Black Forest Labs ra mắt mô hình AI tạo ảnh Flux.2 thách thức Nano Banana Pro và Midjourney

Công ty khởi nghiệp AI của Đức, Black Forest Labs, đã ra mắt FLUX.2, một hệ thống tạo và chỉnh sửa ảnh mới bao gồm bốn mô hình khác nhau được thiết kế để hỗ trợ quy trình làm việc sáng tạo chuyên nghiệp.

FLUX.2 giới thiệu tính năng đa tham chiếu, đầu ra có độ trung thực cao hơn và cải thiện khả năng hiển thị văn bản, đồng thời mở rộng hệ sinh thái mã nguồn mở của công ty với các điểm cuối thương mại và các trọng số mô hình mở.

Black Forest Labs trước đây đã nổi tiếng với các mô hình tạo ảnh từ văn bản mã nguồn mở trong gia đình Flux. Tuy nhiên, bản phát hành lần này bao gồm một thành phần mã nguồn mở hoàn chỉnh: Flux.2 VAE, có sẵn dưới giấy phép Apache 2.0.

Bốn mô hình khác với các kích thước và mục đích sử dụng khác nhau — Flux.2 [Pro], Flux.2 [Flex] và Flux.2 [Dev] — không phải là mã nguồn mở. Pro và Flex vẫn là các dịch vụ lưu trữ độc quyền, trong khi Dev là mô hình có trọng số mở có thể tải xuống và yêu cầu giấy phép thương mại từ Black Forest Labs cho bất kỳ mục đích sử dụng thương mại nào. Một mô hình mã nguồn mở sắp ra mắt là Flux.2 [Klein], cũng sẽ được phát hành theo Apache 2.0 khi có sẵn.

Chuyển đổi sang các mô hình ảnh tập trung vào sản xuất

FLUX.2 mở rộng kiến trúc FLUX.1 trước đó với sự nhất quán hơn về nhân vật, bố cục và phong cách trên tối đa mười ảnh tham chiếu.

Hệ thống duy trì sự mạch lạc ở độ phân giải 4 megapixel cho cả tác vụ tạo và chỉnh sửa, cho phép các trường hợp sử dụng như hình ảnh hóa sản phẩm, tạo tài sản phù hợp với thương hiệu và quy trình làm việc thiết kế có cấu trúc.

Mô hình cũng cải thiện khả năng tuân theo lệnh nhắc cho các hướng dẫn nhiều bước, đồng thời giảm thiểu các lỗi liên quan đến ánh sáng, logic không gian và kiến thức thế giới.

Song song đó, Black Forest Labs tiếp tục theo đuổi chiến lược phát hành mã nguồn mở. Công ty cung cấp các phiên bản FLUX.2 được tối ưu hóa hiệu suất để triển khai thương mại, đồng thời xuất bản các mô hình có trọng số mở để các nhà nghiên cứu và nhà phát triển độc lập có thể chạy cục bộ. Cách tiếp cận này mở rộng lịch sử bắt đầu với FLUX.1, mô hình ảnh mở được sử dụng rộng rãi nhất trên toàn cầu.

Các biến thể mô hình và tùy chọn triển khai

Flux.2 có 5 biến thể như sau:

• Flux.2 [Pro]: Đây là cấp hiệu suất cao nhất, dành cho các ứng dụng yêu cầu độ trễ tối thiểu và độ trung thực hình ảnh tối đa. Nó có sẵn thông qua BFL Playground, FLUX API và các nền tảng đối tác. Mô hình nhằm mục đích cạnh tranh với các hệ thống độc quyền hàng đầu về khả năng tuân thủ lệnh nhắc và chất lượng hình ảnh, đồng thời giảm thiểu yêu cầu tính toán.
• Flux.2 [Flex]: Phiên bản này cho phép truy cập các tham số như số bước lấy mẫu và thang đo hướng dẫn. Thiết kế cho phép các nhà phát triển tinh chỉnh sự cân bằng giữa tốc độ, độ chính xác của văn bản và độ trung thực của chi tiết. Trên thực tế, điều này cho phép các quy trình làm việc mà bản xem trước với ít bước có thể được tạo nhanh chóng trước khi gọi các kết xuất với nhiều bước hơn.
• Flux.2 [Dev]: Bản phát hành đáng chú ý nhất cho hệ sinh thái mở là trọng số mô hình mở 32 tỷ tham số, tích hợp tạo ảnh từ văn bản và chỉnh sửa ảnh vào một mô hình duy nhất. Nó hỗ trợ điều kiện đa tham chiếu mà không yêu cầu các mô-đun hoặc quy trình riêng biệt. Mô hình có thể chạy cục bộ bằng mã suy luận tham chiếu của BFL hoặc các triển khai fp8 được tối ưu hóa được phát triển với sự hợp tác của NVIDIA và ComfyUI. Suy luận được lưu trữ cũng có sẵn thông qua FAL, Replicate, Runware, Verda, TogetherAI, Cloudflare và DeepInfra.
• Flux.2 [Klein]: Sắp ra mắt, mô hình được chắt lọc kích thước này được phát hành theo Apache 2.0 và nhằm mục đích cung cấp hiệu suất cải thiện so với các mô hình có cùng kích thước được đào tạo từ đầu. Hiện tại, một chương trình beta đang mở.
• Flux.2 – VAE: Được phát hành theo giấy phép Apache 2.0 thân thiện với doanh nghiệp (ngay cả cho mục đích sử dụng thương mại), bộ mã hóa tự động biến phân cập nhật cung cấp không gian tiềm ẩn làm nền tảng cho tất cả các biến thể Flux.2. VAE nhấn mạnh sự cân bằng tối ưu giữa độ trung thực tái tạo, khả năng học và tỷ lệ nén — một thách thức lâu đời đối với các kiến trúc tạo sinh dựa trên không gian tiềm ẩn.

Hiệu suất Chuẩn

Black Forest Labs đã công bố hai bộ đánh giá nêu bật hiệu suất của FLUX.2 so với các mô hình tạo ảnh có trọng số mở và được lưu trữ khác. Trong các so sánh tỷ lệ thắng trực tiếp trên ba danh mục — tạo ảnh từ văn bản, chỉnh sửa đơn tham chiếu và chỉnh sửa đa tham chiếu — FLUX.2 [Dev] dẫn đầu tất cả các phương án có trọng số mở với tỷ lệ đáng kể.

Nó đạt tỷ lệ thắng 66,6% trong tạo ảnh từ văn bản (so với 51,3% đối với Qwen-Image và 48,1% đối với Hunyuan Image 3.0), 59,8% trong chỉnh sửa đơn tham chiếu (so với 49,3% đối với Qwen-Image và 41,2% đối với FLUX.1 Kontext) và 63,6% trong chỉnh sửa đa tham chiếu (so với 36,4% đối với Qwen-Image). Các kết quả này phản ánh những cải thiện nhất quán so với cả các mô hình FLUX.1 trước đó và các hệ thống có trọng số mở đương đại.

Một chuẩn đánh giá thứ hai đã so sánh chất lượng mô hình bằng điểm ELO với chi phí xấp xỉ trên mỗi ảnh. Trong phân tích này, FLUX.2 [Pro], FLUX.2 [Flex] và FLUX.2 [Dev] tập trung ở vùng chất lượng cao hơn, chi phí thấp hơn của biểu đồ, với điểm ELO trong khoảng 1030–1050 trong khi hoạt động trong phạm vi 2–6 cent.

Ngược lại, các mô hình trước đó như FLUX.1 Kontext [max] và Hunyuan Image 3.0 xuất hiện thấp hơn đáng kể trên trục ELO mặc dù có chi phí trên mỗi ảnh tương tự hoặc cao hơn. Chỉ các đối thủ cạnh tranh độc quyền như Nano Banana 2 mới đạt điểm ELO cao hơn, nhưng với chi phí tăng đáng kể. Theo BFL, điều này định vị các biến thể của FLUX.2 là cung cấp hiệu quả chất lượng–chi phí mạnh mẽ trên các cấp độ hiệu suất, với FLUX.2 [Dev] đặc biệt mang lại chất lượng gần với cấp cao nhất trong khi vẫn là một trong những tùy chọn chi phí thấp nhất trong phân khúc của nó.

Giá qua API và So sánh với Nano Banana Pro

Máy tính giá trên trang web của BFL cho thấy FLUX.2 [Pro] được tính phí khoảng 0,03 đô la cho mỗi megapixel đầu vào và đầu ra kết hợp. Một lần tạo ảnh tiêu chuẩn 1024×1024 (1 MP) có giá 0,030 đô la và độ phân giải cao hơn sẽ tăng tỷ lệ tương ứng. Máy tính cũng tính các ảnh đầu vào vào tổng số megapixel, cho thấy các quy trình làm việc tham chiếu đa ảnh sẽ có chi phí mỗi lần gọi cao hơn.

Ngược lại, bản xem trước hình ảnh Gemini 3 Pro của Google, còn gọi là “Nano Banana Pro”, hiện đang định giá đầu ra hình ảnh ở mức 120 đô la cho mỗi 1 triệu token, dẫn đến chi phí 0,134 đô la cho mỗi ảnh 1K–2K (lên đến 2048×2048) và 0,24 đô la cho ảnh 4K. Đầu vào hình ảnh được tính phí 0,0011 đô la cho mỗi ảnh, điều này không đáng kể so với chi phí đầu ra.

Mặc dù mô hình của Gemini sử dụng định giá theo token, nhưng giá trên mỗi ảnh hiệu quả của nó đặt ảnh 1K–2K với chi phí gấp hơn 4 lần so với lần tạo FLUX.2 [Pro] 1 MP, và đầu ra 4K với chi phí gấp khoảng 8 lần so với đầu ra FLUX.2 có độ phân giải tương tự nếu được tỷ lệ hóa tương ứng.

Trong thực tế, dữ liệu có sẵn cho thấy FLUX.2 [Pro] hiện cung cấp mức giá trên mỗi ảnh thấp hơn đáng kể, đặc biệt là đối với đầu ra độ phân giải cao hoặc quy trình làm việc chỉnh sửa đa ảnh, trong khi cấp xem trước của Gemini 3 Pro được định vị là dịch vụ được đo bằng token với chi phí cao hơn, với nhiều biến động hơn tùy thuộc vào độ phân giải.

Thiết kế Kỹ thuật và Cải tiến Không gian Tiềm ẩn

FLUX.2 được xây dựng trên kiến trúc khớp dòng tiềm ẩn, kết hợp bộ chuyển đổi dòng được hiệu chỉnh với mô hình ngôn ngữ thị giác dựa trên Mistral-3 (24B). VLM đóng góp vào việc căn chỉnh ngữ nghĩa và hiểu ngữ cảnh, trong khi bộ chuyển đổi xử lý cấu trúc không gian, biểu diễn vật liệu và hành vi ánh sáng.

Một thành phần quan trọng của bản cập nhật là việc đào tạo lại không gian tiềm ẩn của mô hình. FLUX.2 VAE tích hợp các tiến bộ trong căn chỉnh ngữ nghĩa, chất lượng tái tạo và khả năng học biểu diễn từ nghiên cứu gần đây về tối ưu hóa bộ mã hóa tự động. Các mô hình trước đó thường gặp phải sự cân bằng trong bộ ba khả năng học–chất lượng–nén: không gian nén cao làm tăng hiệu quả đào tạo nhưng làm giảm chất lượng tái tạo, trong khi các nút thắt rộng hơn có thể làm giảm khả năng của các mô hình tạo sinh trong việc học các phép biến đổi nhất quán.

Theo dữ liệu nghiên cứu của BFL, FLUX.2 VAE đạt được độ méo LPIPS thấp hơn so với các bộ mã hóa tự động FLUX.1 và SD, đồng thời cũng cải thiện FID tạo sinh. Sự cân bằng này cho phép FLUX.2 hỗ trợ chỉnh sửa độ trung thực cao — một lĩnh vực thường yêu cầu độ chính xác tái tạo — và vẫn duy trì khả năng học cạnh tranh cho đào tạo tạo sinh quy mô lớn.

Khả năng trên Quy trình làm việc Sáng tạo

Nâng cấp chức năng quan trọng nhất là hỗ trợ đa tham chiếu. FLUX.2 có thể nhập tới mười ảnh tham chiếu và duy trì danh tính, chi tiết sản phẩm hoặc yếu tố phong cách trong đầu ra. Tính năng này có liên quan đến các ứng dụng thương mại như tiếp thị, nhiếp ảnh ảo, phân cảnh và phát triển chiến dịch thương hiệu.

Các cải tiến về kiểu chữ của hệ thống giải quyết một thách thức dai dẳng đối với các kiến trúc dựa trên khuếch tán và dòng chảy. FLUX.2 có khả năng tạo ra văn bản nhỏ dễ đọc, bố cục có cấu trúc, các yếu tố giao diện người dùng và tài sản theo phong cách infographic với độ tin cậy cao hơn. Khả năng này, kết hợp với tỷ lệ khung hình linh hoạt và chỉnh sửa độ phân giải cao, mở rộng các trường hợp sử dụng mà văn bản và hình ảnh cùng nhau xác định đầu ra cuối cùng.

FLUX.2 cải thiện khả năng theo dõi lệnh cho các lời nhắc đa bước, có cấu trúc, cho phép kết quả dự đoán hơn trong các quy trình làm việc bị giới hạn. Mô hình thể hiện khả năng nền tảng tốt hơn trong các thuộc tính vật lý — chẳng hạn như hành vi ánh sáng và vật liệu — giảm thiểu sự không nhất quán trong các cảnh yêu cầu sự cân bằng quang thực.

Hệ sinh thái và Chiến lược Mã nguồn mở

Black Forest Labs tiếp tục định vị các mô hình của mình trong một hệ sinh thái kết hợp nghiên cứu mở với độ tin cậy thương mại. Các mô hình mở FLUX.1 đã giúp thiết lập phạm vi tiếp cận của công ty trên cả thị trường nhà phát triển và doanh nghiệp, và FLUX.2 mở rộng cấu trúc này: các điểm cuối thương mại được tối ưu hóa chặt chẽ cho các triển khai sản xuất và các trọng số mô hình mở, có thể kết hợp để thử nghiệm nghiên cứu và cộng đồng.

Công ty nhấn mạnh tính minh bạch thông qua mã suy luận được xuất bản, phát hành VAE có trọng số mở, hướng dẫn nhắc lệnh và tài liệu kiến trúc chi tiết. Nó cũng tiếp tục tuyển dụng nhân tài ở Freiburg và San Francisco khi theo đuổi lộ trình dài hạn hướng tới các mô hình đa phương thức thống nhất nhận thức, trí nhớ, lý luận và tạo sinh.

Bối cảnh: Flux và Sự hình thành của Black Forest Labs

Black Forest Labs (BFL) được thành lập vào năm 2024 bởi Robin Rombach, Patrick Esser và Andreas Blattmann, những người tạo ra Stable Diffusion gốc. Sự chuyển đổi của họ khỏi Stability AI diễn ra vào thời điểm đầy biến động đối với cộng đồng AI tạo sinh mã nguồn mở rộng lớn hơn, và sự ra mắt của BFL đã báo hiệu một nỗ lực mới nhằm xây dựng các mô hình ảnh có hiệu suất cao, dễ tiếp cận. Công ty đã huy động được 31 triệu đô la tài trợ hạt giống do Andreessen Horowitz dẫn đầu, với sự hỗ trợ bổ sung từ Brendan Iribe, Michael Ovitz và Garry Tan, cung cấp sự xác nhận sớm cho hướng kỹ thuật của mình.

Bản phát hành lớn đầu tiên của BFL, FLUX.1, đã giới thiệu kiến trúc 12 tỷ tham số có sẵn trong các biến thể Pro, Dev và Schnell. Nó nhanh chóng nổi tiếng về chất lượng đầu ra tương đương hoặc vượt trội so với các đối thủ cạnh tranh nguồn đóng như Midjourney v6 và DALL·E 3, trong khi các phiên bản Dev và Schnell củng cố cam kết của công ty về phân phối mở. FLUX.1 cũng được áp dụng nhanh chóng trong các sản phẩm hạ nguồn, bao gồm Grok 2 của xAI, và xuất hiện trong bối cảnh các cuộc thảo luận trong ngành đang diễn ra về tính minh bạch của bộ dữ liệu, việc sử dụng mô hình có trách nhiệm và vai trò của phân phối mã nguồn mở. BFL đã xuất bản các chính sách sử dụng nghiêm ngặt nhằm ngăn chặn việc sử dụng sai mục đích và tạo nội dung không có sự đồng thuận.

Vào cuối năm 2024, BFL đã mở rộng dòng sản phẩm với Flux 1.1 Pro, một mô hình tốc độ cao độc quyền mang lại cải thiện tốc độ tạo gấp sáu lần và đạt điểm ELO hàng đầu trên Artificial Analysis. Công ty đã ra mắt API trả phí cùng với bản phát hành, cho phép tích hợp có thể định cấu hình với độ phân giải, lựa chọn mô hình và cài đặt kiểm duyệt có thể điều chỉnh với mức giá bắt đầu từ 0,04 đô la cho mỗi ảnh.

Quan hệ đối tác với TogetherAI, Replicate, FAL và Freepik đã mở rộng phạm vi tiếp cận và cung cấp mô hình cho người dùng mà không cần tự lưu trữ, mở rộng phạm vi tiếp cận của BFL trên các nền tảng thương mại và hướng tới người sáng tạo.

Những phát triển này diễn ra trong bối cảnh cạnh tranh ngày càng tăng trong lĩnh vực truyền thông tạo sinh.

Ý nghĩa đối với các Nhà ra quyết định Kỹ thuật Doanh nghiệp

Bản phát hành FLUX.2 mang lại những ý nghĩa vận hành riêng biệt cho các nhóm doanh nghiệp chịu trách nhiệm về kỹ thuật AI, điều phối, quản lý dữ liệu và bảo mật. Đối với các kỹ sư AI chịu trách nhiệm quản lý vòng đời mô hình, sự sẵn có của cả các điểm cuối lưu trữ và các trọng số mô hình mở cho phép các đường dẫn tích hợp linh hoạt.

Các khả năng đa tham chiếu và hỗ trợ độ phân giải mở rộng của FLUX.2 giảm nhu cầu về các quy trình tinh chỉnh tùy chỉnh khi xử lý đầu ra phù hợp với thương hiệu hoặc nhất quán về danh tính, giảm chi phí phát triển và đẩy nhanh tiến độ triển khai. Khả năng tuân thủ lệnh nhắc và hiệu suất kiểu chữ được cải thiện của mô hình cũng giảm chu kỳ nhắc lặp lại, điều này có thể có tác động đáng kể đến hiệu quả khối lượng công việc sản xuất.

Các nhóm tập trung vào điều phối AI và mở rộng quy mô hoạt động hưởng lợi từ cấu trúc của dòng sản phẩm FLUX.2. Cấp độ Pro cung cấp các đặc điểm độ trễ có thể dự đoán phù hợp với khối lượng công việc quan trọng của quy trình, trong khi cấp độ Flex cho phép kiểm soát trực tiếp các bước lấy mẫu và tham số hướng dẫn, phù hợp với các môi trường yêu cầu tinh chỉnh hiệu suất nghiêm ngặt.

Truy cập trọng số mở cho mô hình Dev tạo điều kiện thuận lợi cho việc tạo các triển khai container tùy chỉnh và cho phép các nền tảng điều phối quản lý mô hình theo các phương pháp CI/CD hiện có. Điều này đặc biệt phù hợp với các tổ chức đang cân bằng giữa các công cụ tiên tiến với các ràng buộc về ngân sách, vì các triển khai tự lưu trữ mang lại khả năng kiểm soát chi phí với chi phí yêu cầu tối ưu hóa nội bộ.

Các bên liên quan kỹ thuật dữ liệu thu được lợi thế từ kiến trúc tiềm ẩn của mô hình và khả năng tái tạo trung thực được cải thiện. Biểu diễn hình ảnh chất lượng cao, có thể dự đoán làm giảm gánh nặng làm sạch dữ liệu hạ nguồn trong các quy trình làm việc mà tài sản được tạo ra cung cấp vào các hệ thống phân tích, quy trình tự động hóa sáng tạo hoặc phát triển mô hình đa phương thức.

Vì FLUX.2 hợp nhất các chức năng tạo ảnh từ văn bản và chỉnh sửa ảnh vào một mô hình duy nhất, nó đơn giản hóa các điểm tích hợp và giảm độ phức tạp của luồng dữ liệu trên các lớp lưu trữ, phiên bản và giám sát. Đối với các nhóm quản lý khối lượng lớn ảnh tham chiếu, khả năng kết hợp tới mười đầu vào cho mỗi lần tạo cũng có thể hợp lý hóa các quy trình quản lý tài sản bằng cách chuyển nhiều xử lý biến thể vào mô hình thay vì công cụ bên ngoài.

Đối với các nhóm bảo mật, th th phương pháp mã nguồn mở của FLUX.2 đưa ra các cân nhắc liên quan đến kiểm soát truy cập, quản trị mô hình và giám sát sử dụng API. Các điểm cuối FLUX.2 được lưu trữ cho phép thực thi tập trung các chính sách bảo mật và giảm tiếp xúc cục bộ với trọng số mô hình, điều này có thể được ưu tiên cho các tổ chức có yêu cầu tuân thủ nghiêm ngặt hơn.

Ngược lại, các triển khai trọng số mở yêu cầu các kiểm soát nội bộ về tính toàn vẹn của mô hình, theo dõi phiên bản và giám sát thời gian suy luận để ngăn chặn việc sử dụng sai mục đích hoặc sửa đổi không được phê duyệt. Cách mô hình xử lý kiểu chữ và bố cục thực tế cũng củng cố sự cần thiết của các khuôn khổ quản trị nội dung đã được thiết lập, đặc biệt là nơi các hệ thống tạo sinh giao tiếp với các kênh công khai.

Trên các vai trò này, thiết kế của FLUX.2 nhấn mạnh các đặc tính hiệu suất có thể dự đoán, các tùy chọn triển khai mô-đun và giảm ma sát hoạt động. Đối với các doanh nghiệp có đội ngũ tinh gọn hoặc yêu cầu thay đổi nhanh chóng, bản phát hành cung cấp một bộ khả năng phù hợp với các ràng buộc thực tế về tốc độ, chất lượng, ngân sách và quản trị mô hình.

FLUX.2 đánh dấu một cải tiến lặp lại đáng kể trong ngăn xếp hình ảnh tạo sinh của Black Forest Labs, với những cải tiến đáng chú ý về tính nhất quán đa tham chiếu, hiển thị văn bản, chất lượng không gian tiềm ẩn và khả năng tuân thủ lệnh nhắc có cấu trúc. Bằng cách kết hợp các dịch vụ được quản lý hoàn toàn với các trọng số mô hình mở, BFL duy trì mô hình mã nguồn mở của mình đồng thời mở rộng sự liên quan của nó đối với các quy trình làm việc sáng tạo thương mại. Bản phát hành cho thấy sự chuyển dịch từ tạo ảnh thử nghiệm sang các hệ thống có thể dự đoán, có khả năng mở rộng và kiểm soát được nhiều hơn, phù hợp với mục đích sử dụng hoạt động.

Link bài viết gốc

• Tags:
• Ai
• 26 November 2025
• Venturebeat.com