX.2 Klein मौजूदा FLUX.1 ComfyUI वर्कफ़्लोज़ में ड्रॉप-इन प्रतिस्थापन के रूप में काम करता है:

1. FLUX.2 Klein चेकपॉइंट डाउनलोड करें ComfyUI/models/diffusion_models/

2. अपने वर्कफ़्लो में, चेकपॉइंट नोड को FLUX.2 Klein की ओर बदलें

3. चरणों को 4 पर घटाएँ (FLUX.1 के लिए 20–50 की जगह)

4. गाइडेंस स्केल को 3.0–4.0 पर सेट करें

# 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 जनरेशन के साथ, FLUX.2 Klein बहुत बड़े बैच प्रोसेसिंग को सक्षम करता है:

import torch
from diffusers import FluxPipeline

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

prompts = [
    "a red sports car on a mountain road, cinematic",
    "a cozy coffee shop interior, warm lighting",
    "an astronaut floating above Earth, hyperrealistic",
    "a medieval castle in autumn, fantasy art",
    # ... 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"Generated {i+1}/{len(prompts)}")

# RTX 4090 पर: ~100 इमेज एक मिनट से कम में!

LoRA समर्थन

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("a portrait in the trained style", num_inference_steps=4).images[0]

Clore.ai उपयोगकर्ताओं के लिए सुझाव

• बैच प्रोसेसिंग का राजा: 0.4 सेकंड/इमेज पर, आप RTX 4090 पर प्रति घंटा 10,000+ इमेज जेनरेट कर सकते हैं

• सिर्फ 4 चरण: अधिक का उपयोग न करें — Klein 4 चरणों के लिए अनुकूलित है (अधिक करने से गुणवत्ता में सुधार नहीं होता)

• FLUX.1 के समान LoRAs: अधिकांश FLUX.1 LoRAs Klein के साथ संगत हैं

• ComfyUI ड्रॉप-इन: बस चेकपॉइंट बदलें, चरणों को 4 पर सेट करें

• RTX 3090 व्यवहार्य है: 1.2 सेकंड/इमेज अभी भी शानदार है ~$0.3/दिन पर

समस्याओं का निवारण

समस्या	समाधान
24GB पर OOM	उपयोग करें enable_model_cpu_offload() + vae.enable_tiling()
धुंधली इमेजेस	सुनिश्चित करें num_inference_steps=4, कम नहीं। गाइडेंस_स्केल 3.0–4.0 जांचें
पहली जेनरेशन धीमी है	सामान्य — मॉडल पहले कॉल पर लोड होता है (~30s)। बाद में: सब-सेकंड
ComfyUI चेकपॉइंट त्रुटि	सुनिश्चित करें कि आपके पास .safetensors फ़ाइल है, diffusers फॉर्मेट नहीं

अधिक पढ़ने के लिए

• FLUX.1 गाइड — LoRA और ControlNet विवरण के साथ मूल FLUX गाइड

• ComfyUI गाइड — ComfyUI सेटअप और वर्कफ़्लोज़

• Black Forest Labs ब्लॉग

• HuggingFace मॉडल