FLUX.1 是由 Black Forest Labs（黑森林实验室）开发的文本到图像生成模型系列。Black Forest Labs 由 Stable Diffusion 原始核心团队于2024年3月创立，总部位于德国弗赖堡，创始团队包括 Robin Rombach、Andreas Blattmann、Dominik Lorenz 等慕尼黑大学机器视觉与学习研究小组成员。2024年8月初，BFL 正式发布初代 FLUX.1 模型，包含 Pro、Dev 和 Schnell 三个变体。
从版本谱系来看，FLUX.1 系列已发展出以下主要版本线：
核心三档基础系列（FLUX.1 Pro / Dev / Schnell） ：FLUX.1 [pro]（2024年8月，旗舰闭源API版）→ FLUX.1 [dev]（2024年8月，12B开源权重，非商业用途）→ FLUX.1 [schnell]（2024年8月，12B开源权重，Apache 2.0，1-4步极速生成）。这是 FLUX.1 的根基，确立了“旗舰-开源-极速”的三档产品架构。
1.1 Pro 性能跃迁系列：FLUX1.1 [pro]（2024年10月，速度是前代 Pro 的6倍）→ FLUX1.1 Pro Ultra（2024年11月，原生4兆像素2K输出，新增Raw模式）。
上下文编辑系列（FLUX.1 Kontext） ：FLUX.1 Kontext [pro]（2025年5月）→ FLUX.1 Kontext [max]（2025年6月）→ FLUX.1 Kontext [dev]（2025年7月，12B开源权重）。Kontext 是 BFL 推出的统一生成与编辑模型套件，允许用户通过文本指令修改输入图像，无需微调或复杂编辑工作流。
结构控制专项系列（FLUX.1 Tools） ：FLUX.1 Fill（局部重绘与扩图）→ FLUX.1 Depth（深度图条件生成）→ FLUX.1 Canny（边缘检测控制）。三者均提供 Pro 和 Dev 两个版本，Dev 版基于 FLUX.1 [dev] 的 LoRA 形式发布。
FLUX.2 新一代系列（2025年11月） ：FLUX.2 [pro] / [flex] / [dev]（32B参数，Mistral Small 文本编码器，最高4兆像素输出）→ FLUX.2 [klein] 9B / 4B（统一生成与编辑，4B版Apache 2.0，消费级GPU可运行）。
第二部分：各版本详细对比与拆解
一、FLUX.1 核心三档对比
维度 FLUX.1 [pro] FLUX.1 [dev] FLUX.1 [schnell]
发布时间 2024年8月 2024年8月 2024年8月
参数规模 12B 12B 12B
架构 MMDiT + 流匹配 MMDiT + 流匹配 MMDiT + 流匹配
推理步数 20-50步 20-50步 1-4步
开源协议 API only 非商业开源 Apache 2.0
FP16最低显存 N/A（云端） ~22 GB ~33 GB
FP8/量化显存 N/A ~12 GB ~16 GB
核心定位 最高质量，商业应用 开发与微调 快速原型与实时应用
FLUX.1 [pro] 是 BFL 的旗舰模型，仅通过 API 提供服务，不公开模型权重，在提示词遵循度和视觉保真度上表现最佳。FLUX.1 [dev] 是从 Pro 蒸馏而来的开放权重版本，保留了12B参数规模和接近 Pro 的画质，但受限于非商业许可，主要用于科研和开发。FLUX.1 [schnell] 则是从 Dev 进一步时间步蒸馏的版本，仅需1至4步推理即可生成高质量图像，采用 Apache 2.0 许可，可用于个人、科学和商业用途。
三者的核心区别在于“质量-速度-许可”的三角权衡：Pro 追求极致质量但闭源，Dev 追求质量与开源平衡但非商业，Schnell 追求速度与商业友好但画质略逊。
二、FLUX.1 Kontext 系列对比
维度 Kontext [pro] Kontext [max] Kontext [dev]
发布时间 2025年5月 2025年6月 2025年7月
参数规模 12B 12B 12B
核心能力 上下文生成与编辑、字符一致性 最高提示遵循度、高级排版控制 开源编辑性能
角色一致性 支持 支持（增强） 支持
局部编辑 支持 支持 支持
开源状态 API only API only 开源权重
典型场景 品牌设计、产品可视化 企业设计系统、营销视觉 开发者与艺术家工作流
FLUX.1 Kontext 是 BFL 在2025年推出的统一生成与编辑模型套件，与传统的纯文生图模型不同，Kontext 系列能够同时接收文本和图像输入，在保持角色、风格和物体一致性的前提下进行精准的局部编辑和场景转换。Kontext [max] 是系列中最强大的版本，在提示遵循度和排版生成方面达到最高水平，适合企业级设计系统和自动化创意管道。Kontext [dev] 则以12B参数的开源形式提供了接近专有级别的编辑性能，可在消费级硬件上运行。
Kontext 系列的核心技术突破在于“上下文理解”——它能够理解编辑操作与周围场景的关系，实现“改一处而不动全局”的精准控制。这种迭代式编辑能力允许用户在多次连续编辑中保持高度一致性，最小化视觉漂移。
三、FLUX.1 Tools 结构控制系列对比
维度 FLUX.1 Fill FLUX.1 Depth FLUX.1 Canny
核心功能 局部重绘与扩图 深度图条件生成 边缘检测控制
技术原理 Inpainting + Outpainting 深度图作为条件 Canny边缘作为条件
Pro版 支持 支持 支持
Dev版 LoRA形式 LoRA形式 LoRA形式
典型场景 物体移除与替换 3D引导的环境生成 草图到图像转换
FLUX.1 Tools 是 BFL 在2024年11月推出的结构控制工具集。FLUX.1 Fill 专注于局部重绘和扩图，可以精准移除或替换图像中的物体。FLUX.1 Depth 通过深度图控制生成过程，保持3D空间关系不变的同时进行纹理重绘。FLUX.1 Canny 通过边缘检测实现结构保持的风格迁移和草图到图像的转换。Depth 和 Canny 均提供 Pro 和 Dev 两个版本，Dev 版以 LoRA 形式基于 FLUX.1 [dev] 发布，便于开发者快速集成。
四、FLUX.2 新一代系列对比
维度 FLUX.2 [pro] FLUX.2 [flex] FLUX.2 [dev] FLUX.2 [klein] 4B
参数规模 32B 32B 32B 4B
文本编码器 Mistral Small Mistral Small Mistral Small Mistral Small
最高分辨率 4MP 4MP 4MP —
多参考图 最多8张 最多10张 — 最多5张
开源协议 API only API only 非商业开源 Apache 2.0
核心定位 最高质量生成与编辑 排版与设计专业 开放权重开发 消费级实时生成
FLUX.2 于2025年11月发布，是 BFL 的新一代旗舰系列。相比 FLUX.1 的12B参数，FLUX.2 主模型跃升至32B，文本编码器从 CLIP 替换为 Mistral Small，大幅提升了对复杂多子句提示的理解能力。FLUX.2 [flex] 专注于排版和设计场景，支持干净的文本渲染、复杂版式和UI模型生成。FLUX.2 [klein] 4B 以 Apache 2.0 协议开源，可在消费级GPU上实现亚秒级生成，统一了生成与编辑能力。
第三部分：为什么分这么多版本？
一、场景适配：从快速原型到商业交付的全链条覆盖
FLUX.1 的版本分化遵循一条清晰的“质量-速度-许可”三角权衡逻辑。Schnell 管快速原型和实时应用，Dev 管开发与微调，Pro 管商业级最高质量输出，Kontext 管上下文编辑与角色一致性，Fill/Depth/Canny 管结构控制的专项任务，FLUX.2 管新一代旗舰性能。
这一分层的核心价值在于部署灵活性。个人开发者可以在消费级GPU上用 FP8 量化的 Dev 版本做原型验证，在需要快速迭代时切换到 Schnell，在需要商业交付时通过 API 调用 Pro 或 Kontext [max]。不需要更换技术栈，只需要根据场景选择对应版本。Burda 的案例充分说明了这一价值——他们同时使用了 FLUX.1 Kontext 做精细编辑、FLUX.1 Depth 做3D引导的环境生成、BFL Finetuning API 做角色微调，将整个 FLUX.1 家族作为一套完整的制作工具链来使用。
二、许可分层：以开放构建生态，以闭源保留商业价值
BFL 的许可策略采取了精细的分层设计。Schnell 以 Apache 2.0 协议完全开源，允许免费商用、修改和分发。Dev 以非商业开源形式发布，允许科研和开发但限制商业用途。Pro、Kontext [pro]/[max]、FLUX.2 [pro]/[flex] 则以 API 服务形式提供，不公开权重。
这一策略的精妙之处在于：Schnell 的 Apache 2.0 许可使 FLUX 技术能够被广泛集成到商业产品中，扩大了生态影响力；Dev 的非商业开源吸引了大量研究者和开发者构建微调和 LoRA 生态；Pro 和 Kontext 的 API 服务则通过质量优势实现商业变现。这种“开源引流、闭源变现”的模式与 Stable Diffusion 的早期策略一脉相承，但 BFL 在质量控制和商业化之间找到了更精细的平衡点。
三、技术路线跃迁：从12B到32B，从CLIP到Mistral Small
FLUX 系列的技术路线经历了三次明确跃迁。FLUX.1 基于12B参数的 MMDiT 架构和流匹配训练方法，在发布时即成为开源图像生成的质量标杆。FLUX.1 Kontext 将模型能力从“生成”扩展到“生成+编辑”，通过上下文理解实现迭代式精准编辑。FLUX.2 则将参数规模翻倍至32B，文本编码器从 CLIP 替换为 Mistral Small，在提示词理解、多参考图生成（最多10张）和分辨率（最高4MP）上全面提升。
这一演进方向反映了 BFL 对用户需求变化的判断：当生成质量达到一定水平后，用户最稀缺的资源从“生成质量”转向“精准控制”和“迭代效率”。Kontext 系列的推出正是对这一趋势的直接回应。
四、生态整合：从独立模型到全平台渗透
FLUX 系列的版本分化还服务于 BFL 的全平台生态整合战略。FLUX.1 Kontext [pro] 已在 Microsoft Foundry 上部署，支持 Azure OpenAI 兼容端点。FLUX 模型已集成到 xAI 的 Grok 助手中。Replicate 提供了 FLUX 全系列的 API 服务，从 Schnell 到 FLUX.2 [max] 均可一行代码调用。这种多平台分发策略使 FLUX 从“独立模型”升级为“图像生成基础设施”。
第四部分：最著名版本——FLUX.1 Kontext Dev 本地部署实战
FLUX.1 Kontext [dev] 是 FLUX 系列中功能最全面的开源版本，12B参数、支持上下文生成与编辑、角色一致性保持、可在消费级硬件上运行，以非商业开源许可发布。以下为完整的本地部署步骤。
步骤一：环境准备与硬件规划
硬件配置基准：
FP16原生模式：NVIDIA GPU，显存22GB及以上，推荐RTX 3090/4090或A100
FP8量化模式：显存12GB+即可运行
NVFP4量化版：显存8GB+，适用于更广泛的消费级GPU
内存：32GB DDR4及以上
存储：预留60GB SSD空间
软件环境清单：
操作系统：Ubuntu 22.04 / Windows 10/11
Python 3.10+
PyTorch 2.5+
CUDA 12.1+
步骤二：安装ComfyUI
bash
# 克隆ComfyUI仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
# 创建虚拟环境
python3 -m venv venv
source venv/bin/activate
# 安装依赖
pip install -r requirements.txt
步骤三：下载模型权重
bash
# 下载FLUX.1 Kontext [dev] 主模型
huggingface-cli download black-forest-labs/FLUX.1-Kontext-dev \
flux1-kontext-dev.safetensors \
--local-dir ./models/checkpoints
# NVFP4量化版（显存不足时使用）
huggingface-cli download black-forest-labs/FLUX.1-Kontext-dev-NVFP4 \
--local-dir ./models/checkpoints
# 下载文本编码器
huggingface-cli download comfyanonymous/flux_text_encoders \
clip_l.safetensors t5xxl_fp16.safetensors \
--local-dir ./models/text_encoders
# 下载VAE
huggingface-cli download black-forest-labs/FLUX.1-schnell \
ae.safetensors \
--local-dir ./models/vae
步骤四：启动ComfyUI并加载工作流
bash
# 启动ComfyUI
python main.py --listen 0.0.0.0 --port 8188
浏览器访问 http://localhost:8188，加载 FLUX.1 Kontext 官方示例工作流。关键参数配置：
采样步数：28步
引导系数：2.5-3.5
分辨率：1024×1024
采样器：Euler（Flow Matching）
步骤五：上下文编辑调用
Kontext 的核心能力是上下文编辑——通过文本指令修改输入图像，同时保持角色和场景的一致性：
python
from diffusers import FluxKontextPipeline
import torch
pipe = FluxKontextPipeline.from_pretrained(
"black-forest-labs/FLUX.1-Kontext-dev",
torch_dtype=torch.bfloat16
)
pipe.to("cuda")
# 加载输入图像
from PIL import Image
input_image = Image.open("original_scene.png")
# 执行上下文编辑
edited_image = pipe(
image=input_image,
prompt="将角色的红色外套改为蓝色，保持面部和姿态不变",
num_inference_steps=28,
guidance_scale=3.0
).images[0]
edited_image.save("edited_scene.png")
步骤六：迭代式编辑与角色一致性
Kontext 支持在多次连续编辑中保持角色一致性，用户可以在前一次编辑结果的基础上继续添加新指令：
python
# 第一次编辑
edit_1 = pipe(
image=input_image,
prompt="将背景替换为海边日落场景",
num_inference_steps=28,
guidance_scale=3.0
).images[0]
# 第二次编辑（在第一次结果基础上继续）
edit_2 = pipe(
image=edit_1,
prompt="在角色手中添加一杯咖啡",
num_inference_steps=28,
guidance_scale=3.0
).images[0]
edit_2.save("final_scene.png")
步骤七：API服务化部署
bash
# 使用vLLM-Omni启动API服务
uv pip install vllm==0.12.0
uv pip install git+https://github.com/vllm-project/vllm-omni.git
vllm serve black-forest-labs/FLUX.1-Kontext-dev \
--task image-generation \
--port 8000
步骤八：监控与调优
关键指标监控：
显存占用：FP16约22GB，FP8约12GB，NVFP4约8GB
生成速度：1024×1024约5-15秒/张（RTX 4090）
GPU利用率：目标>80%
降本策略：对快速原型和批量草稿使用 FLUX.1 [schnell]（1-4步）；对高质量商业输出使用 FLUX.1 [pro] 或 Kontext [max] API；对结构控制任务使用 FLUX.1 Fill/Depth/Canny；对新一代旗舰性能使用 FLUX.2 [pro] 或 [flex]。
第五部分：不同版本的实践成果
案例一：Burda 出版社 LissyPony 漫画全AI化制作（基于FLUX.1全家族）
Burda 是德语区（DACH）的主要出版商，其旗下的 LissyPony 是中欧最知名的儿童杂志之一。Burda 使用 BFL 的完整工具栈——包括 FLUX.1 Kontext、FLUX.1 Fill、FLUX.1 Depth 和 BFL Finetuning API——将杂志制作时间减少了50%，并预计未来效率提升可达到70%。
实践成效：Burda 的创意思路是通过角色微调实现精准的角色一致性，为每个主要角色创建了专属的微调模型；使用 FLUX.1 Depth 建立3D引导的工作流，精准且一致地渲染角色周围的环境；使用 FLUX.1 Kontext 进行精细编辑，如轻微调整角色姿态或视角方向，无需重新生成整个场景，显著节省了每个制作环节的时间。2025年9月2日，Burda 发布了第一期完全由 AI 辅助制作的 LissyPony 杂志，成为出版行业首个实现全AI支持制作流程的标杆案例。
案例二：信义房屋 AI FlyerGEN 房产营销自动化（基于FLUX.1 Kontext [pro]）
信义房屋是台湾地区最大的房地产经纪公司之一，在台湾、日本、马来西亚等地拥有约3500名经纪人。公司面临的核心痛点是：业主的杂物堆满房间，难以展示房产潜力；经纪人缺乏时间制作专业营销物料。信义房屋在 Microsoft Foundry 上部署了 FLUX.1 Kontext [pro] 模型，开发了“Clear All”功能和 AI FlyerGEN 系统。
实践成效：Clear All 功能的工作流首先使用 Azure OpenAI 模型分析室内照片，判断是否为室内空间并识别杂物；如果检测到杂物，照片会被送入 Kontext [pro] 进行处理，在不改变原始空间结构的前提下精准移除杂物。信义房屋的数据工程师指出：“FLUX Kontext 不是生成一个没有杂物的相似空间，而是从原始照片出发，让用户感觉不必要的物品只是被移除了”。AI FlyerGEN 则利用 Kontext [pro] 自动化设计流程，经纪人可以创建个人营销物料或房源专属传单，系统内置品牌模板和风格指南，自动调整文案并根据房产信息生成专业形象照。
案例三：大众汽车集团品牌一致性AI资产管道（基于FLUX.1 Dev + LoRA）
大众汽车集团旗下拥有大众、保时捷、杜卡迪等十个品牌，每年需要制作数千张营销图像。传统的单次车辆发布需要数月制作周期和六位数摄影成本。大众与 AWS 生成式AI创新中心合作，构建了一套能够规模化生成照片级真实车辆图像的AI管道。
实践成效：大众面临的核心挑战不仅是图像质量，更是品牌视觉语言的精确一致性——格栅纹理、大灯几何形状、轮毂辐条图案等微小细节必须与特定车型年份精确匹配，而基础模型对这些细节一无所知。解决方案是在 Amazon SageMaker AI 端点上部署 FLUX.1-Dev 扩散模型，并叠加 LoRA 适配器进行微调，使其专精于大众设计语言，同时保留通用图像生成能力。团队还使用 Amazon Nova Lite 进行自动提示优化，扩展用户输入并补充品牌适配的细节和技术规格。微调后的模型能够生成当前车型和未发布车型的渲染图，将单次车辆发布的图像制作周期从数周缩短至数分钟。
版权声明：本平台仅提供信息存储空间服务，用户发布内容不代表本站观点，交易风险自担；侵权违法内容请立即举报（邮箱：37996619@qq.com），本站接通知后先行屏蔽，责任由发布者承担。