Flux 2 Klein 9B: High-Fidelity 4-stufige Text-zu-Bild-Generierung | Models and API | RunComfy

Black Forest Labs / Flux 2 Klein 9B Text zu Bild#

Flux 2 Klein 9B ist ein kompakter, schrittweise destillierter Text-zu-Bild-Generator, der eine Eingabeaufforderung und optional Referenzbilder zur einheitlichen Generierung und Bearbeitung akzeptiert. Es gibt hochwertige Standbilder mit hoher Soforttreue und geringer Latenz aus und eignet sich gut für schnelle kreative Iterationen, Produktvisualisierungen und interaktive Design-Workflows.

Ausgabeformat: Auflösung (normalerweise 1024×1024) / fps (N/A) / Dauer (N/A) / Seitenverhältnis (quadratisch oder benutzerdefiniert) / Audio (N/A)

Highlights von Flux 2 Klein 9B#

• Stufenweise Geschwindigkeit: Erzeugt Bilder in nur 4 Inferenzschritten für Feedback mit geringer Latenz.
• Einheitliche Bearbeitung: Unterstützt textgesteuerte Generierung und bildgesteuerte Bearbeitungen innerhalb einer Architektur für optimierte Arbeitsabläufe.
• Schnelle Wiedergabetreue: Der 8B-Texteinbetter hilft dem Modell, detaillierte Szenen-, Stil- und Kameraanweisungen zu befolgen.
• Effizienter Platzbedarf: Typischerweise auf High-End-Consumer-GPUs verwendbar; Der Ressourcenbedarf ist geringer als bei größeren Varianten der Flux-Familie.
• Konsistente Details: Scharfer Text, saubere Kanten und eine starke Motivkohärenz machen es zuverlässig für Designkompositionen und Vorschauen.
• Flux 2 Klein 9B konzentriert sich auf praktische Iterationsgeschwindigkeit bei gleichzeitiger Beibehaltung einer hohen visuellen Qualität.

Flux 2 Klein 9B Parameter#

| Inhaltstyp | Nein | Zeichenfolge | multipart/form-data | — | Inhaltstyp für die mehrteilige Anfrage.

Gemeinsame Multipart-Body-Felder (innerhalb von multipart.body):

| Höhe | Nein | Ganzzahl | 1024 | Gewöhnlich 512–1536 | Ausgabehöhe in Pixel.

Preise#

Verwendung#

1) Wählen Sie das Modell aus: Wählen Sie in RunComfy im Verzeichnis „Modelle“ die Option „Flux 2 Klein 9B Text to Image“ aus.

2) Formulieren Sie Ihre Aufforderung: Beschreiben Sie Thema, Stil, Beleuchtung, Kamera und Komposition; Halten Sie es prägnant, aber spezifisch, um mit Flux 2 Klein 9B die besten Ergebnisse zu erzielen.

3) Optionale Referenzen: Laden Sie ein oder mehrere Referenzbilder hoch, um die Bearbeitung oder Stilübertragung zu erleichtern. Passen Sie nach Möglichkeit die Seitenverhältnisse an.

4) Auflösung einstellen: Beginnen Sie bei 1024×1024 für Geschwindigkeit; Passen Sie Breite/Höhe an Ihr Zielseitenverhältnis an.

5) Wählen Sie die Schritte aus: Beginnen Sie mit 4–8 Schritten für eine schnelle Iteration; Erhöhen Sie den Wert in Richtung ~25 Schritte nur, wenn Sie eine zusätzliche Verfeinerung benötigen.

6) Ausführen und Überprüfen: Generieren, prüfen Sie Details und verfeinern Sie die Eingabeaufforderung oder Referenzen; Flux 2 Klein 9B reagiert gut auf inkrementelle Eingabeaufforderungsänderungen.

7) Ergebnisse reproduzieren: Wenn in Ihrer RunComfy-Sitzung eine Seed-Steuerung verfügbar ist, sperren Sie einen Seed, um konsistent über Variationen hinweg zu iterieren.

8) API-Nutzung: Verwenden Sie das API-Panel auf dieser Seite, um ein Curl-Snippet zu kopieren. Stellen Sie Eingabeaufforderung, Schritte, Breite und Höhe als mehrteilige Formularfelder bereit – kein Selbsthosting erforderlich.

Eingabeaufforderung und Referenztipps#

• Schreiben Sie deklarative Aufforderungen: „4K-Produktfoto, Softbox-Beleuchtung, reflektierender Tisch, 35 mm, f/2,8“ tendiert dazu, Flux 2 Klein 9B vorhersehbar zu führen.
• Achten Sie darauf, dass Stil und Thema bei allen Referenzen aufeinander abgestimmt sind. Das Mischen radikal unterschiedlicher Looks kann Bearbeitungen verwirren.
• Benennen Sie bei „Folge der Referenz, aber ändere X“ zuerst die unveränderten Attribute und spezifizieren Sie dann die einzelne Änderung deutlich.
• Verwenden Sie für die Konzeption niedrige Stufen (4–8); Sobald die Komposition stimmt, erhöhen Sie die Stufen zum Polieren moderat.
• Wenn der Text weich erscheint, fügen Sie Begriffe wie „gestochen scharfe Typografie, Beschriftung mit hohem Kontrast“ hinzu und versuchen Sie es mit einer etwas höheren Schrittzahl.
• Passen Sie die Seitenverhältnisse zwischen Referenz- und Zielausgabe an, um unbeabsichtigte Beschneidungen oder Dehnungen zu vermeiden.
• Wenn die Ergebnisse von der Absicht abweichen, vereinfachen Sie die Eingabeaufforderung, indem Sie widersprüchliche Adjektive entfernen und das Hauptthema neu formulieren.
• Typische Plattformfehler (nicht übereinstimmende Abmessungen, fehlende Eingabeaufforderung) werden behoben, indem Breiten-/Höhenpaare validiert werden und sichergestellt wird, dass die Eingabeaufforderung nicht leer ist.

Wie Flux 2 Klein 9B Text to Image im Vergleich zu anderen Modellen abschneidet#

• Im Vergleich zu FLUX.2 Pro/Dev (frühere größere Varianten) bietet Flux 2 Klein 9B eine viel geringere Latenz und eine geringere Speichernutzung bei gleichzeitig hoher Prompt-Adhärenz. Basierend auf öffentlich zugänglichen Informationen wird eine extrem hohe Auflösungsgrenze gegen Geschwindigkeit und Zugänglichkeit eingetauscht.
• Wichtige Verbesserungen: Die schrittweise destillierte Pipeline, die einheitliche Generierung/Bearbeitung und die verbesserte Texteinbettung machen die interaktive Iteration schneller und vorhersehbarer als frühere große Versionen der Flux-Familie.
• Idealer Anwendungsfall: Wählen Sie Flux 2 Klein 9B, wenn Sie schnelle Bearbeitungszeiten, Echtzeitvorschauen oder häufige sofortige Anpassungen ohne großen Rechenaufwand benötigen.

• Im Vergleich zu Seedream 4.5 liefert Flux 2 Klein 9B eine schnellere Iteration und schnelles Feedback, während Seedream möglicherweise höhere native 2K-4K-Ausgaben bietet, allerdings auf Kosten von mehr Rechenleistung und Zeit.
• Wichtige Verbesserungen: Latenz und interaktive Bearbeitungsgeschwindigkeit, insbesondere bei bescheidenen Auflösungen, die bei Design-Iterationen üblich sind.
• Idealer Anwendungsfall: Live-Art-Direction-Sitzungen, UI-Vorschauen und schnelle Produktzusammenstellungen.

• Im Vergleich zu Z-Image-Turbo liefert Flux 2 Klein 9B in vielen Berichten eine stärkere sofortige Kohärenz und eine Darstellung kleiner Details.
• Wichtige Verbesserungen: Zuverlässigere Einhaltung komplexer Eingabeaufforderungen und sauberere Themenkonsistenz bei vergleichbaren Latenzen.
• Idealer Anwendungsfall: Wenn Sie Qualität pro Schritt und Effizienz in einem kompakten Modell benötigen.