120亿参数图像模型FLUX.1 Kontext[dev]开源，性能对标GPT - image - 1

图像模型开源领域迎来新突破！Black Forest Labs正式宣布开源其旗舰级图像编辑模型FLUX.1 Kontext[dev]。这款模型虽仅有12B参数，却展现出与GPT-image-1等闭源大模型相媲美的强大能力，并且支持在消费级显卡上流畅运行。 借助FLUX.1 Kontext[dev]，用户可轻松完成多种图像编辑任务。例如让小狗瞬间从画面中消失，为小老鼠“戴上”胡须，添加文字或更换背景也变得异常简单。更值得一提的是，该模型支持多轮指令输入，允许用户反复调整，直到生成满意的图像效果。 FLUX.1 Kontext[dev]具备多项突出特性： 它能根据文本指令直接对现有图像进行修改，实现精准的局部和全局编辑。无需微调即可复用角色、风格和物体元素。支持连续多次编辑操作，在保证视觉一致性的同时显著降低视觉漂移问题。此外，模型还针对NVIDIA Blackwell架构进行了TensorRT权重优化，进一步提升性能表现。 网友们对该模型表现出极大热情，纷纷动手实测。有人创作出戴着墨镜、身穿红毛衣的旅行CPU青蛙；有人复制心仪动漫人物形象；更有创意达人将其与LoRA结合，开发出一款Kontext风格化肖像生成APP。目前，FLUX.1 Kontext[dev]已全面兼容ComfyUI，官方还开放了试玩API接口，点击文末链接上传图片即可立即体验。 不少网友评价Black Forest Labs堪称“图像界的DeepSeek”。此前发布的FLUX.1 Kontext系列因出色的上下文理解与图像编辑能力广受赞誉。不同于传统文生图模型，FLUX.1 Kontext支持上下文感知的图像生成，能够同时接受图像和文本作为提示输入，无缝提取并修改图像细节。目前已推出专业版FLUX.1 Kontext[pro]和高配版FLUX.1 Kontext[max]。 此次开源的FLUX.1 Kontext[dev]继承了该系列的核心优势，专注于图像编辑功能，并可在普通消费级硬件上高效运行。模型架构基于FLUX.1——一种在图像自动编码器潜在空间中训练的整流流Transformer结构，采用双流与单流模块混合设计。在此基础上，通过优化标记序列构建和位置信息编码增强性能。 其中，标记序列构建是将图像经由冻结的FLUX自动编码器编码为潜在上下文图像标记，并送入模型的视觉流；位置编码则利用三维旋转位置嵌入（3D RoPE），为上下文标记引入恒定偏移量，视作虚拟时间步，有效分离上下文块与目标块，同时保留其内部空间结构。 训练过程中，采用整流流匹配损失函数，从FLUX.1文生图检查点出发，收集并整理数百万组关系对用于优化。随后使用潜在对抗扩散蒸馏（LADD）技术对优化后的流匹配模型进行压缩，在减少采样步数的同时提升生成质量，使模型更加高效。最终版本的FLUX.1 Kontext[dev]包含120亿参数，专精于编辑任务，支持迭代式编辑，能在复杂场景中稳定保留角色特征，实现精细的局部或整体修改。 为了评估模型性能，团队推出了自研评测基准KontextBench，涵盖1026个图像-提示对，涉及局部编辑、全局编辑、角色参考、风格参考和文本编辑五大类别。实验结果显示，FLUX.1 Kontext[dev]在多个指标上超越现有开源及闭源模型，包括字节跳动的Bagel、HiDream-E1-Full以及OpenAI的GPT-image-1等。 值得一提的是，FLUX.1 Kontext[dev]特别针对NVIDIA Blackwell架构完成了TensorRT权重优化，不仅大幅提升推理速度，还显著降低内存占用。官方提供了BF16、FP8和FP4三种TensorRT权重变体，用户可根据需求灵活权衡速度、效率与画质，充分发挥新一代GPU硬件潜力。 实际测试反馈显示，该模型推理速度相较前代提升了4到5倍，在NVIDIA H100 GPU上平均5秒内即可完成一次生成，在Replicate平台上的单次调用成本约为0.0067美元，相当于每1美元可运行约149次。不过也有用户指出，在MacBook Pro搭载的M系列芯片上运行时，每次迭代耗时较长，大约需要1分钟。 欢迎各位亲自尝试这一强大工具，并在评论区分享你的使用体验！ 试玩链接：https://huggingface.co/spaces/black-forest-labs/FLUX.1-Kontext-Dev 论文链接：https://arxiv.org/abs/2506.15742 代码链接：https://github.com/black-forest-labs/flux/blob/main/docs/image-editing.md