FLUX.2 Klein

FLUX.2 Klein — генерация изображений менее чем за секунду на GPU Clore.ai

FLUX.2 Klein от Black Forest Labs — преемник FLUX.1, обеспечивающий то же качество изображения при 20–60× большей скорости. Тогда как FLUX.1 занимал 10–30 секунд на изображение, FLUX.2 Klein генерирует за менее 0,5 секунды на RTX 4090. Это модель 32B Diffusion Transformer (DiT) с лицензией Apache 2.0, и по состоянию на январь 2026 года она даже экспериментально поддерживается в Ollama.

Ключевые особенности

• < 0.5 секунды генерации: в 20–60× быстрее, чем FLUX.1

• Архитектура 32B DiT: то же качество, что и у FLUX.1 dev

• Лицензия Apache 2.0: Полное коммерческое использование

• Поддержка Ollama: Экспериментальная генерация изображений через Ollama (янв 2026)

• Совместимо с ComfyUI: Замена «plug-and-play» для рабочих процессов FLUX.1

• LoRA + ControlNet: Доступны адаптеры сообщества

Требования

Компонент	Минимум	Рекомендуется
GPU	RTX 3090 24GB	RTX 4090 24GB
VRAM	16 ГБ (с выгрузкой)	24 ГБ
ОЗУ	32GB	64GB
Диск	40GB	60 ГБ
CUDA	12.0+	12.1+

Рекомендуемый GPU на Clore.ai: RTX 4090 24ГБ (~$0.5–2/день) — генерация менее чем за секунду

Сравнение скорости: FLUX.1 vs FLUX.2 Klein

GPU	FLUX.1 dev (20 шагов)	FLUX.2 Klein	Ускорение
RTX 3090	≈25 с	~1.2 с	20×
RTX 4090	~12 с	~0.4 с	30×
RTX 5090	~8 с	~0.25 с	32×
H100	~5 сек	~0.15 с	33×

Быстрый старт с diffusers

import torch
from diffusers import FluxPipeline

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

# Генерация изображения менее чем за 0,5 секунды!
image = pipe(
    prompt="киберпанковская майнинговая установка GPU в неоново освещенном серверном зале, фотореалистично",
    height=1024,
    width=1024,
    num_inference_steps=4,  # Klein требует только 4 шага!
    guidance_scale=3.5,
).images[0]

image.save("output.png")

Режим экономии памяти (16 ГБ GPU)

pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.2-klein",
    torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()  # Помещается на 16 ГБ
pipe.vae.enable_tiling()         # Экономит ~2 ГБ

image = pipe("горный пейзаж на закате", num_inference_steps=4).images[0]

Рабочий процесс ComfyUI

FLUX.2 Klein работает как замена «plug-in» в существующих рабочих процессах FLUX.1 ComfyUI:

1. Скачайте контрольную точку FLUX.2 Klein в ComfyUI/models/diffusion_models/

2. В вашем рабочем процессе измените узел контрольной точки, чтобы указать на FLUX.2 Klein

3. Уменьшите количество шагов до 4 (вместо 20–50 для FLUX.1)

4. Установите guidance scale в 3.0–4.0

# Скачивание модели для ComfyUI
cd ComfyUI/models/diffusion_models/
wget https://huggingface.co/black-forest-labs/FLUX.2-klein/resolve/main/flux2-klein.safetensors

Пакетная генерация

При генерации менее чем за секунду FLUX.2 Klein позволяет массовую пакетную обработку:

import torch
from diffusers import FluxPipeline

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

prompts = [
    "красный спортивный автомобиль на горной дороге, кинематографично",
    "уютный интерьер кофейни, теплое освещение",
    "астронавт, парящий над Землей, гиперреалистично",
    "средневековый замок осенью, фэнтези-арт",
    # ... добавьте сотни других
]

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"Сгенерировано {i+1}/{len(prompts)}")

# На RTX 4090: ~100 изображений менее чем за 1 минуту!

Поддержка LoRA

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

# Загрузите LoRA, натренированную на архитектуре FLUX
pipe.load_lora_weights("your-lora/flux2-style-lora", weight_name="lora.safetensors")
pipe.fuse_lora(lora_scale=0.8)

image = pipe("портрет в обученном стиле", num_inference_steps=4).images[0]

Советы для пользователей Clore.ai

• Король пакетной обработки: При 0.4 с/изображение вы можете генерировать более 10 000 изображений в час на RTX 4090

• Только 4 шага: Не используйте больше — Klein оптимизирован под 4 шага (больше не улучшает качество)

• Те же LoRA, что и для FLUX.1: Большинство LoRA от FLUX.1 совместимы с Klein

• ComfyUI plug-in: Просто поменяйте контрольную точку, установите шаги на 4

• RTX 3090 приемлем: 1.2 с/изображение — всё ещё отлично при $0.3/день

Устранение неполадок

Проблема	Решение
OOM на 24 ГБ	Используйте enable_model_cpu_offload() + vae.enable_tiling()
Размытые изображения	Убедитесь, что num_inference_steps=4, не меньше. Проверьте guidance_scale 3.0–4.0
Медленная первая генерация	Нормально — модель загружается при первом вызове (~30 с). Последующие: менее секунды
Ошибка контрольной точки ComfyUI	Убедитесь, что у вас есть .safetensors файл, а не формат diffusers

Дополнительное чтение

• Руководство по FLUX.1 — оригинальное руководство FLUX с деталями по LoRA и ControlNet

• Руководство по ComfyUI — Настройка и рабочие процессы ComfyUI

• Блог Black Forest Labs

• Модель на HuggingFace