Самая неприятная часть генерации — получить красивую картинку, а потом случайно сломать её одной правкой. Лицо стало лучше, но уехал фон. Попросили заменить цвет куртки — модель перерисовала руки. FLUX 3 Image от Black Forest Labs пытается закрыть именно эту проблему: задаёт расположение объектов через bounding boxes и правит выбранную область, сохраняя остальную сцену.

В одном endpoint собраны генерация, image-to-image и многошаговое редактирование. Модель принимает до 10 референсов, умеет работать в native 4K и выпускается с коммерческими весами для компаний. Open Weights обещаны в ближайшие недели, но пока их нет.

Видео: the-decoder.com

FLUX 3 Image: что изменилось в управлении сценой

Главная новая идея — описывать не только содержимое кадра, но и положение объектов. Человеку можно назначить правую часть изображения, продукту — нижний центр, а тексту — свободную зону слева.

Коллаж с надписью FLUX 3 Image и примерами изображений, связанный с выпуском модели для точечного редактирования картинок.Источник: bfl.ai

В документации используется координатная сетка от 0 до 1000. Композиция превращается из просьбы «поставь объект справа» в более точную раскладку с позициями и размерами. Для рекламного макета это удобно: можно заранее оставить место под заголовок, закрепить товар в нужной зоне и распределить персонажей по кадру.

По данным стороннего теста Quantslant, FLUX 3 Image получила средний IoU 0,890 на четырёх сценах с 16 объектами. IoU показывает, насколько заданная область совпала с фактической областью объекта. В том же сравнении Seedream 5 Pro набрала 0,788, а GPT Image 2.5 — 0,536.

Есть важная оговорка. Тест проводился на одном изображении за попытку, а генерация 1K занимала от 60 до 247 секунд. Объекты оказывались на нужных местах, но, по наблюдению авторов теста, сцены местами выглядели жёстко и неестественно. Координаты модель понимает хорошо. Красивую режиссуру всё ещё приходится проверять глазами.

Почему точечное редактирование важнее красивого первого кадра

BFL делает ставку на pixel-perfect editing — изменение конкретного участка с сохранением остальной картинки. В работе это меняет сам сценарий. Вместо двадцати новых генераций можно взять удачный кадр и пройтись по нему короткими правками.

Для карточки товара можно оставить модель, свет и фон, а отдельно заменить цвет куртки. В рекламном кадре — убрать лишний объект, переставить продукт, поправить лицо или изменить надпись. В раскадровке — сохранить сцену и постепенно довести детали до нужного состояния.

Многошаговый режим тут выглядит полезнее самого слова «4K». Хороший результат часто уже есть, но одна деталь мешает использовать его в работе. Если после каждой правки модель не пересобирает весь кадр, сокращается самая дорогая возня — поиск новой картинки, где случайно снова сломается что-нибудь другое.

BFL обещает не менять другие пиксели. В документации есть более земная оговорка: тени, отражения и соседнее освещение иногда всё равно меняются. Поэтому локальная правка не означает математически замороженную фотографию.

Проверять нужно сам объект и всё вокруг него. Смотрите на контур волос, руки, отражения в стекле, контактную тень и границу выбранной области. Для клиента это особенно важно: небольшое изменение света может потеряться в превью, но вылезти на большом баннере.

Как применить FLUX 3 Image в работе креатора

Я бы начинал с задач, где результат легко измерить. Так быстрее станет понятно, экономит ли модель время.

Первый сценарий — рекламный макет. Заранее определяете зоны для продукта, персонажа, фона и текста. Затем передаёте референсы товара и стиля. До 10 изображений можно использовать одновременно: в одной задаче реально собрать форму продукта, внешний вид героя, цветовую палитру и пример освещения.

Второй сценарий — серия кадров. Сначала собираете базовую сцену, затем меняете одежду, предмет в руках или фон. Идеальной консистентности это не гарантирует, зато логика становится ближе к монтажу: есть мастер-кадр и набор локальных исправлений.

Третий сценарий — обложки и баннеры. Здесь bounding boxes нужны ради свободного места. Сразу закладываете область под заголовок и не просите модель угадывать, где оставить воздух. Для визуальных авторов это топовая функция: композиция учитывает будущую вёрстку ещё до Photoshop.

Рабочий порядок я бы выстроил так:

• сначала — композиция с прямоугольными областями; • затем — проверка положения объектов и свободного места; • после — точечные изменения по одной области; • финальный рендер — в 2K или 4K; • в конце — ручная проверка текста, теней и краёв маски.

Сразу рендерить всё в 4K не стоит. Если композиция ещё спорная, это дорогой способ обнаружить, что продукт оказался не там. Сначала проверка на 1K или 2K, потом финальная версия.

Native 4K есть, но цена растёт быстрее разрешения

FLUX 3 Image генерирует изображение нативно, а не растягивает готовый результат апскейлером. Максимальный режим — примерно 16 мегапикселей. Для сравнения, у FLUX.2 потолок был около 4 Мп.

В API заявлены такие цены за изображение:

• 768×768 — $0.041; • 1K — $0.048; • 2K — $0.100; • 4K — $0.607.

Разница между 1K и 4K — больше 12 раз. Поэтому native 4K лучше оставлять для финальных кадров, печати и крупных рекламных материалов. Для перебора идей и раскладки объектов такой тариф быстро превращает промтинг в бухгалтерию.

На сайте BFL также отображалась цена $0.024 за 1K вместо $0.048. В публикации BFL говорится о скидке 50% до 8 октября, но условия акции лучше проверять перед оплатой: на странице модели срок и правила промо описаны не так подробно.

Доступность FLUX 3 Image и история с open-весами

Попробовать модель уже можно через BFL Playground и API. Её также начали добавлять сторонние платформы, включая OpenArt; в материалах о запуске упоминаются OpenRouter и интеграция Krea.

Для компаний, которые генерируют изображения в большом объёме, Black Forest Labs предлагает Commercial Weights. Их можно развернуть на собственной инфраструктуре и дообучить под рабочие задачи. Стоимость выдают по договорённости.

Публичной версии пока нет. BFL обещает Open Weights в ближайшие недели, но точной даты не называет. В официальном Hugging Face их тоже пока нет, поэтому неизвестны размер модели, требования к VRAM, варианты квантования и финальная лицензия.

Для тех, кто строит локальный пайплайн, это важное ограничение. Сейчас FLUX 3 Image нельзя скачать, закинуть в ComfyUI и гонять на своей видеокарте. Придётся использовать API или доступный интерфейс. Если open-веса выйдут на удобных условиях, ситуация изменится — особенно для студий с приватными референсами и большими объёмами генерации.

Где FLUX 3 Image пока может разочаровать

Точное расположение не гарантирует хорошую композицию. Можно идеально попасть в заданные рамки и получить слишком постановочную картинку. Связь объектов, перспектива и визуальный ритм никуда не делись.

Мем о точечном редактировании: при замене одной детали изображения нейросеть может случайно изменить и другие объекты.Источник: Telegram @cgevent

Локальная правка также может задеть окружение. Особенно если объект связан со светом, отражением или тенью. В таких случаях полезно сравнивать исходник и результат не только на глаз, но и послойно — хотя бы через наложение в редакторе.

Окончательные выводы делать рано. Независимых сравнений мало, а большая часть обещаний идёт от самой BFL. Тест Quantslant по bounding boxes выглядит интересно, но не проверяет все режимы модели.

Креаторам я бы сейчас проверил три вещи: насколько стабильно сохраняется лицо после нескольких правок, как модель держит текст в заданной области и сколько реально занимает один рабочий кадр. Цену 4K тоже стоит считать заранее.

Промты и рабочие заготовки для генерации фото собрал в библиотеке

Источники

FLUX 3 Image: Maximum control over every pixel | Black Forest Labs

Black Forest Labs launches Flux 3 Image with multi-step editing that leaves the rest of your picture alone

Black Forest Labs (@bfl_ai): Introducing FLUX 3 Image

BFL opens FLUX 3 image API, allows up to 10 reference images

FLUX 3 Bounding Box Test vs 5 Models

ИсточникTelegram @cgevent