FLUX.2 [klein] 4B Base

FLUX.2 [klein] 4B Base

用开放的 4B 基础模型，根据文字提示和参考图生成并编辑图像，适合在一张消费级显卡上做微调、LoRA 训练和自定义流程。

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：FLUX.2 [klein] 4B Base 是 black-forest-labs 推出的图像模型。它能把文字描述变成图片，也能参考一张或多张图来编辑图片。它约有 3.9B 参数，这个基础版没有经过蒸馏，保留了完整的训练信号，方便想自行调整的人。

适合谁：适合想要一个开放图像模型的开发者、研究人员和艺术家，可以在一张消费级显卡上运行，并用自己的数据来调整。

行业 | 谁在用 | 怎么用 | 例子
软件 | 机器学习工程师 | 微调基础权重或训练 LoRA | 用团队自己的图片训练出专属风格
研究 | 高校实验室 | 研究输出多样的未蒸馏流模型 | 用多个随机种子采样来比较多样性
设计 | 数字艺术家 | 在本地机器上生成和编辑图片 | 参考多张图完成一次编辑
工具开发 | 流程搭建者 | 把模型接入 ComfyUI 或 diffusers 工作流 | 搭配自己的采样代码做定制图像流程

只想要最快出图、完全不打算调整的人可以跳过这个基础版。

用在哪里：只要你能在合适的显卡上使用 diffusers 或 ComfyUI，就能运行它。

• Diffusers：Python 里的 Flux2KleinPipeline 类
• ComfyUI，它支持这个模型
• black-forest-labs 的 GitHub 仓库里的参考代码和采样脚本
• Windows、macOS 或 Linux，用 Python 工具下载文件
• NVIDIA RTX 3090 或 4070 级别及以上的显卡，用来运行

用例 | 谁用 | 得到什么
文字生成图片 | 艺术家和设计师 | 根据文字描述生成的图片
多参考图编辑 | 设计师 | 参考多张图编辑后的图片
微调和 LoRA 训练 | 机器学习工程师 | 基础权重的定制版本

如何设置：第一次运行前，需要先准备好几样东西。

• 带 pip 的 Python
• 约 13GB 显存的显卡
• 存放权重的磁盘空间，BF16 约 7.8 GB
• 较新的 diffusers，按模型卡的建议从开发版安装

1. 用 pip 安装 Hugging Face 的 hub 工具。
2. 用 hf 命令下载模型文件。
3. 按模型卡里的 pip 命令，从开发版安装或升级 diffusers。
4. 保存下一节的 Python 脚本并运行。

pip install -U huggingface_hub
hf download black-forest-labs/FLUX.2-klein-base-4B

如何使用：写一个提示词，选好图像尺寸、引导强度、步数和随机种子，然后从结果里取第一张图。模型卡里的脚本就是用 Flux2KleinPipeline 这样做的。

import torch
from diffusers import Flux2KleinPipeline

device = "cuda"
dtype = torch.bfloat16

pipe = Flux2KleinPipeline.from_pretrained("black-forest-labs/FLUX.2-klein-base-4B", torch_dtype=dtype)
pipe.enable_model_cpu_offload()  # save some VRAM by offloading the model to CPU

prompt = "A cat holding a sign that says hello world"
image = pipe(
    prompt=prompt,
    height=1024,
    width=1024,
    guidance_scale=4.0,
    num_inference_steps=50,
    generator=torch.Generator(device=device).manual_seed(0)
).images[0]
image.save("flux-klein.png")

工具 | 作用
Flux2KleinPipeline | 加载模型并根据提示词生成图片的 diffusers 类
enable_model_cpu_offload | 把模型的一部分挪到 CPU 上以节省显存
guidance_scale 和 num_inference_steps | 设定图片贴合提示词的程度和采样步数
generator 加随机种子 | 固定随机种子，让一次运行可以重复

示例：你要求生成一张小猫旁边立着写有 hello world 牌子的图片，尺寸 1024 乘 1024。脚本返回一张图，并保存为 flux-klein.png。牌子上的文字可能会变形，因为模型卡提醒过图中文字可能不准确。

新手与专家：如果你刚接触图像模型，可以把它看成一个根据一句话生成图片的程序。先下载文件，再运行模型卡里的小猫脚本，打开 flux-klein.png 看看生成了什么。你需要一张较新的显卡。

从底层看，它是一个没有做步数蒸馏和引导蒸馏的 rectified flow transformer。所以输出比蒸馏版本更多样，权重也更适合做 LoRA 和微调，但放弃了这个系列出名的速度。示例运行用了 50 步、引导强度 4.0，并通过 CPU 卸载来减少显存占用。

写一个文字提示词
在 diffusers 里加载 Flux2KleinPipeline
按引导强度和步数采样
保存第一张图

注意事项：模型卡列出了明确的限制和禁止用途，硬件数字来自模型页面。

Title: 权重大小估算
BF16: 7.8 GB
4 位估算: 1.9 GB

• 限制：它不能提供事实信息，图中绘制的文字可能不准确或变形。
• 偏差：输出可能反映或放大训练数据里的偏差，也可能没按提示词来。
• 提示方式：它对提示词的遵循程度很大程度上取决于提示的写法。
• License: Apache 2.0，模型卡说输出可以用于商业用途。
• Cost to run: 没有提到费用，不过你需要自备约 13GB 显存的显卡。
• Data it reaches: 从 Hugging Face 获取的模型文件，以及脚本在你机器上写出的图片文件。
• Not for: 违法用途、伤害未成年人、欺骗性或有害内容、用来伤害他人的个人信息、骚扰，非自愿的私密图像，以及完全自动化的高风险决策。

Hugging Face 上的数据（2026年11月13日）

• 任务：image to image
• 框架：diffusers
• 参数量：3.9B
• Weights: about 7.8 GB in BF16; about 1.9 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：743,055
• 点赞：195
• 许可证：apache-2.0
• 语言：en
• Quantized versions: 17
• Fine-tunes: 59
• 标签：diffusers, safetensors, text-to-image, image-editing, flux, diffusion-single-file, image-to-image

链接

• 模型：https://huggingface.co/black-forest-labs/FLUX.2-klein-base-4B
• 文件：https://huggingface.co/black-forest-labs/FLUX.2-klein-base-4B/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.2-klein-base-4B

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。