FLUX 3 Image Kleinとは？NVIDIAのGB200で学習、8GB VRAMのRTXで動く画像生成モデル

室谷代表取締役

FLUX 3 Image Klein（フラックス・スリー・イメージ・クライン）は、Black Forest Labs（BFL）が2026年10月15日に公開した5.6Bパラメータのオープンウェイト画像生成・編集モデルで、テキストからの画像生成、画像編集、最大10枚の参照画像を使ったマルチリファレンス生成ができます。NVIDIAはこれをGB200 NVL72で学習し、RTX GPUで動作可能な点、NVFP4版の存在を強調しています。

テキトー教師DotAI 認定講師

まず発表の主体を整理しておきましょう。モデルを開発・公開したのはBlack Forest Labsです。

NVIDIAは学習基盤と最適化、そしてRTX GPUでの動作を支える立場なんですよ。単に「NVIDIAが発表した」という話じゃないんです。

室谷代表取締役

そうなんですよね。NVIDIAの公式X投稿も「FLUX 3 Image Klein 5.6B was trained on NVIDIA GB200 NVL72 and can run on an RTX GPU」と、BFLのチームへの敬意を添える形で紹介している。

発表の主語はあくまでBFLで、NVIDIAはその学習と推論を支えた、という関係なんです。

テキトー教師DotAI 認定講師

ここで一度、今回の発表を整理するとこうです。

• 開発・公開: Black Forest Labs（BFL）
• 公開日: 2026年10月15日
• モデル: FLUX 3 Image Klein、5.6Bパラメータ、オープンウェイト
• 学習基盤: NVIDIA GB200 NVL72
• 対応: コンシューマーGPU（RTX）で動作、NVFP4版あり
• ライセンス: FLUX Kommunity License
• 提供: オープンウェイトとBFL APIの両方

室谷代表取締役

ちなみにBFLはFLUX 3ファミリーの第2弾オープンウェイト公開として位置づけていて、FLUX 3 Action（7B）に続くものだと説明している。ファミリーとしての広がりがはっきりしてきましたね。

FLUX 3 Image Kleinとは？何が発表されたのか

テキトー教師DotAI 認定講師

BFLのブログによると、FLUX 3 Image Kleinは「text-to-image generation, image editing and multi-reference generation with up to 10 reference images」に対応する5.6Bパラメータのオープンウェイトモデルです。フルのFLUX 3 Imageモデルとコア機能を共有していて、ネイティブ4K生成、ピクセル単位の編集、要素の配置や編集範囲を制御するバウンディングボックスを備えています。

室谷代表取締役

ここが面白いところで、FLUX 3 Image KleinはFLUX 3の画像・動画・音声にまたがる学習を土台にしているんですよね。画像が空間的なディテールを、動画が動きや物理的なダイナミクスを、音声が出来事や相互作用の情報を担う。

それらを合わせて「現実に根ざした画像」を生成する、という設計思想なんです。

テキトー教師DotAI 認定講師

公開されているのはベースモデルと蒸留モデルの2種類です。ベースはファインチューニング向け、蒸留モデルは低レイテンシ生成向け。

さらにNVIDIAの支援で開発されたFP8、INT8、NVFP4のビルドも同梱されています。

室谷代表取締役

MYUUUでも画像生成モデルを自前で動かす案件が増えているんですけど、こういう小さいモデルがオープンウェイトで出てくるのは本当にありがたい。データ主権やローカル配置を求めるチームにとって、自前インフラで評価・適応できることの意味は大きいんですよね。

テキトー教師DotAI 認定講師

ライセンスはFLUX Kommunity Licenseです。ここは後で詳しく触れますが、無償公開と商用利用条件は別物なので、講座でも必ず確認するように伝えています。

FLUX 3 Image Kleinでできること――4K・バウンディングボックス・ピクセル単位編集

室谷代表取締役

機能面を整理すると、まずネイティブ4K生成。そしてバウンディングボックスで要素の配置場所や編集範囲を座標指定できる。

あとはピクセル単位の編集で、編集していない領域を正確に保持する「pixel restoration」もAPI側に用意されているんです。

テキトー教師DotAI 認定講師

BFLのモデルページには具体的な作例が載っています。たとえば「Cream type in the top left: a large brush-stroke 日本」というテキストと座標[80, 98, 392, 322]を指定して、左上に筆文字の「日本」を配置する。

同じように「1959」を金色の太字で、三日月を金色で、ふわふわの白猫をスタンプの上に、そして大きなクリーム色の「猫」の漢字を、それぞれ座標付きで指定する。まさにバウンディングボックスの実例です。

室谷代表取締役

編集の例も豊富で、「Turn this summer street into winter after light snowfall」で夏の通りを冬に変えたり、「Freeze the waterfall into blue-white ice and long icicles」で滝を凍らせたり、「Tie a small red bandana around the dog's neck」で犬に赤いバンダナを巻いたり。複数の編集を一度に、それ以外を変えずに適用できるのが売りなんですよね。

テキトー教師DotAI 認定講師

マルチリファレンスは最大10枚の参照画像に対応しています。これは一貫したキャラクターやブランドアセットを作るのに効いてくる機能です。

受講生さんでも「同じ人物を別カットで」という要望が多いので、ここは実務で刺さるポイントだと思います。

室谷代表取締役

生成スタイルも写真、イラスト、タイポグラフィやデザインまで幅広くカバーしていて、木版画、モザイク、粘土、ピクセル、アニメなど多様なスタイルが例示されている。テキストレンダリングの精度も高いとされています。

テキトー教師DotAI 認定講師

画像生成の潮流を追うなら、ChatGPTはいつから？リリースの歴史・モデル進化・料金プラン・最新動向を完全解説【2026年最新】のような全体像と合わせて見ると、位置づけが掴みやすいですよ。

FLUX 3 Image Kleinの使い方・始め方――Diffusers/ComfyUI/APIでの入手経路

室谷代表取締役

入手経路は大きく3つ。オープンウェイトのダウンロード、BFL API、そしてPlaygroundかHugging Face。

BFLのブログでは「available today as open weights and through the BFL API」と明記されているので、公開当日から両方使えるんです。

テキトー教師DotAI 認定講師

コードで動かすならDiffusersが手軽です。Hugging Faceのモデルカードにはこうあります。

pip install -U diffusers transformers accelerate
import torch
from diffusers import DiffusionPipeline
from diffusers.utils import load_image

pipe = DiffusionPipeline.from_pretrained("black-forest-labs/flux-3-image-klein", dtype=torch.bfloat16, device_map="cuda")

prompt = "Turn this cat into a dog"
input_image = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/cat.png")

image = pipe(image=input_image, prompt=prompt).images[0]

室谷代表取締役

注意点として、このリポジトリはgated modelで、ファイルにアクセスするには条件に同意して連絡先情報の共有が必要なんです。ログインして条件を確認してから、という流れになります。

テキトー教師DotAI 認定講師

初日対応のツールも充実しています。ComfyUI、Hugging Face Diffusers、TensorRT-LLM、SGLang Diffusion、vLLM-Omniがday-one support。

LoRA学習はOstrisのAI Toolkitと、NVIDIA NeMo AutoModelのレシピが使えます。

室谷代表取締役

バウンディングボックス制御のGradioデモを含むリファレンス推論コードも公開されていて、Hugging Face Spacesで試せるようになっている。まず触ってみたい人はSpacesから、というのが現実的ですね。

テキトー教師DotAI 認定講師

APIで使う場合、蒸留モデルが「flux-3-image-klein」として提供されていて、プロンプトアップサンプリングとピクセルリストレーションが付いています。本番ワークロードに組み込むならこちらが早いです。

室谷代表取締役

ヘルスケア系のプロダクトで画像生成を組み込む動きもありますが、そういうときはChatGPT Healthとは？使い方・連携アプリ・日本での利用・プライバシーを完全解説【2026年最新】のような周辺の連携事情も見ておくと、設計の解像度が上がりますよ。

料金と提供範囲――無償商用の条件、API価格、日本で使えるか・いつから

テキトー教師DotAI 認定講師

ここが実務で一番大事なところです。ライセンスはFLUX Kommunity Licenseで、年商500万ドル未満の個人・企業は無償で商用利用できます。

研究・非商用利用も可能です。

室谷代表取締役

逆に言うと、年商500万ドル以上の組織は自社ホスティングライセンスを別途契約するか、APIを使う必要があるんですよね。ここは「無料で公開されているから何でも自由」ではないので、必ず確認が必要です。

テキトー教師DotAI 認定講師

API価格は解像度ごとに設定されています。整理するとこうです。

• 768×768: $0.008
• 1K: $0.009
• 1.5K: $0.011
• 2K: $0.014
• 4K: $0.036

室谷代表取締役

生成と編集は同じ解像度なら同一の1枚あたり価格だというのもポイントです。あと、BFLは標準的な商用セルフホスティング料金を公表していないので、そこは個別相談になる。

テキトー教師DotAI 認定講師

提供開始は2026年10月15日から。オープンウェイトもAPIも同日提供とされています。

日本で使えるかについては、BFLのAPIもHugging Faceも地域を限定する記載は確認できませんが、地域制限についての明示的な記述もないため、断定は避けておきましょう。

室谷代表取締役

あと見落としがちなのが、無償の商用許可があっても計算資源、ストレージ、適応、メンテナンスのコストは別でかかるということ。遊休のローカルハードウェアを使うチームと、継続的な需要でサービスを組むチームでは、ビジネス計算がまったく違ってきますからね。

テキトー教師DotAI 認定講師

ライセンスの収益定義は「gross annualized revenue combined with affiliates」と、関連会社を含めた年間総収益で判定される点も押さえておきたいです。大きな企業の小さな子会社や実験チームの場合、プロジェクト単体の予算では判定されないので注意です。

FLUX 3 Image KleinのNVFP4版と動作環境――8GB VRAMのRTX GPUからGB300まで

室谷代表取締役

動作環境が今回の目玉のひとつです。ジェネレータの重みはBF16で11.2GB、FP8で5.6GB。

INT8ビルドなら8GB VRAMのNVIDIA GeForce RTX GPUで、ComfyUIかDiffusers経由で動くんです。

テキトー教師DotAI 認定講師

生成速度も具体的です。蒸留モデルとINT8ビルドの組み合わせで、1MP画像をRTX 5090で約4秒、RTX 4070で9秒未満。

これはComfyUI経由、NVIDIAによる計測です。

室谷代表取締役

さらにNVIDIA GB300では、蒸留モデルがNVFP4で1MP画像を0.6秒未満で生成する。LoRAを追加しても生成時間の増加は約5%程度だというから、これはもう実運用レベルですよね。

テキトー教師DotAI 認定講師

ただし注意点もあります。VentureBeatは、8GBという最小要件が特定のモデル版・出力サイズ・生成時間に紐づいていない点を指摘しています。

提供された速度チャートも8GB構成や4K出力をテストしていないので、最小構成での性能を推定するには追加情報が要る、ということです。

室谷代表取締役

あと、APIのベンチマークは未改変チェックポイントのローカル性能を保証しない、という指摘もありました。API側にはプロンプト処理とターゲット編集のパイプラインが含まれているので、そのままローカルに持ってきたときの数値とは別物だと考えておいたほうがいい。

テキトー教師DotAI 認定講師

推論はNVIDIA TensorRT LLM、vLLM-Omni、SGLang Diffusion経由で配信され、学習はNVIDIA GB200 NVL72で行われたと。NVIDIAの加速コンピューティング基盤向けに最適化されている、というのが一貫したメッセージです。

NVIDIAとBFLの狙い――5.6Bの小型モデルをオープンウェイトで出す意味

室谷代表取締役

BFLの主張で面白いのは、内部評価でFLUX 3 Image Kleinがテキスト・トゥ・イメージ、マルチリファレンス生成、画像編集で1位を取り、より大きなオープンウェイトモデルを上回ったという点です。比較対象のクローズドモデルであるIdeogram V4.5やFLUX.2 [pro]も上回るとしています。

テキトー教師DotAI 認定講師

パラメータ数で見ると、5.6Bは比較対象の中で最小です。Qwen-Image 2.1が7B、Krea 2が12.9B。

前世代のFLUX.2 [klein] 9Bと比べると、テキスト・トゥ・イメージで91 Elo、画像編集で70 Elo向上しつつ、パラメータは38%少ない。

室谷代表取締役

ただしここは注釈もきちんと読む必要があって、パラメータ数は各社が報告する画像生成器のもので、テキストエンコーダは含まれていない。あとKrea 2は画像編集に対応していないので、画像編集の比較には含まれていないんです。

テキトー教師DotAI 認定講師

小型化の意味は明確です。パラメータが少なければローカル実行が現実的になり、適応コストも下がる。

データ主権やローカル配置の要件があるチームが自前インフラで評価・適応できる。オンデバイス画像編集、つまりユーザーが手元のラップトップで直接画像を編集できる道も開けます。

室谷代表取締役

BFLはFLUX 3ファミリーの第2弾オープンウェイト公開として位置づけていて、「More will follow」と続編を示唆している。オープンウェイト戦略を継続するというメッセージなんですよね。

テキトー教師DotAI 認定講師

安全性についても触れておきましょう。事前学習のデータセットフィルタ、事後学習のターゲット微調整、そして外部の安全パートナーCinderによる評価を実施し、他の人気オープンウェイトモデルより脆弱性が大幅に少ないと主張しています。

室谷代表取締役

NVIDIA側の狙いとしては、GB200 NVL72での学習とRTX GPUでの推論という、自社の加速コンピューティング基盤を端から端まで使ってもらう流れを作っているわけです。NVFP4版の存在もその一環ですね。

よくある質問

テキトー教師DotAI 認定講師

最後に、よく聞かれる点を整理しておきます。

Q. FLUX 3 Image Kleinは無料で使えますか？

室谷代表取締役

オープンウェイトは公開されていて、年商500万ドル未満の個人・企業はFLUX Kommunity Licenseのもとで無償の商用利用が可能です。研究・非商用利用も認められています。

年商500万ドル以上の組織は自社ホスティングライセンスかAPIが必要です。

Q. 商用利用はできますか？

テキトー教師DotAI 認定講師

条件付きで可能です。年商500万ドル未満なら無償、それ以上は別途契約。

判定は関連会社を含めた年間総収益で行われる点に注意してください。

Q. 日本で使えますか？いつから？

室谷代表取締役

提供開始は2026年10月15日からで、オープンウェイトもAPIも同日提供とされています。日本を含む地域制限についての明示的な記載は確認できないため、地域に関する断定は避けますが、Hugging Faceのリポジトリはgated modelで、条件への同意とログインが必要です。

Q. 必要なPCスペックは？

テキトー教師DotAI 認定講師

INT8ビルドなら8GB VRAMのGeForce RTX GPUで動作します。ただしVentureBeatが指摘するように、8GBという最小要件は特定のモデル版・出力サイズ・生成時間に紐づいていません。

重みはBF16で11.2GB、FP8で5.6GBです。

Q. NVFP4版とは何ですか？

室谷代表取締役

NVIDIAの支援で開発されたビルドのひとつで、FP8、INT8と並んで同梱されています。NVIDIA GB300では蒸留モデルがNVFP4で1MP画像を0.6秒未満で生成するとされています。

なお、NVFP4のビット幅などの仕様は今回の資料には記載がなく、現時点では明らかにされていません。

Q. ファインチューニングはできますか？

テキトー教師DotAI 認定講師

ベースチェックポイントがファインチューニング向けに作られていて、DiffusersとOstrisのAI Toolkitが初日からLoRA学習に対応、NVIDIA NeMo AutoModelがレシピを提供しています。

室谷代表取締役

というわけで、5.6Bの小型モデルがオープンウェイトで、しかも8GB VRAMのRTXで動く。画像生成のローカル実行が、また一段と現実的になった発表なんですよね。