# FLUX.2 Klein

FLUX.2 Klein 由 Black Forest Labs 推出，是 FLUX.1 的继任者，在相同图像质量下提供 **快 20–60 倍**。而 FLUX.1 每张图像需要 10–30 秒，FLUX.2 Klein 在 **低于 0.5 秒** 在 RTX 4090 上生成。它是一个 32B 的 Diffusion Transformer (DiT) 模型，采用 Apache 2.0 许可证，截至 2026 年 1 月，甚至在 Ollama 中有实验性支持。

## 主要特性

* **< 0.5 秒 生成**：比 FLUX.1 快 20–60×
* **32B DiT 架构**：与 FLUX.1 相同的质量 dev
* **Apache 2.0 许可证**：完全商业使用
* **Ollama 支持**：通过 Ollama 的实验性图像生成（2026 年 1 月）
* **兼容 ComfyUI**：可作为 FLUX.1 工作流的即插即用替代品
* **LoRA + ControlNet**：社区适配器可用

## 要求

| 组件   | 最低            | 推荐            |
| ---- | ------------- | ------------- |
| GPU  | RTX 3090 24GB | RTX 4090 24GB |
| 显存   | 16GB（支持卸载）    | 24GB          |
| 内存   | 32GB          | 64GB          |
| 磁盘   | 40GB          | 60GB          |
| CUDA | 12.0+         | 12.1+         |

**推荐的 Clore.ai GPU**：RTX 4090 24GB（约 $0.5–2/天）— 次级别生成

### 速度比较：FLUX.1 vs FLUX.2 Klein

| GPU      | FLUX.1 dev（20 步） | FLUX.2 Klein | 加速倍数 |
| -------- | ---------------- | ------------ | ---- |
| 速度       | \~25 秒           | ≈1.2 秒       | 20×  |
| 512x512  | ≈12 秒            | ≈0.4 秒       | 30×  |
| RTX 5090 | ≈8 秒             | ≈0.25 秒      | 32×  |
| H100     | \~5 秒            | ≈0.15 秒      | 33×  |

## 使用 diffusers 的快速入门

```python
import torch
from diffusers import FluxPipeline

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

# 在 < 0.5 秒内生成图像！
image = pipe(
    prompt="一个赛博朋克风格的 GPU 挖矿机架在霓虹灯服务器室中，照片级真实感",
    height=1024,
    width=1024,
    num_inference_steps=4,  # Klein 只需 4 步！
    guidance_scale=3.5,
).images[0]

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

### 节省内存模式（16GB GPU）

```python
pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.2-klein",
    torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()  # 适配 16GB
pipe.vae.enable_tiling()         # 省约 ~2GB

image = pipe("日落时的山地风景", num_inference_steps=4).images[0]
```

## IC-Light 可作为 ComfyUI 节点使用：

FLUX.2 Klein 可作为现有 FLUX.1 ComfyUI 工作流的即插即用替代品：

1. 下载 FLUX.2 Klein 检查点到 `ComfyUI/models/diffusion_models/`
2. 在你的工作流中，将检查点节点更改为指向 FLUX.2 Klein
3. 将步数减少到 4（而不是 FLUX.1 的 20–50）
4. 将指导尺度设置为 3.0–4.0

```bash
# 为 ComfyUI 下载模型
cd ComfyUI/models/diffusion_models/
wget https://huggingface.co/black-forest-labs/FLUX.2-klein/resolve/main/flux2-klein.safetensors
```

## 批量生成

凭借次秒级生成，FLUX.2 Klein 可实现大规模批处理：

```python
import torch
from diffusers import FluxPipeline

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

prompts = [
    "一辆红色跑车在山路上，电影感",
    "一个舒适的咖啡馆内部，温暖的灯光",
    "一名宇航员悬浮在地球上空，超真实",
    "秋天的中世纪城堡，奇幻艺术",
    # … 再添加数百个
]

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"已生成 {i+1}/{len(prompts)}")

# 在 RTX 4090 上：不到 1 分钟生成约 100 张图像！
```

## 支持 LoRA

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

# 加载在 FLUX 架构上训练的 LoRA
pipe.load_lora_weights("your-lora/flux2-style-lora", weight_name="lora.safetensors")
pipe.fuse_lora(lora_scale=0.8)

image = pipe("以训练风格的人像", num_inference_steps=4).images[0]
```

## 给 Clore.ai 用户的提示

* **批处理之王**：在 0.4 秒/图像 时，你可以在 RTX 4090 上每小时生成 10,000+ 张图像
* **仅 4 步**：不要使用更多步数 — Klein 针对 4 步进行了优化（更多步数不会提升质量）
* **与 FLUX.1 相同的 LoRA**：大多数 FLUX.1 LoRA 与 Klein 兼容
* **ComfyUI 即插即用**：只需替换检查点，将步数改为 4
* **RTX 3090 也可行**：1.2 秒/图像 在 $0.3/天 下仍然很不错

## # 使用固定种子以获得一致结果

| 问题            | 解决方案                                                          |
| ------------- | ------------------------------------------------------------- |
| 24GB 上出现 OOM  | 使用 `enable_model_cpu_offload()` + `vae.enable_tiling()`       |
| 图像模糊          | 确保已安装 `num_inference_steps=4`，不是更少。检查 guidance\_scale 3.0–4.0 |
| 首次生成缓慢        | 正常 — 模型在首次调用时加载（约 30 秒）。之后：次秒级                                |
| ComfyUI 检查点错误 | 确保你有 `.safetensors` 文件，而不是 diffusers 格式                       |

## 延伸阅读

* [FLUX.1 指南](https://docs.clore.ai/guides/guides_v2-zh/tu-xiang-sheng-cheng/flux) — 原始 FLUX 指南，包含 LoRA 和 ControlNet 细节
* [ComfyUI 指南](https://docs.clore.ai/guides/guides_v2-zh/tu-xiang-sheng-cheng/comfyui) — ComfyUI 设置和工作流
* [Black Forest Labs 博客](https://blackforestlabs.ai/)
* [HuggingFace 模型](https://huggingface.co/black-forest-labs/FLUX.2-klein)