Black Forest Labs发布FLUX.2：开创图像生成新纪元的多参考模型

开源生态迎来最强图像生成模型，10图参考与4MP编辑能力将改变创意工作流程。

德国人工智能公司Black Forest Labs今日正式发布FLUX.2系列图像生成模型，该模型在多项基准测试中以66.6%的胜率领先开源替代方案。FLUX.2最大亮点在于可同时参考多达10张图片生成保持高度一致性的新图像，并支持400万像素的高分辨率编辑，被业内誉为“首个真正适用于生产环境的开源级图像模型”。

01 多参考图像生成，一致性突破95%

FLUX.2的核心突破在于其多参考条件生成能力。传统图像生成模型通常仅能根据单张参考图进行风格迁移，而FLUX.2可一次性接受最多10张风格、构图或姿势样例。

这一技术使得生成图像与参考素材之间的一致性达到95%以上，支持对角色姿势、光影效果和配色方案进行精准锁定。

对于需要品牌一致性的电商广告、角色一致性插画以及产品可视化等应用场景，这一能力意味着质变。创作者无需为每个新场景训练LoRA模型或手动调节参数，即可快速生成同一角色或产品在不同环境下的表现。

02 四大模型版本，满足不同需求层次

FLUX.2系列包含四个不同定位的模型版本，覆盖从商业生产到学术研究的各种需求。

FLUX.2 [pro] 作为商业旗舰版本，提供媲美顶级闭源模型的图像质量，生成速度提升2倍，成本降低30%。

FLUX.2 [flex] 允许开发者调整步数和引导系数等参数，适合需要精细控制生成效果的用户进行二次调优。

FLUX.2 [dev] 是此次开放的32B参数权重模型，采用非商业许可协议，将文生图与多图编辑功能集成在单一架构中，当前可在Hugging Face上下载。

FLUX.2 [klein] 作为即将推出的蒸馏轻量版，参数量减少50%但保持同等性能，特别适合边缘设备部署。

03 技术架构创新，理解能力显著提升

FLUX.2基于潜在流匹配架构，将图像生成和编辑功能集成在统一框架中。该模型创新性地将Mistral-3 24B视觉语言模型与整流流式Transformer相结合。

这一架构使FLUX.2在理解复杂、结构化指令方面表现卓越，减少了37%的空间关系和光照物理错误。模型能够更好地遵循现实世界知识，生成更加连贯的场景和符合预期的行为。

在文本渲染方面，FLUX.2实现了92%的复杂排版准确率，超过DALL·E3约10个百分点，能够可靠生成信息图表、UI界面和表情包等包含清晰文本的元素。

04 开源策略与开发者支持

Black Forest Labs此次采用了 “开源核心+限制权重”的策略。模型推理代码、自编码器和训练管道已完全开源，遵循Apache 2.0协议，开发者可在本地环境中部署和修改。

全新开发的FLUX.2-VAE（变分自编码器）潜在空间压缩率提升18%，为训练与推理过程节省约15%的显存需求。

公司已提供PyTorch、Diffusers和ComfyUI的示例代码及插件，GitHub仓库包含入门脚本，Hugging Face上也提供了零代码体验的Demo空间。Stable Diffusion官方社区和ComfyUI已宣布支持FLUX.2模型适配。

05 实际应用场景与性能表现

在实际测试中，FLUX.2展现出对复杂提示词的精准理解能力。当要求生成“办公楼楼梯间监控画面，椅子垒到数层楼高”的场景时，模型准确还原了鱼眼镜头畸变效果和建筑结构异常感。

与同日发布的Nano Banana Pro相比，FLUX.2在风格还原上更为精准。在生成2000年代CCD相机风格的“树懒在酒馆喝酒”图片时，FLUX.2更好地捕捉了闪光灯效果和画质特点。

不过测试也显示，FLUX.2目前对中文文本渲染的支持有限，在处理中文提示词时会出现乱码。该模型主要优势在于图像生成和编辑，而非多语言文本处理。

FLUX.2的出现标志着AI图像生成从“演示工具”向“生产工具”的转变。其多参考一致性生成能力将显著降低电商、广告和漫画等行业的视觉制作门槛，而开源策略则为整个生态注入创新活力。

随着FLUX.2 [dev]的权重开放和开发者工具的完善，开源图像生成生态可能迎来一个全新的“后SD时代”。

文章来源：综合自站长之家、腾讯新闻、微信公众号及网易新闻等媒体报道