FLUX 3 Image Klein Prompt Upsampler

FLUX 3 Image Klein Prompt Upsampler

一个 9B 模型，把简短的图像请求、最多 10 张参考图和可选的边界框，变成一条给 FLUX 3 Image Klein 用的详细提示词。适用于编辑、文生图和布局工作。

由 black-forest-labs 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这是 Black Forest Labs 为 FLUX 3 Image Klein 做的提示词写手，一个既能读图像也能读文字的 9B 模型。它的输入是一个简短的请求、最多 10 张参考图，以及你想要时可加的一组标明各物体位置的框。它返回一条专为 FLUX 3 Image Klein 写的详细提示词。它是从 Qwen3.5-9B 训练而来的。

适合谁：适合使用 FLUX 3 Image Klein、不想手写完整提示词的开发者和图像创作者。一个模型涵盖带参考图的编辑、文生图，以及带边界框的布局。

行业 | 谁在用 | 怎么用 | 例子
图像生成 | 图像应用的开发者 | 把用户的简短请求扩展成完整提示词 | 把一行请求变成详细的场景描述
设计 | 设计师 | 让各个元素待在画面中该在的位置 | 传入边界框，让每个元素落在它的框里
照片编辑 | 编辑人员 | 围绕参考图里的内容来写编辑指令 | 提出一个修改，并说明哪些保持不变
工作流工具 | ComfyUI 用户 | 在文生图模板里打开提示词扩展器 | 使用 enable_prompt_upsampler 开关

如果你不用 FLUX 3 Image Klein，可以跳过它。模型卡说每次都要配合它运行提示词扩展器，而这一个就是为它调优的。

用在哪里：

• FLUX 3 推理代码，默认会加载它
• Diffusers 模块化流水线，会自动运行它
• ComfyUI，通过文生图模板里的 enable_prompt_upsampler 开关
• Transformers，用来单独运行扩展器

Use case | Who | What they get back
文生图 | 图像创作者 | 给图像模型用的详细提示词
图像编辑 | 编辑人员 | 说明哪些改变、哪些保持的提示词
带框布局 | 设计师 | 提示词加一张按 id 引用每个框的框表

如何设置：你需要 Python，如果想用完整流水线，还需要 FLUX 3 Image Klein 的代码。

• Windows、macOS 或 Linux 上的 Python
• FLUX 3 Image Klein 推理代码，或者只用 transformers 库单独运行扩展器
• 放得下 18.8 GB 模型文件的空间

1. 按推理代码自己的说明安装它。
2. 把权重下载到本地文件夹。
3. 带上你的请求运行命令行工具。

hf download black-forest-labs/flux-3-image-klein-pup --local-dir weights/pup
python scripts/cli.py "A man walking with his dog, afternoon sun" --out out.png

如何使用：在推理代码里，扩展器默认开启，no-pup 标志会把你的提示词原样发送。如果只想扩展提示词而不生成图像，用 pup 模块，给它一个提示词和一个输出文件。

python -m flux3.pup --prompt "..." --out caption.txt

要用 Transformers 单独运行它，先加载处理器和模型，读取系统提示词文件，再选一个模式。

import json

import torch
from huggingface_hub import hf_hub_download

model_id = "black-forest-labs/flux-3-image-klein-pup"
processor = AutoProcessor.from_pretrained(model_id)
prompts = json.load(open(hf_hub_download(model_id, "system_prompts.json")))

messages = [{"role": "system", "content": prompts["t2i"]},
            {"role": "user", "content": "A man walking with his dog, afternoon sun"}]
inputs = processor.apply_chat_template(messages, add_generation_prompt=True, tokenize=True, return_dict=True,
                                       return_tensors="pt", enable_thinking=False).to(model.device)

先在 它的密钥设置 里填上你自己的值。

模型卡的这段代码从这里往下继续生成并解码回复，在这里看到的内容里被截断了。

工具 | 作用
t2i | 文生图的系统提示词
i2i | 带参考图编辑的系统提示词
t2i_bbox | 带边界框的文生图系统提示词
i2i_bbox | 带参考图和边界框的编辑系统提示词

示例：你发送那个关于男人在午后阳光下遛狗的请求。在模型卡的示例里，模型返回了一条约 220 个词的长提示词。它涵盖了镜头、低角度的光线和阴影、男人的衣着，以及他在画面中的位置。

新手与专家：图像模型在提示词详细时表现更好，而这个模型替你写。第一步很小：运行命令行示例，比较开启和关闭扩展器的结果。

除了保持不变的视觉塔，所有权重都做了调整，起点是 Qwen3.5-9B。训练分两轮。先学习简短请求与其扩展提示词的配对。然后针对它自己写的两条提示词之间的偏好做调优。每条提示词都用 FLUX 3 Image Klein 在同一个种子下变成图像，由图像决定哪条提示词胜出。你传入的边界框会原样保留在提示词后面的框表里。

发送一个简短请求
需要时加上参考图或边界框
系统提示词选择模式
收到一条详细提示词

注意事项：

• 别的语言模型也可以借助 JSON 文件里的系统提示词担任这个角色，但这个模型才是为它调优的。
• 要在图像里渲染的文字会原样保留，并放在引号里。
• 模型文件是 bfloat16，18.8 GB，列出的参数为 9.4B。
• License: Apache License 2.0。
• Cost to run: 未提及，你使用自己的硬件。
• Data it reaches: 你的请求、参考图和边界框，以及从 Hugging Face 下载的文件。
• Not for: 不配合 FLUX 3 Image Klein 使用，因为它就是为此调优的。

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：9.4B
• Weights: about 18.8 GB in BF16; about 4.7 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：71,876
• 点赞：81
• 许可证：apache-2.0
• 语言：en
• 基于：Qwen/Qwen3.5-9B
• Quantized versions: 18
• Fine-tunes: 5
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, prompt-upsampling, prompt-rewriting, text-to-image, image-editing, flux, flux-3, black-forest-labs, conversational

链接

• 模型：https://huggingface.co/black-forest-labs/flux-3-image-klein-pup
• 文件：https://huggingface.co/black-forest-labs/flux-3-image-klein-pup/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download black-forest-labs/flux-3-image-klein-pup

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。