FLUX 2 重磅発表と評価フィードバック

Black Forest Labs が FLUX 2 ビジュアルモデルファミリーを発表し、複数のバージョンとアーキテクチャの詳細を公開しました。
Key insights
FLUX 2 の四つのバージョンが商用 API からオープンソースのローカル実行までをカバー
Black Forest Labs は FLUX 2 を pro、flex、dev、klein の四つのバージョンに分けています:pro は API を通じて提供され、品質とコストのバランスを強調;flex はステップ数とガイダンス係数を調整可能で、提示遵守と速度の折衷を実現;dev は 32B のオープンウェイトで、単一の RTX 4090 でローカル実行可能、現在最強のオープンソース画像生成と編集モデルとして位置付け;klein は Apache 2.0 ライセンスでリリース予定で、基礎モデルからの蒸留による軽量デプロイを目指しています。発表は商業と研究のオープンなルートを兼ね備えています。
多画像参照と高解像度編集が製品のコア機能に
FLUX 2 のコア能力には、最大 10 枚の画像を同時に参照してキャラクターとスタイルの一貫性を維持することが含まれ、最大 4MP(400 万ピクセル)の画像編集をサポートします。これにより、ブランドデザイン、キャラクター開発、製品撮影などのプロダクションシーンに対応することを目指しています。さらに、テキストレンダリング能力が大幅に向上し、複雑なタイポグラフィ、インフォグラフィック、インターフェースプロトタイプの精密なテキスト生成に利用可能で、画像生成におけるテキストの正確性の問題を解決しました。
モデルアーキテクチャとトレーニング:潜在フロー一致 + VAE 再トレーニング
FLUX 2 は潜在フロー一致アーキテクチャに基づき、画像生成と編集を単一のモデルに統合し、Mistral-3 24B のビジュアル-言語能力と修正フロートランスフォーマーを組み合わせて空間と素材の関係を処理します。チームはモデルの潜在空間(VAE)をゼロから再トレーニングし、学習可能性、品質、圧縮率の間でより良いバランスを達成し、多モーダル理解と画像品質の一貫性を向上させました。
FLUX 2 の位置付け:デモからプロダクションレベルのアプリケーションへ
発表の説明では、FLUX 2 は単に美しい画像を生成するためのデモツールではなく、ブランド規範を処理し、スタイルの一貫性を維持し、テキストを正確にレンダリングするプロダクションツールであることが強調されています。可視化、製品撮影、ブランドデザインなどのシーンに適用可能です。Black Forest Labs は「オープンコア」戦略を提唱し、商業 API を提供する一方でオープンウェイトを公開し、研究者や開発者の技術進化への参加を促進し、少数の企業によるビジュアルインテリジェンスの独占を避けることを目指しています。
コミュニティの初期テストと限界:中文と多モーダル推論にはまだ差がある
初期のテストと比較では、FLUX 2 は 2K 解像度での一貫性が一部の競合より優れていることが示されましたが、中文の提示遵守と多モーダルの世界知識推論においては Banana シリーズに劣り、一部のテストでは一貫性や要素の欠如が見られました。開発者は、基盤となる VLM を置き換えることでさらなる潜在的な向上が期待できると指摘しています。