FLUX.2 の概要

以下の記事が面白かったので、簡単にまとめました。

1. FLUX.2

「FLUX.2」は、現実世界のクリエイティブワークフロー向けに設計されている画像生成モデルです。複数の参照画像間でキャラクターとスタイルの一貫性を維持しながら、高品質な画像を生成します。構造化されたプロンプトに従い、複雑なテキストの読み書き、ブランドガイドラインの遵守、そしてライティング、レイアウト、ロゴの確実な処理を実現します。大4メガピクセルの画像を編集しながら、ディテールと一貫性を維持できます。

2. Black Forest Labs

ビジュアルインテリジェンスは、少数の人々だけでなく、世界中の研究者、クリエイター、開発者によって形作られるべきだと考えています。だからこそ、最先端の技術とオープンリサーチ、そしてオープンイノベーションを組み合わせ、コミュニティ向けに強力で検査・構成可能なオープンウェイトモデルをリリースするとともに、スケール、信頼性、カスタマイズを必要とするチーム向けに、堅牢で本番環境対応のエンドポイントを提供しています。

2024年に「Black Forest Labs」を立ち上げた際、オープンイノベーションを持続可能なものにすることを目指し、世界で最も人気のあるオープンモデルの開発経験を活かしました。世界で最も人気のあるオープンイメージモデルである FLUX.1 [dev] のようなオープンモデルと、AdobeからMetaまで幅広いチームを支えるFLUX.1 Kontext [pro] のようなプロフェッショナルグレードのモデルを組み合わせました。オープンコアアプローチは、実験を促進し、精査を促し、コストを削減し、シュヴァルツヴァルトと湾岸地域から発信されるオープンテクノロジーを世界に向けて共有し続けることを可能にします。

3. FLUX.1からFLUX.2へ

精度、効率性、制御性、そして究極のリアリズム - 「FLUX.1」はメディアモデルが強力なクリエイティブツールとして持つ可能性を示しました。「FLUX.2」は、最先端の機能が制作ワークフローをいかに変革できるかを示しています。

4. 新機能

5. 現在の提供状況

「FLUX.2」ファミリーは、フルマネージドで本番環境対応の API から、開発者自身が実行できるオープンウェイトチェックポイントまで、幅広いモデル製品を網羅しています。下のグラフは、FLUX.2 [pro]、FLUX.2 [flex]、FLUX.2 [dev]、FLUX.2 [klein] が性能と制御性をどのように両立させているかを示しています。

FLUX.2 モデルファミリーは、最先端の画像生成品質を非常に競争力のある価格で提供し、あらゆる性能層において最高の価値を提供します。

オープンウェイト画像モデルにおいて、FLUX.2 [dev] は新たな基準を確立し、テキストから画像への生成、単一参照編集、複数参照編集において卓越したパフォーマンスを実現し、あらゆるオープンウェイト代替モデルを常に大幅に上回る性能を発揮しています。

オープンウェイト、クローズドウェイトを問わず、私たちはこれらのモデルとサービスを、リリース前、リリース中、そしてリリース後も責任ある開発に取り組んでいます。

6. 仕組み

「FLUX.2」は、潜在フローマッチングアーキテクチャを基盤とし、画像生成と編集を単一のアーキテクチャに統合しています。このモデルは、Mistral-3 24Bの視覚言語モデルと、整流フロー変換器を結合しています。VLMは現実世界の知識と文脈理解をもたらし、変換器は従来のアーキテクチャではレンダリングできなかった空間関係、材質特性、構成ロジックを捉えます。

「FLUX.2」は、最大10枚の画像を1つの新しい出力に組み合わせる機能、最大4MPの出力解像度、プロンプト遵守と世界知識の大幅な向上、そしてタイポグラフィの大幅な改善など、マルチリファレンスサポートを提供します。モデルの潜在空間をゼロから再学習することで、学習性の向上と画像品質の向上を同時に実現し、「学習性・品質・圧縮」の三重苦の解決に向けた一歩を踏み出しました。技術的な詳細は、ブログ記事を参照してください。

7. リソース