फ्लक्स

FLUX Text-to-image generation डिफ्यूज़न मॉडल का एक परिवार है, जिसे अगस्त 2024 में ब्लैक फॉरेस्ट लैब्स द्वारा जारी किया गया था, यह कंपनी उन शोधकर्ताओं द्वारा स्थापित की गई थी जिन्होंने पहले स्टेबल डिफ्यूज़न और संबंधित लेटेंट डिफ्यूज़न अनुसंधान, जिसमें रॉबिन रोम्बैक शामिल हैं, का निर्माण किया था। ब्लैक फॉरेस्ट लैब्स का गठन 2024 में इसके संस्थापकों के स्टेबिलिटी एआई छोड़ने के बाद हुआ था, और FLUX कंपनी की पहली बड़ी सार्वजनिक रिलीज़ थी।

मॉडल वेरिएंट

FLUX को विभिन्न उपयोग मामलों और लाइसेंसिंग आवश्यकताओं को ध्यान में रखते हुए कई वेरिएंट में जारी किया गया था: FLUX.1 [pro], एक बंद, उच्च-प्रदर्शन वाला मॉडल जो API के माध्यम से सुलभ है; FLUX.1 [dev], एक ओपन-वेट मॉडल जो गैर-वाणिज्यिक उपयोग और अनुसंधान के लिए उपलब्ध है; और FLUX.1 [schnell], एक डिस्टिल्ड, तेज़ ओपन-वेट मॉडल जो अनुमेय Apache 2.0 लाइसेंस के तहत जारी किया गया है और वाणिज्यिक उपयोग के लिए उपयुक्त है। यह स्तरीय संरचना ब्लैक फॉरेस्ट लैब्स को पूरी तरह से खुला, वाणिज्यिक रूप से उपयोग योग्य विकल्प और उच्च-गुणवत्ता वाला गेटेड विकल्प दोनों प्रदान करने की अनुमति देती है, जो मिडजर्नी के पूरी तरह से बंद दृष्टिकोण और स्टेबल डिफ्यूज़न की पूरी तरह से खुली मूल रिलीज़ के बीच एक मध्य मार्ग है।

तकनीकी दृष्टिकोण

FLUX एक डिफ्यूज़न ट्रांसफॉर्मर आर्किटेक्चर का उपयोग करता है, जिसमें फ्लो-मैचिंग प्रशिक्षण तकनीकों को शामिल किया गया है जिन्होंने समकालीन अनुसंधान में पहले के डीनॉइज़िंग डिफ्यूज़न दृष्टिकोणों की तुलना में दक्षता लाभ दिखाया था, और पहले के ओपन डिफ्यूज़न मॉडल की तुलना में मॉडल आकार में काफी वृद्धि की। रिलीज़ होने पर, FLUX मॉडल को व्यापक रूप से मौजूदा ओपन विकल्पों, जिसमें स्टेबल डिफ्यूज़न के विभिन्न संस्करण शामिल हैं, से बेहतर बताया गया, जो प्रॉम्प्ट पालन, छवि विवरण, और छवियों के भीतर पाठ प्रस्तुत करने के उपायों पर आधारित था, जो ऐतिहासिक रूप से डिफ्यूज़न-आधारित छवि जनरेटर की कमजोरी रहा है।

अपनाना और एकीकरण

क्योंकि FLUX के ओपन-वेट वेरिएंट को डाउनलोड और स्वतंत्र रूप से चलाया जा सकता था, मॉडल को तेजी से उसी समुदाय पारिस्थितिकी तंत्र द्वारा अपनाया गया जो स्टेबल डिफ्यूज़न के आसपास विकसित हुआ था, जिसमें LoRA फाइन-ट्यूनिंग और कंट्रोलनेट-शैली कंडीशनिंग टूल के लिए समर्थन शामिल है, और यह हगिंग फेस और सामुदायिक फाइन-ट्यूनिंग हब जैसे प्लेटफार्मों पर एक सामान्य बेस मॉडल बन गया। FLUX ने एक महत्वपूर्ण वाणिज्यिक साझेदारी भी हासिल की जब xAI ने FLUX को अपने Grok चैटबॉट के लिए छवि-निर्माण बैकएंड के रूप में एकीकृत किया, जिससे मॉडल को अपने ओपन-सोर्स डेवलपर समुदाय से परे एक बड़े पैमाने पर उपभोक्ता तैनाती मिली।

स्वागत

FLUX को समीक्षकों और ओपन-सोर्स एआई समुदाय द्वारा व्यापक रूप से अपनी रिलीज़ के समय ओपन या खुले तौर पर लाइसेंस प्राप्त छवि-निर्माण मॉडल के बीच एक नया स्टेट ऑफ द आर्ट स्थापित करने के रूप में माना गया, जिसने पहले ओपन मॉडल और डैल-ई और मिडजर्नी जैसी अग्रणी बंद प्रणालियों के बीच के अंतर को काफी हद तक कम कर दिया। इसकी रिलीज़ ने जनरेटिव एआई में एक व्यापक पैटर्न को चित्रित किया जिसमें विशेष टीमें, जो अक्सर उन शोधकर्ताओं से बनी होती हैं जिन्होंने पहले एक कंपनी में पहली पीढ़ी का सफलता मॉडल बनाया था, उसी तकनीक की अगली पीढ़ी के निर्माण के लिए केंद्रित स्टार्टअप शुरू करने के लिए छोड़ देती हैं, जो ओपनएआई और अन्य फ्रंटियर लैब्स से प्रस्थान में भी देखी गई गतिशीलता को प्रतिध्वनित करता है। ब्लैक फॉरेस्ट लैब्स ने FLUX के निरंतर ओपन रिलीज़ को अपनी पहचान और व्यावसायिक रणनीति के केंद्र में रखा, जिसका उद्देश्य छवि निर्माण के लिए एक खुला पारिस्थितिकी तंत्र बनाए रखना था, भले ही व्यापक जनरेटिव एआई उद्योग, जिसमें Google के वीओ से वीडियो निर्माण प्रयास शामिल हैं, बंद, केवल-API उत्पादों की ओर अग्रसर हो।