图像界的DeepSeek！12B参数对标GPT-4o，消费级硬件玩转编辑生成

鹭羽
2025-07-01
10:27:34

来源：量子位

鹭羽 发自 凹非寺

量子位 | 公众号 QbitAI

图像模型开源还得是FLUX！

Black Forest Labs刚刚宣布开源旗舰图像模型FLUX.1 Kontext[dev]，专为图像编辑打造，还能直接在消费级芯片上运行。

只有小小的12B，更少的参数，更快的推理，性能更是媲美GPT-image-1等一众闭源模型。

现在FLUX.1 Kontext[dev]可以让小狗迅速离开画面，为小老鼠戴上胡须，添加文字、修改背景也不在话下。

或者多次输入指令，直到让小哥成为酒吧里最靓的崽（bushi），直到让画面符合咱们需求。

具体来说，FLUX.1 Kontext[dev]的主要特点有：

1. 可以根据编辑指令直接更改现有图像，以及进行精确的本地和全局编辑。
2. 不用做任何微调，就能直接引用里面的人物角色、风格样式和物品元素。
3. 允许用户通过多次连续编辑优化图像,同时将视觉漂移降到最低。
4. 专门为NVIDIA Blackwell进行了权重优化。

网友们也立马上手试玩，制作了一个旅行的CPU青蛙？

旅行必备的墨镜，还有抗寒的帅气红色毛衣也要准备妥当。（蛙蛙：出片，我势在必行）

或者copy一下自己喜欢的动漫角色。

轻轻松松店铺打烊，结束打工人完美的一天～（doge）

还有网友脑洞大开，试着和LoRA结合，造出了一个Kontext风格化肖像制作APP。

现在FLUX.1 Kontext[dev]还完全支持ComfyUI。

温馨提示，官方直接开放了试玩API，只需点击文末链接、上传图片就可以立即爽玩！

网友看罢表示，Black Forest Labs不愧是图像届的DeepSeek。

FLUX.1 Kontext的开放权重变体

FLUX.1 Kontext模型上个月一经发布，就因为其强大的上下文生成和编辑功能广受好评。

与现有的文本到图像模型不同，FLUX.1 Kontext系列执行上下文图像生成，可以直接使用文本和图像进行提示，并无缝提取和修改视觉细节。

目前已经发布了适合快速迭代的专业版FLUX.1 Kontext[pro]和高配版FLUX.1 Kontext[max]。

FLUX.1 Kontext[dev]作为FLUX.1 Kontext最新发布的开源版本，不仅继承了其图像生成的优势，它还更专注于编辑任务，可以直接在消费类硬件上运行。

首先模型架构上，依旧基于的是FLUX.1模型，它是一种在图像自动编码器的潜在空间中训练的整流流Transformer模型，由双流块和单流块混合构建而成。

在此基础上，FLUX.1 Kontext[dev]采用标记序列构建和位置信息编码进行优化：

• 标记序列构建：图像通过冻结的FLUX自动编码器，编码成潜在的上下文图像标记，并输入到模型的视觉流中。
• 位置信息编码：通过三维旋转位置嵌入（3D RoPE）对位置信息进行编码，为上下文标记的嵌入提供恒定偏移量。并将其视作为虚拟时间步，以清晰分离上下文和目标块，同时保持它们的内部空间结构。

然后使用整流流匹配损失进行训练，在训练时从FLUX.1的文本到图像检查点开始，收集并整理数百万个关系对进行模型优化。

优化后得到的流匹配模型进行潜在对抗扩散蒸馏（LADD），在减少采样步骤的同时提高样本质量，使FLUX.1 Kontext[dev]更高效。

最终得到的FLUX.1 Kontext[dev]模型包含120亿参数，可以更专注于编辑任务，支持迭代编辑，可以在各种场景和环境中保留角色特征，并允许用户进行精确的局部或全局编辑。

图像编辑新标准

实验引入自研的KontextBench基准进行模型性能验证，该基准包含1026个图像-提示对，涵盖局部编辑、全局编辑、角色参考、风格参考和文本编辑五个任务类别。

结果显示FLUX.1 Kontext[dev]在许多类别上都优于现有的开放式图像编辑模型和封闭模型，例如Bytedance Bagel、HiDream-E1-Full以及OpenAI的GPT-image-1等。

另外，FLUX.1 Kontext[dev]还专门针对新的NVIDIA Blackwell架构进行了TensorRT权重优化，可以在保持高质量的图像编辑性能的同时，极大地提高推理速度并减少内存使用量。

官方还提供了BF16、FP8和FP4 TensorRT的权重变体，用户可以自行对其速度、效率和质量进行调整，综合确保FLUX.1 Kontext[dev]充分利用最新的硬件功能。

在实际用户的反馈中，也发现FLUX.1 Kontext[dev]的推理速度较前代提升了4至5倍，模型在NVIDIA H100 GPU上运行，通常5秒内能够完成，在Replicate上的运行成本约为0.0067USD，或每1USD运行149次。

但是也有网友提到，在MacBook Pro的芯片上运行时，迭代时间较长，每次迭代都需要1分钟左右。

那么欢迎你也一起来试一试，并将你的体验分享至评论区～

试玩链接：https://huggingface.co/spaces/black-forest-labs/FLUX.1-Kontext-Dev

论文链接：https://arxiv.org/abs/2506.15742
代码链接：https://github.com/black-forest-labs/flux/blob/main/docs/image-editing.md

参考链接：
[1]https://x.com/bfl_ml/status/1938257909726519640
[2]https://bfl.ai/announcements/flux-1-kontext-dev
[3]https://bfl.ai/models/flux-kontext
[4]https://huggingface.co/black-forest-labs/FLUX.1-Kontext-dev
[5]https://x.com/ComfyUI/status/1938259329498681385

Read More