重磅！黑森林实验室开放 FLUX.1 Kontext [dev]权重，120 亿参数黑科技，重塑图像编辑格局！

迄今为止，所有功能强大的生成式图像编辑模型都只能作为专有工具使用。如今，黑森林实验室发布了 FLUX.1 Kontext [dev]，这是FLUX.1 Kontext [pro]的开发者版本，它在一个 120 亿参数的模型中提供专有级别的图像编辑性能，并且可在消费级硬件上运行。

开放模型权重是技术创新的基石。FLUX.1 Kontext [dev]现已作为开放权重模型在 FLUX.1 非商业许可证下发布，可供研究和非商业用途免费使用。FLUX.1 Kontext [dev] 与现有的 FLUX.1 [dev] 推理代码兼容，并提供对 ComfyUI、HuggingFace Diffusers 和 TensorRT 等热门推理框架的即时支持。

主要特点

• 根据编辑指令更改现有图像。
• 具有特征、风格和对象参考，无需任何微调。
• 强大的一致性允许用户通过多次连续编辑来优化图像，同时最大程度地减少视觉漂移。
• 采用指导蒸馏进行训练，FLUX.1 Kontext [dev]效率更高。
• 开放权重以推动新科学研究，并授权开发创新工作流。
• 生成的输出可用于个人、科学和商业目的，如FLUX.1 [dev] 非商业许可证中所述。

结果展示

FLUX.1 Kontext 的文本转图像示例，具有低烘焙度、多样风格和精准的排版。

风格参考。给定一张输入图像，模型提取其艺术风格，并将其应用于生成多样化的新场景，同时保留原始风格特征。

产品摄影。（a）输入图像展示整套服装。（b）提取的裙子，置于白色背景下，采用产品摄影风格。（c）裙子面料的特写，突出纹理和图案细节。

FLUX.1 Kontext 能够利用边界框等视觉提示来编辑文本，同时保持其风格。

连续的面部表情编辑。从参考侧面 (a) 开始，模型首先将拍摄对象重新调整朝向相机 (b)，然后将她的表情更改为自然大笑 (c)，同时保留背景、服装和光线。

迭代式产品风格编辑。从参考碗 (a) 开始，模型首先在桌面工作室环境中生成一个与之匹配的花瓶，其中插满鲜花 (b)，然后 将花瓶的底色更改为黑色，同时保留花卉图案、光线和构图 (c)。

树立开放图像编辑的新标准

FLUX.1 Kontext [dev] 专注于编辑任务。该模型支持迭代编辑，擅长在各种场景和环境中保留角色，并支持精确的局部和全局编辑。

实验评估

为了验证 FLUX.1 Kontext [dev] 的性能，在多个图像编辑基准测试中进行了广泛的评估。

最新发布的图像编辑基准KontextBench上的人类偏好评估表明，FLUX.1 Kontext [dev] 在多个类别中的表现均优于现有的开放图像编辑模型（字节跳动 Bagel、HiDream-E1-Full）和封闭模型（谷歌的 Gemini-Flash Image）。由Artificial Analysis进行的独立评估也证实了这些发现。

针对 NVIDIA Blackwell 架构进行了优化

实验室与 NVIDIA 合作，专为新的NVIDIA Blackwell架构设计了优化的 TensorRT 权重，这大大提高了推理速度并降低了内存使用量，同时保持了高质量的图像编辑性能。

除了原有的 FLUX.1 Kontext [dev] 权重外，还在Hugging Face 代码库中提供了 BF16、FP8 和 FP4 TensorRT 变体，让开发者能够根据自己的用例灵活地平衡速度、效率和质量。

相关链接

• 论文：https://arxiv.org/pdf/2506.15742
• 主页：https://bfl.ai/announcements/flux-1-kontext-dev
• 模型：https://huggingface.co/black-forest-labs/FLUX.1-Kontext-dev
• ComfyUI：https://github.com/comfyanonymous/ComfyUI
• 代码：https://github.com/black-forest-labs/flux
• API 文档：https://docs.bfl.ai/quick_start/introduction
• 自助服务门户：http://bfl.ai/pricing/licensing
• 帮助台：https://help.bfl.ai

unsetunset论文介绍unsetunset

论文展示了 FLUX.1 Kontext 的评估结果，这是一个统一图像生成和编辑的生成流匹配模型。该模型通过整合文本和图像输入的语义上下文，生成新颖的输出视图。FLUX.1 Kontext 采用简单的序列连接方法，在一个统一的架构中同时处理局部编辑和生成上下文任务。与当前在多轮编辑过程中字符一致性和稳定性下降的编辑模型相比，论文观察到 FLUX.1 Kontext 改进了对象和字符的保存，从而提高了迭代工作流的鲁棒性。该模型的性能与当前最先进的系统相当，同时生成时间显著缩短，支持交互式应用程序和快速原型设计工作流。

为了验证这些改进，论文引入了 KontextBench，这是一个全面的基准测试，包含 1026 个图像-提示对，涵盖五个任务类别：局部编辑、全局编辑、字符引用、样式引用和文本编辑。详细评估表明，FLUX.1 Kontext 在单轮质量和多轮一致性方面均表现出色，为统一图像处理模型树立了新的标准

方法概述

实验结果

结论

FLUX.1 Kontext是一个流匹配模型，它将上下文图像生成和编辑功能整合到一个框架中。通过简单的序列连接和训练方案，FLUX.1 Kontext 实现了最佳性能，同时解决了一些关键限制，例如多轮编辑过程中的字符漂移、推理速度慢和输出质量低。

本文转载自​​​AIGC Studio​​​，作者：AIGC Studio