> 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-ru/generaciya-izobrazhenii/flux2-klein.md).

# FLUX.2 Klein

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

## Ключевые особенности

* **< 0,5 секунды на генерацию**: в 20–60 раз быстрее, чем FLUX.1
* **архитектура 32B DiT**: То же качество, что и FLUX.1 dev
* **Лицензия Apache 2.0**: Полное коммерческое использование
* **Поддержка Ollama**: Экспериментальная генерация изображений через Ollama (янв. 2026)
* **Совместим с ComfyUI**: Прямая замена 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      | 40 ГБ               | 60 ГБ         |
| CUDA      | 12.8+               | 12.8+         |

**Рекомендуемая GPU от Clore.ai**: RTX 4090 24 ГБ ($0.14–0.42/ч) — 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 сек              | \~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

```python
import torch
from diffusers import FluxPipeline

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

# Сгенерируйте изображение менее чем за 0,5 секунды!
image = pipe(
    prompt="стойка для майнинга на GPU в стиле киберпанк в серверной, освещённой неоном, фотореалистично",
    height=1024,
    width=1024,
    num_inference_steps=4,  # Klein нужны только 4 шага!
    guidance_scale=3.5,
).images[0]

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

### Режим экономии памяти (GPU с 16 ГБ)

```python
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]
```

## Workflow ComfyUI

FLUX.2 Klein работает как прямая замена 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 checkpoint, чтобы он указывал на FLUX.2 Klein
3. Сократите число шагов до 4 (вместо 20–50 для FLUX.1)
4. Установите guidance scale на 3,0–4,0

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

## Пакетная генерация

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

```python
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, тёплое освещение",
    "астронавт, парящий над Землёй, гиперреалистично",
    "средневековый замок осенью, фэнтези-арт",
    # ... добавьте ещё сотни
]

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

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

# Загрузите LoRA, обученную 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 у FLUX.1**: Большинство LoRA для FLUX.1 совместимы с Klein
* **Прямая замена для ComfyUI**: Просто замените checkpoint и измените шаги на 4
* **RTX 3090 подходит**: 1,2 с/изображение всё ещё отлично при $0.07–0.21/ч

## 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 checkpoint в ComfyUI | Убедитесь, что у вас есть `.safetensors` файл, а не формат diffusers                  |

## Дополнительное чтение

* [Руководство по FLUX.1](/guides/guides_v2-ru/generaciya-izobrazhenii/flux.md) — оригинальное руководство по FLUX с подробностями по LoRA и ControlNet
* [Руководство по ComfyUI](/guides/guides_v2-ru/generaciya-izobrazhenii/comfyui.md) — настройка и рабочие процессы ComfyUI
* [Блог Black Forest Labs](https://blackforestlabs.ai/)
* [Модель HuggingFace](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 dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-ru/generaciya-izobrazhenii/flux2-klein.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

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.