FLUX 3レビュー:Image・Kleinの画質、編集、必要VRAMと商用利用
FLUX 3 ImageとKleinを比較。画質、画像編集、ComfyUIの修正、必要VRAM、API料金、LoRA、商用ライセンスと日本語文字の注意点を解説します。
2026年10月22日更新
FLUX 3で注目したいのは、きれいな画像を一枚作ることより、同じ素材を保ちながら何度も編集できる点です。Image系モデルは、文章からの画像生成、参照画像を使う編集、矩形による構図指定をまとめて扱います。新登場のKleinでは、こうした作業をローカル環境でも試せるようになりました。商品写真のバリエーションや広告案、社外に素材を出しにくい制作に向く選択肢です。
まず試すならKlein Distilled、独自商品の学習やLoRA制作ならBaseが出発点になります。上位のImageは、クラウド上で別途比較したい候補です。ただし、公開された重み、指示を詳しくする処理、編集範囲外を復元するサービス側の機能は別物です。「同じFLUX 3だから、ローカルでもAPIと同じ結果になる」と考えると、期待と実際の結果にずれが生じます。
FLUX 3 ImageとKlein、動画モデルの違い
Black Forest Labsは7月にFLUX 3ファミリーを発表し、10月15日に画像向けのKleinを公開しました。Image本体はホスト型サービスで利用でき、Kleinにはダウンロード可能なBaseとDistilledがあります。Kleinの公開は、上位Imageの重みも一般公開されたという意味ではありません。Video/Maxは動画・音声、Actionはロボット制御向けです。Kleinが8GBのGPUで動くことと、動画モデルが同じ環境で動くことも別の話です。FLUX 3
Kleinの画像生成部分は56億パラメータ。これとは別にQwen3-VL系のテキストエンコーダー、FLUX.2のVAE、Qwen3.5 9B系のプロンプト拡張モデルを使います。56億という数字だけでは、実行時のメモリを見積もれません。画像生成、編集、最大10枚の参照画像、最大4K出力、矩形指定に対応します。Hugging Face
現行ドキュメントの目安はDistilledが16ステップ・CFG 1、Baseが50ステップ・CFG 3.5です。一方、参照コードにはBaseのCFG 4という表記もあります。実装の異なる設定を混ぜず、読み込んだ公式テンプレートの初期値を基準にしてください。日常の生成・編集はDistilled、学習や研究はBaseという使い分けが明快です。Klein Docs
| モデル | ステップ / CFG | 用途 |
|---|---|---|
| Klein Distilled | 16 / 1 | 生成・編集 |
| Klein Base | 50 / 3.5 | LoRA・研究 |
| FLUX 3 Image | API | ホスト型の比較候補 |

画質は幅広いが、人体と細部は確認が必要
公式作例には人物写真、布や金属、イラスト、文字入りデザインが並びます。幅広い表現ができることはわかりますが、作例だけでは平均成功率や失敗回数はわかりません。肌や服が精細でも、手指、瞳、反射、靴ひも、小物との接触部分まで正しいとは限りません。納品サイズで拡大して確認する工程が必要です。BFL GitHub
BFLの内部評価では、比較対象に含まれるQwen-Image 2.1やKrea 2などを上回る結果が示されています。ただし、開発元自身の評価であり、全モデル・全用途に対する優位性ではありません。Krea 2との比較をKrea 3との比較に読み替えることもできません。BFL (2026-10-15)
ワークフロー修正後も、コミュニティでは人体、難しい姿勢、細部への不満が残っています。アニメ風の作例があるからといって、特定キャラクターの再現や画師タグの効き方まで専門モデル並みとはいえません。漫画用途なら、同じ衣装での連続生成、全身の動き、人物同士の重なりを先に試すと判断しやすくなります。
参照画像を使った編集で価値を判断する
試す題材としてわかりやすいのは商品写真です。商品の形と撮影角度を固定し、素材だけを変え、次に背景だけを差し替えます。複数の参照画像には「商品」「背景」「作風」のように役割を与え、残す部分を明記してください。最大10枚という仕様は、無関係な画像を10枚入れるほどよくなるという意味ではありません。
12種類の編集を比較したユーザー投稿では、基本的な変更や人物の一貫性に好評価がある一方、ポーズ、指先、質感や作風の変更には弱点がありました。この比較はBaseにステップ短縮LoRAを加え、20ステップ・CFG 1・INT8、約1.5MP、8シードから最良の結果を選んだものです。参考になる個別事例ですが、標準の16ステップ版の客観的な点数ではありません。Reddit: 12 tasks
Imageのホスト型ワークフローには、標準で有効なWeb検索によるgroundingもあります。grounding:falseで無効にできますが、これはサービス側の検索機能であり、ローカルKleinの重みにインターネット接続機能が内蔵されているわけではありません。商品情報、ロゴ、図解中の事実は別途確認してください。Image Docs

矩形指定と「範囲外を変えない編集」は別
Image APIの矩形は、左上を原点とし、[上、左、下、右]を0〜1000の整数で表します。物体ごとのIDと説明をJSONとしてプロンプトに付けます。「人物を左側、見出しを右側」のような配置を、文章だけで繰り返し説明するより整理しやすい仕組みです。Bounding Boxes
サービス側には、編集しなかった領域を元に戻すpixel restorationがあります。一方、ローカルモデルへの矩形指定は位置のガイドであり、範囲外のピクセルを固定するマスクそのものではありません。注意書き、商品輪郭、既存UIなどを厳密に維持する場合は、差分確認やマスク合成を組み合わせます。
Diffusersのboxes引数は0〜1の小数で[ymin, xmin, ymax, xmax]を渡す別形式です。API用の0〜1000の数値をそのまま流用しないでください。また、拡張後の説明文に、頼んでいない物体や材質変更が追加されていないか確認すると、構図の失敗原因を切り分けやすくなります。Diffusers

PUPとComfyUIの修正、日本語の扱い
PUPは短い指示を詳しい場面描写にする処理です。画像のピクセル数を増やすアップスケーラーではありません。Kleinはこうした説明文を前提に学習されているため、単語を数個並べるだけでは結果が弱くなりやすい設計です。被写体、位置、材質、照明、背景、維持する部分を具体的に伝えましょう。Klein Docs
Comfyチームは公開直後のテンプレートに問題があったと認め、v0.41.3でPUPの有効化、Baseの50ステップ化、Distilledの16ステップ化、編集・矩形指定へのPUP追加などを行いました。アプリを更新したうえで、テンプレートライブラリから新しく開く必要があります。保存済みの古いJSONを開くだけでは内容は更新されません。人体の問題がすべて直ったという意味でもありません。ComfyUI v0.41.3
DiffusersでPUPが自動実行されるかはバージョン次第です。BFLの説明には別途実行する例がある一方、現在のDiffusers mainでは組み込まれています。実際のグラフと生成された説明文を確認してください。日本語の指示理解と、画像内の日本語を正確に描く能力も別です。短い見出し、長音、小さい仮名、漢字の形まで確認し、利用規約や価格のような重要な文字は後から組版する方が確実です。Diffusers
必要VRAMと速度:8GBの条件を読み解く
8GBで動作するという案内は、量子化とメモリ管理を使う構成の話です。BF16の全構成が8GBに収まる保証ではありません。生成器の重みだけでもBF16で約11.2GB、FP8で約5.6GBです。参照コードのB200での測定では、PUPを除くピークがBF16約31GB、FP8約26GB、NVFP4約25GBとなっており、実装によって大きく変わります。BFL GitHub
ComfyUI向けの一例は、INT8生成器5.8GB、INT8テキストエンコーダー4.9GB、W4A8 PUP 6.7GB、VAE 0.3GBで合計約17.7GBのダウンロードです。これは同時に必要なVRAM量ではありません。ソフトウェアとキャッシュ用の空き容量、オフロード先のRAMも考慮します。NVFP4はBlackwell向けなので、古いGPUで使える汎用4bit形式と考えないでください。ComfyUI weights
NVIDIA公表のDistilledの値は、1024×1024・16ステップでRTX 5090が約4秒、RTX 4070が約8.9秒。ただしGPU上の生成時間であり、PUPや通信は含みません。BFLの1MP API中央値4.54秒/編集7.18秒も、他社との計測範囲が同一ではありません。8GBでのオフロードや4K・複数参照の速度を、その数字から推定するのは危険です。BFL (2026-10-15)
最初は1K・参照1枚で、読み込み、PUP、生成、保存までの合計時間を計ります。構図が決まってから解像度を上げる方が無駄を減らせます。最速の一枚より、修正と再生成を含めて納品可能な一枚を得る時間が重要です。
API料金と、採用できる一枚の実際の費用
Kleinの公表単価は、生成・編集ともに768×768が0.008米ドル、1Kが0.009米ドル、1.5Kが0.011米ドル、2Kが0.014米ドル、4Kが0.036米ドルです。1Kを1000枚なら9米ドル、4Kを1000枚なら36米ドル。税や周辺サービスは別で、円建ての固定価格ではありません。Image本体の料金に流用しないでください。API Pricing
採用する1枚ごとに4候補を作るなら、生成料金だけで1Kは0.036米ドル、4Kは0.144米ドルになります。人の確認・修正、保存、周辺処理も含めて比較しましょう。Image本体は最新の料金表とリクエストのcostを確認します。ローカル運用でもGPU、電力、保守、商用ライセンスの条件は残ります。
| 解像度 | 米ドル / 枚 | 米ドル / 1000枚 |
|---|---|---|
| 768 × 768 | 0.008 | 8 |
| 1K | 0.009 | 9 |
| 1.5K | 0.011 | 11 |
| 2K | 0.014 | 14 |
| 4K | 0.036 | 36 |
LoRA、商用ライセンス、NSFWと機密素材
学習はKlein Baseが基本です。Diffusers、Ostris AI Toolkit、NVIDIA NeMoの対応が案内されています。Baseで作ったLoRAを同じアーキテクチャのDistilledに適用する方法もあり、16ステップを維持し、強度0.75付近から調整するのが一つの出発点です。旧FLUX.1/FLUX.2用LoRAとの互換性を意味するものではありません。LoRA Docs
重みはFLUX Kommunity Licenseです。無料商用利用の対象となる条件は、関連会社を含めた年間換算の総売上高が500万米ドル未満であること。利益や調達額、担当チームだけの予算ではありません。大規模な商用セルフホストは別契約を確認します。出力画像とモデルの派生物は区別されますが、再配布、提供サービス、追加学習、合成データ利用は条文を読む必要があります。推論コードがApache-2.0でも、重みまで同じライセンスにはなりません。FLUX Kommunity License
無制限なNSFW生成を前提に選ぶモデルでもありません。BFLは学習時の安全対策を説明し、利用ポリシーでは未成年の性的コンテンツや同意のない性的画像などを禁止しています。一方、あらゆる成人向け要求が一律に禁止される、または生成できると断定する根拠もありません。事業者の規約と拒否動作を分けて確認してください。機密素材の保護には、画像だけでなくPUPなど全工程がローカルで完結することが必要です。BFL Usage Policy
商用利用の例外は、条件を満たす利用者による出力の生成・利用を対象とし、モデル自体の自由な販売や再許諾を認めるものではありません。第2.e項では配布前のフィルターまたは確認、法令上必要なAI利用の表示も求めています。Hugging Faceのファイル取得にはアカウントと条件への同意が必要です。ダウンロード前に内容を確認してください。FLUX Kommunity License ComfyUI weights
Krea・Qwen・MOSSと比べて選ぶなら
低コストのローカル編集ならDistilled、ブランドや商品を追加学習するならBaseが候補です。クラウド運用ならImage本体を同じ依頼内容で比較しましょう。Kleinで失敗した課題が、上位モデルなら必ず解決するとは限りません。
比較対象はKrea 3、Qwen-Image 2.1、MOSS-Imageのレビューも参考になります。同じ商品参照、難しい全身ポーズ、日本語の見出し、一度編集した画像の再編集を用意し、解像度と候補枚数を揃えます。美しいポートレートで勝っても、包装の文字や指先で採用できないことがあります。
FLUX 3の魅力は、編集・配置指定・ローカルでの適応を一つの選択肢として検討できることです。Kleinは修正済みワークフローで再評価する価値がありますが、既存の得意な専門モデルをすぐ置き換える必要はありません。繰り返し成功する用途を見つけ、実際の構成と利用条件に合わせて導入するのが堅実です。
よくある質問
FLUX 3は無料のオープンソースですか?
Kleinの重みはKommunityの条件で公開されています。APIは有料で、Image本体や動画などは別の提供形態です。ファミリー全体を無条件のオープンソースと呼ぶのは正確ではありません。
8GBのGPUでも使えますか?
INT8とメモリ管理を使う構成が案内されています。高性能GPUと同じ速度ではなく、RAMへのオフロードも想定されます。まず1Kで、テキストエンコーダーとPUPを含めた動作を確認してください。
BaseとDistilledはどちらを選べばいいですか?
普段の生成・編集は16ステップ・CFG 1のDistilled、追加学習はBaseが基本です。Base向けの50ステップという修正を、Distilledにそのまま当てはめないでください。
公式作例より結果が悪いのはなぜですか?
モデル名、テンプレートのバージョン、PUPの実行と出力文、設定、参照画像の鮮明さを確認します。作例は選ばれた画像であり、正しく設定しても人体などの失敗は残ります。
矩形の外側は絶対に変わりませんか?
ローカルモデルへの矩形指定だけでは保証されません。ホスト側の復元処理は別機能です。厳密な維持が必要なら差分確認やマスク合成を使います。
日本語の広告や漫画に使えますか?
候補にはなりますが、漢字の形、送り仮名、句読点、改行を一文字ずつ確認してください。重要なコピーは画像とは別の編集可能な文字レイヤーで仕上げると修正しやすくなります。
評価の範囲と参考情報
本稿は公開情報と公開ワークフローに基づくレビューで、AirMoreによる独自ベンチマークではありません。公式作例は開発元が選んだ画像、表紙は編集用のイメージです。速度は測定条件付き、ユーザー投稿は個別の経験として扱い、総合順位や独自スコアは付けていません。
一次情報:BFL (2026-10-15)・Hugging Face・BFL GitHub・Klein Docs・Bounding Boxes・ComfyUI weights・FLUX Kommunity License。ユーザー報告:ComfyUI v0.41.3・Reddit: 12 tasks。外部報道:VentureBeat。仕様や料金は更新後に変わる場合があります。