FLUX es una familia de texto-a-imagen modelos de difusión lanzados en agosto de 2024 por Black Forest Labs, una empresa fundada por investigadores que anteriormente habían creado Stable Diffusion e investigación relacionada sobre difusión latente, incluido Robin Rombach. Black Forest Labs se formó en 2024 después de que sus fundadores dejaran Stability AI, y FLUX fue el primer lanzamiento público importante de la empresa.
Variantes del modelo
FLUX se lanzó en múltiples variantes dirigidas a diferentes casos de uso y necesidades de licencia: FLUX.1 [pro], un modelo cerrado de alto rendimiento accesible a través de API; FLUX.1 [dev], un modelo de pesos abiertos disponible para uso no comercial e investigación; y FLUX.1 [schnell], un modelo destilado más rápido con pesos abiertos lanzado bajo una licencia Apache 2.0 permisiva adecuada para uso comercial. Esta estructura escalonada permitió a Black Forest Labs ofrecer tanto una opción totalmente abierta y comercializable como una opción de mayor calidad pero restringida, un punto intermedio entre el enfoque totalmente cerrado de Midjourney y el lanzamiento original totalmente abierto de Stable Diffusion.
Enfoque técnico
FLUX utiliza una arquitectura de transformador de difusión, incorporando técnicas de entrenamiento por flujo (flow-matching) que habían mostrado ventajas de eficiencia sobre los enfoques anteriores de difusión por denoising en la investigación contemporánea, y escaló sustancialmente el tamaño del modelo en comparación con los modelos de difusión abiertos anteriores. En su lanzamiento, se informó ampliamente que los modelos FLUX superaban a las alternativas abiertas existentes, incluidas varias versiones de Stable Diffusion, en medidas de adherencia a las indicaciones, detalle de imagen y representación de texto dentro de las imágenes, un área que históricamente había sido una debilidad de los generadores de imágenes basados en difusión.
Adopción e integración
Debido a que las variantes de pesos abiertos de FLUX podían descargarse y ejecutarse de forma independiente, el modelo fue adoptado rápidamente por el mismo ecosistema comunitario que había crecido en torno a Stable Diffusion, incluido el soporte para el ajuste fino con LoRA y herramientas de acondicionamiento estilo ControlNet, y se convirtió en un modelo base común en plataformas como Hugging Face y centros de ajuste fino comunitarios. FLUX también obtuvo una importante asociación comercial cuando xAI integró FLUX como el motor de generación de imágenes para su chatbot Grok, lo que le dio al modelo un despliegue a gran escala para consumidores más allá de la comunidad de desarrolladores de código abierto.
Recepción
FLUX fue ampliamente considerado por los críticos y la comunidad de IA de código abierto como un nuevo estado del arte entre los modelos de generación de imágenes abiertos o con licencia abierta en el momento de su lanzamiento, cerrando gran parte de la brecha que anteriormente separaba a los modelos abiertos de los sistemas cerrados líderes como DALL-E y Midjourney. Su lanzamiento ilustró un patrón más amplio en la IA generativa en el que equipos especializados, a menudo compuestos por investigadores que habían construido un modelo innovador de primera generación en una empresa, se fueron para fundar startups enfocadas en construir la próxima generación de la misma tecnología, haciendo eco de dinámicas también observadas entre las salidas de OpenAI y otros laboratorios fronterizos. Black Forest Labs posicionó los lanzamientos abiertos continuos de FLUX como centrales para su identidad y estrategia comercial, con el objetivo de mantener un ecosistema abierto para la generación de imágenes incluso mientras gran parte de la industria más amplia de IA generativa, incluidos los esfuerzos de generación de video de Google con Veo, tendía hacia productos cerrados y solo API.