FLUX ist eine Familie von Text-zu-Bild-Diffusionsmodellen, die im August 2024 von Black Forest Labs veröffentlicht wurde, einem Unternehmen, das von Forschern gegründet wurde, die zuvor Stable Diffusion und verwandte latente Diffusionsforschung entwickelt hatten, darunter Robin Rombach. Black Forest Labs wurde 2024 gegründet, nachdem seine Gründer Stability AI verlassen hatten, und FLUX war die erste große öffentliche Veröffentlichung des Unternehmens.
Modellvarianten
FLUX wurde in mehreren Varianten veröffentlicht, die auf verschiedene Anwendungsfälle und Lizenzanforderungen zugeschnitten sind: FLUX.1 [pro], ein geschlossenes, leistungsfähigeres Modell, das über eine API zugänglich ist; FLUX.1 [dev], ein Modell mit offenen Gewichten für die nicht-kommerzielle Nutzung und Forschung; und FLUX.1 [schnell], ein destilliertes, schnelleres Modell mit offenen Gewichten, das unter einer freizügigen Apache-2.0-Lizenz für die kommerzielle Nutzung veröffentlicht wurde. Diese abgestufte Struktur ermöglichte es Black Forest Labs, sowohl eine vollständig offene, kommerziell nutzbare Option als auch eine qualitativ hochwertigere, eingeschränkte Option anzubieten – einen Mittelweg zwischen dem vollständig geschlossenen Ansatz von Midjourney und der vollständig offenen ursprünglichen Veröffentlichung von Stable Diffusion.
Technischer Ansatz
FLUX verwendet eine Diffusions-Transformer-Architektur und integriert Flow-Matching-Trainingstechniken, die in der zeitgenössischen Forschung Effizienzvorteile gegenüber früheren Denoising-Diffusionsansätzen gezeigt hatten. Zudem wurde die Modellgröße im Vergleich zu früheren offenen Diffusionsmodellen erheblich skaliert. Zum Zeitpunkt der Veröffentlichung wurde weithin berichtet, dass FLUX-Modelle bestehende offene Alternativen, einschließlich verschiedener Versionen von Stable Diffusion, in Bezug auf Prompt-Treue, Bilddetails und die Darstellung von Text in Bildern übertrafen – ein Bereich, der historisch eine Schwäche diffusionsbasierter Bildgeneratoren war.
Adoption und Integration
Da die Open-Weights-Varianten von FLUX heruntergeladen und unabhängig ausgeführt werden konnten, wurde das Modell schnell von derselben Community-Ökosphäre übernommen, die sich um Stable Diffusion gebildet hatte, einschließlich Unterstützung für LoRA-Feinabstimmung und ControlNet-artige Konditionierungswerkzeuge. Es wurde zu einem gängigen Basismodell auf Plattformen wie Hugging Face und Community-Feinabstimmungs-Hubs. FLUX erlangte außerdem eine bedeutende kommerzielle Partnerschaft, als xAI FLUX als Bildgenerierungs-Backend für seinen Grok-Chatbot integrierte, was dem Modell eine groß angelegte Verbraucherbereitstellung über seine Open-Source-Entwickler-Community hinaus verschaffte.
Rezeption
FLUX wurde von Rezensenten und der Open-Source-KI-Community weithin als neuer Stand der Technik unter den offenen oder offen lizenzierten Bildgenerierungsmodellen zum Zeitpunkt seiner Veröffentlichung angesehen und schloss einen Großteil der Lücke, die offene Modelle zuvor von führenden geschlossenen Systemen wie DALL-E und Midjourney getrennt hatte. Seine Veröffentlichung veranschaulichte ein breiteres Muster in der generativen KI, bei dem spezialisierte Teams, die oft aus Forschern bestehen, die zuvor ein bahnbrechendes Modell der ersten Generation bei einem Unternehmen entwickelt hatten, dieses verließen, um fokussierte Startups zu gründen, die die nächste Generation derselben Technologie entwickelten – eine Dynamik, die auch bei Abgängen von OpenAI und anderen führenden Labors zu beobachten war. Black Forest Labs positionierte die fortlaufenden offenen Veröffentlichungen von FLUX als zentral für seine Identität und Geschäftsstrategie, mit dem Ziel, ein offenes Ökosystem für die Bildgenerierung aufrechtzuerhalten, selbst als ein Großteil der breiteren generativen-KI-Branche, einschließlich der Bemühungen zur Videogenerierung von Googles Veo, zu geschlossenen, API-only-Produkten tendierte.