FLUX چیست؟ آشنایی با بهترین مدل متن‌باز تولید تصویر

اگر در یکی دو سال اخیر دنبال ساخت تصویر با هوش مصنوعی بوده باشید، احتمالاً اسم FLUX به گوشتان خورده است. FLUX خانواده‌ای از مدل‌های تولید و ویرایش تصویر است که شرکت آلمانی Black Forest Labs (یا به اختصار BFL) می‌سازد؛ تیمی که اعضای اصلی‌اش پیش‌تر روی Stable Diffusion کار کرده بودند. فرق اصلی FLUX با رقبایی مثل Midjourney این است که بخشی از مدل‌هایش وزن باز دارند؛ یعنی می‌توانید فایل مدل را دانلود کنید و روی کامپیوتر خودتان اجرا کنید.

در این مقاله می‌بینیم FLUX دقیقاً چیست، نسل جدید آن یعنی FLUX 3 چه نسخه‌هایی دارد، کدام نسخه برای استفادهٔ تجاری آزاد است، چطور آنلاین یا روی کامپیوتر خودتان از آن استفاده کنید و در مقایسه با Midjourney و Stable Diffusion کجا می‌ایستد. اگر می‌خواهید همهٔ مدل‌های تصویر را کنار هم ببینید، رتبه‌بندی بهترین هوش مصنوعی‌های تولید تصویر را هم بخوانید.

آخرین به‌روزرسانی: ۷ آبان ۱۴۰۵ — مشخصات مدل‌ها، مجوزها و امتیازها از سایت Black Forest Labs، کارت‌های مدل Hugging Face و لیدربورد Artificial Analysis در همین تاریخ برداشته شده‌اند.

FLUX چیست و چه کسی آن را ساخته است؟

FLUX یک «مدل انتشار» (diffusion) یا دقیق‌تر یک ترنسفورمر rectified flow است؛ مدلی که از یک متن (پرامپت) یا یک یا چند تصویر مرجع شروع می‌کند و قدم‌به‌قدم تصویر نهایی را می‌سازد. نسخه‌های جدید FLUX فقط تصویر نمی‌سازند: ویرایش عکس با دستور متنی، ترکیب چند تصویر مرجع و حتی ساخت ویدیو هم در این خانواده هست.

نکتهٔ مهم برای کاربر فارسی‌زبان این است که FLUX دو چهره دارد: نسخه‌های بسته که فقط از طریق API یا سایت‌های واسط استفاده می‌شوند و نسخه‌های وزن باز که فایلشان در Hugging Face منتشر شده است. همین نسخه‌های باز باعث شده‌اند FLUX در فهرست بهترین مدل‌های متن‌باز هوش مصنوعی جای ثابتی داشته باشد.

نسخه‌های FLUX و تفاوت آن‌ها

صفحهٔ مدل‌های BFL امروز چند شاخهٔ اصلی را نشان می‌دهد. خلاصه‌اش این است:

• FLUX 3 Image: مدل اصلی تصویر نسل سوم. طبق سایت BFL، چیدمان صحنه با کادرهای مختصات (bounding box)، ویرایش جزءبه‌جزء، خروجی بومی 2K و 4K (مثلاً ۵۴۵۶ در ۳۰۷۲ پیکسل) و تا ۱۰ تصویر مرجع را پشتیبانی می‌کند.
• FLUX 3 Image Klein: نسخهٔ وزن باز نسل سوم با ۵.۶ میلیارد پارامتر (بدون احتساب رمزگذار متن). تولید تصویر، ویرایش تک‌مرجعی و ترکیب چند مرجع را با یک مدل انجام می‌دهد و رمزگذار متنش Qwen3-VL-4B-Instruct است.
• FLUX.2 و FLUX.2 [klein]: نسل قبلی که هنوز پرکاربرد است. نسخه‌های [pro]، [max] و [flex] بسته‌اند؛ [dev] و [klein] با دو اندازهٔ 4B و 9B وزن باز دارند.
• FLUX 3 Video و FLUX 3 Max: مدل‌های ویدیو؛ طبق BFL، FLUX 3 Video کلیپ‌هایی تا ۲۰ ثانیه با صدای بومی می‌سازد و FLUX 3 Max یک ویدیوی ۱۰ ثانیه‌ای را در حدود ۱۲ ثانیه تولید می‌کند.
• FLUX 3 Action: یک مدل وزن باز ۷ میلیارد پارامتری برای ربات‌ها، شبیه‌سازها و بازی‌ها که با بقیهٔ خانواده فرق دارد.
• FLUX.1 و FLUX.1 Kontext: نسل اول؛ Kontext برای ویرایش تصویر با دستور متنی معروف شد و نسخهٔ [schnell] آن هنوز یکی از سبک‌ترین گزینه‌هاست.

اگر به ویدیو علاقه دارید، جایگاه FLUX 3 و FLUX 3 Max را در رتبه‌بندی بهترین هوش مصنوعی‌های ساخت ویدیو ببینید.

کیفیت FLUX در مقایسه با بقیه چقدر است؟

آرنای Artificial Analysis مدل‌ها را با رأی کور کاربران مقایسه می‌کند. در این جدول، FLUX 3 Image با امتیاز ۱۱۱۷ در رده‌های بالای کل لیدربورد است، اما هنوز از GPT Image 2.5 Sunburst (۱۲۲۲) و Nano Banana 2.1 (۱۱۷۶) عقب‌تر است. خبر خوب برای طرفداران مدل‌های باز این است که FLUX 3 Image Klein با ۱۰۴۳ امتیاز، کمی بالاتر از Qwen-Image-2.1 (۱۰۴۲) و Fibo 2.0 (۱۰۳۹)، صدرنشین جدول مدل‌های وزن باز است. جهش نسل سوم هم چشمگیر است: FLUX.2 [dev] امتیاز ۱۰۰۰ و FLUX.1 [dev] امتیاز ۸۲۳ دارد.

مجوزها؛ کدام FLUX را می‌توان تجاری استفاده کرد؟

اینجا جایی است که خیلی‌ها اشتباه می‌کنند. «وزن باز» با «آزاد برای هر استفاده» یکی نیست و هر مدل FLUX مجوز خودش را دارد:

• FLUX 3 Image Klein با مجوز FLUX Kommunity License v1.0 منتشر شده است: استفادهٔ غیرتجاری آزاد است و تولید خروجی تجاری فقط برای «کاربران واجد شرایط» با درآمد سالانهٔ کمتر از ۵ میلیون دلار (همراه با شرکت‌های وابسته) و طبق شرایط مجوز مجاز است. این مجوز تأکید می‌کند که اجازهٔ خروجی تجاری، اجازهٔ فاین‌تیون یا توزیع تجاری نیست.
• FLUX.2 [klein] 4B و نسخه‌های فشردهٔ آن با مجوز Apache 2.0 منتشر شده‌اند؛ یعنی برای استفادهٔ تجاری هم آزادند.
• FLUX.2 [dev] و FLUX.2 [klein] 9B مجوز اختصاصی دارند و برای استفادهٔ تجاری باید یکی از پلن‌های مجوز وزن‌های BFL را بخرید. طبق صفحهٔ Licensing، پلن Builder شامل FLUX 3 Image Klein و FLUX.2 [klein]، ۱۰ هزار تصویر در ماه و یک دامنه است و پلن‌های Platform و Professional تا ۱۰۰ هزار تصویر در ماه را پوشش می‌دهند.
• نسخه‌های API مثل FLUX 3 Image پرداخت به‌ازای هر تصویر دارند و اشتراک ماهانه نمی‌خواهند.

استفادهٔ آنلاین از FLUX

ساده‌ترین راه، استفاده از API رسمی BFL است. طبق صفحهٔ قیمت‌گذاری bfl.ai، پرداخت به‌صورت «هر چقدر مصرف کنید» است و اشتراکی در کار نیست؛ ماشین‌حساب همین صفحه برای تنظیمات پیش‌فرض حدود ۰.۰۴۸ دلار برای هر تصویر نشان می‌دهد. Artificial Analysis هم قیمت FLUX 3 Image را ۴۸ دلار و FLUX 3 Image Klein را ۹ دلار برای هر ۱۰۰۰ تصویر ۱۰۲۴×۱۰۲۴ ثبت کرده است.

اگر کدنویس نیستید، بسیاری از سرویس‌های تولید تصویر و Spaceهای Hugging Face مدل‌های FLUX را در محیط وب در اختیارتان می‌گذارند. برای گزینه‌های رایگان و ساده‌تر، مقالهٔ بهترین تولیدکننده‌های رایگان تصویر و آشنایی با Leonardo AI را ببینید.

یک نکتهٔ کلیدی دربارهٔ پرامپت

کارت مدل FLUX 3 Image Klein صریحاً می‌گوید این مدل را بدون «ارتقادهندهٔ پرامپت» (prompt upsampler) استفاده نکنید. مدل برای توضیح کامل صحنه آموزش دیده است؛ اگر یک جملهٔ کوتاه بدهید، خروجی کلی و معمولی می‌گیرید. BFL برای همین یک مدل جدا به نام flux-3-image-klein-pup منتشر کرده که درخواست کوتاه شما را به یک توصیف کامل تبدیل می‌کند؛ می‌توانید به‌جای آن از هر مدل زبانی دیگری هم با پرامپت سیستمی خود BFL استفاده کنید. پس پرامپت را با جزئیات بنویسید: سبک، نور، زاویهٔ دوربین، رنگ‌ها و جای هر سوژه در کادر.

اجرای FLUX روی کامپیوتر خودتان

اجرای محلی یعنی بدون محدودیت تعداد تصویر، بدون فرستادن عکس‌هایتان به سرور و با امکان فاین‌تیون و ساخت LoRA. اما سخت‌افزار مناسب می‌خواهد:

این اعداد از کارت‌های مدل Hugging Face آمده‌اند. سایت BFL می‌گوید Klein «روی یک کارت گرافیک مصرفی» اجرا می‌شود، اما با توجه به اوج مصرف ۲۵ تا ۳۱ گیگابایتی، در عمل کارتی با ۳۲ گیگابایت حافظه مثل RTX 5090 لازم است یا باید از تکنیک‌هایی مثل انتقال بخشی از مدل به رم سیستم (CPU offload) استفاده کنید که سرعت را پایین می‌آورد. اگر ارتقادهندهٔ پرامپت را هم محلی اجرا کنید، حافظهٔ بیشتری لازم دارید؛ برای همین خیلی‌ها این بخش را به یک مدل زبانی ابری می‌سپارند.

ابزارهای اجرا

• ComfyUI: محبوب‌ترین رابط گرافیکی نودمحور برای FLUX؛ BFL نسخهٔ مخصوص ComfyUI برای FLUX 3 Image Klein هم منتشر کرده است.
• Diffusers: کتابخانهٔ پایتون Hugging Face برای برنامه‌نویس‌ها؛ FLUX.2 [klein] و FLUX 3 Image Klein هر دو در آن پشتیبانی می‌شوند.
• کد مرجع BFL در GitHub: برای کسانی که می‌خواهند دقیقاً همان تنظیمات سازنده را اجرا کنند.

قبل از خرید کارت گرافیک برای FLUX، حافظهٔ گرافیک (VRAM) را مهم‌ترین معیار بدانید؛ سرعت پردازنده و حتی نسل کارت در درجهٔ دوم اهمیت قرار دارند. اگر حافظه کم باشد، مدل یا اصلاً بالا نمی‌آید یا با انتقال به رم سیستم به‌شدت کند می‌شود.

FLUX در برابر Midjourney و Stable Diffusion

Midjourney هنوز برای سبک‌های هنری و زیبایی بصری محبوب است، اما مدلی بسته است و وزن‌هایش منتشر نمی‌شود؛ پس نه می‌توانید آن را روی کامپیوترتان اجرا کنید و نه رویش فاین‌تیون کنید. Midjourney در لیدربورد Artificial Analysis هم حضور ندارد و مقایسهٔ عددی مستقل با آن ممکن نیست. برای آشنایی بیشتر، مقالهٔ هوش مصنوعی Midjourney را ببینید.

Stable Diffusion از Stability AI سال‌ها پرچم‌دار تولید تصویر متن‌باز بود و اکوسیستم بزرگی از مدل‌های جامعه و LoRA دارد. اما در جدول فعلی آرنای Artificial Analysis نامی از آن دیده نمی‌شود و در صدر مدل‌های وزن باز امروز FLUX 3 Image Klein، Qwen-Image و Fibo ایستاده‌اند. اگر پروژهٔ قدیمی روی Stable Diffusion دارید، می‌توانید ادامه دهید؛ اما برای شروع تازه، FLUX گزینهٔ به‌روزتری است.

جمع‌بندی: کدام FLUX برای شما؟

• بهترین کیفیت بدون دردسر: FLUX 3 Image از طریق API.
• بهترین مدل باز و کار شخصی یا غیرتجاری: FLUX 3 Image Klein.
• محصول تجاری روی سرور خودتان بدون خرید مجوز: FLUX.2 [klein] 4B با Apache 2.0.
• کارت گرافیک ضعیف یا آزمایش سریع: FLUX.1 [schnell] (Apache 2.0)، با کیفیت پایین‌تر.

برای یادگیری اصولی پرامپت‌نویسی و کار با ابزارهای تصویر و متن، دورهٔ کپسول هوش مصنوعی رادینو را ببینید.

سؤالات متداول

آیا FLUX رایگان است؟

نسخه‌های وزن باز FLUX را می‌توانید رایگان دانلود و روی کامپیوتر خودتان اجرا کنید؛ اما شرایط مجوز هر مدل فرق دارد. نسخه‌های API مثل FLUX 3 Image پولی‌اند و طبق bfl.ai به‌ازای هر تصویر پرداخت می‌شوند.

برای اجرای FLUX روی کامپیوتر چقدر VRAM لازم است؟

طبق کارت مدل، FLUX.2 [klein] 4B حدود ۱۳ گیگابایت VRAM می‌خواهد و روی RTX 3090 یا RTX 4070 به بالا اجرا می‌شود. FLUX 3 Image Klein در تست BFL اوج مصرف ۲۵ تا ۳۱ گیگابایت داشته است.

نسخه‌های FLUX 3 کدام‌اند؟

در صفحهٔ مدل‌های BFL این نسخه‌ها دیده می‌شوند: FLUX 3 Image، FLUX 3 Image Klein (وزن باز)، FLUX 3 Video، FLUX 3 Max و FLUX 3 Action.

FLUX بهتر است یا Midjourney؟

اگر وزن باز، اجرای محلی، API و ویرایش دقیق می‌خواهید FLUX بهتر است. Midjourney برای سبک هنری محبوب است، اما بسته است و در لیدربورد مستقل Artificial Analysis حضور ندارد.

آیا می‌توانم از تصاویر FLUX در کار تجاری استفاده کنم؟

بستگی به مدل دارد: FLUX.2 [klein] 4B و FLUX.1 [schnell] با Apache 2.0 آزادند؛ FLUX 3 Image Klein فقط برای کاربران با درآمد زیر ۵ میلیون دلار اجازهٔ خروجی تجاری می‌دهد؛ FLUX.2 [dev] مجوز جداگانه می‌خواهد. خروجی API هم طبق شرایط BFL قابل استفاده است.

منابع و مراجع