公開：2026年10月16日, 最終更新：2026年10月16日
30秒サマリー
- Black Forest LabsのFLUX.3 Image Kleinがリリース、Diffusersからday-oneで利用可能
- テキスト→画像・複数参照画像→画像・バウンディングボックスによるレイアウト制御を1モデルで実現
- 蒸留済みチェックポイントはH100で1024×1024画像を約2秒で生成、NVFP4/FP8量子化で小型GPUにも対応
何が起きたか
Black Forest LabsのオープンモデルFLUX.3 Image Kleinが、Hugging FaceのDiffusersライブラリに対応した形でリリースされた。2026年10月15日付けの公式ブログでHugging Faceが詳細を公開している。
このモデルは1つのモデルでテキストから画像生成（text-to-image）、複数の参照画像を使った画像変換（multi-reference image-to-image）、そして新機能の「レイアウト制御（layout control）」の3機能を提供する。レイアウト制御では、プロンプト内にJSON形式のバウンディングボックス情報（0〜1000スケール、y座標優先）を記述することで、画像内の各要素の配置場所を指定できる。参照画像内の特定領域を別の位置へ移動させることも可能だ。
公開されているチェックポイントは2種類。蒸留済みの「flux-3-image-klein」（デフォルト16ステップ、CFGなし）と、ファインチューニング向けのベースモデル「flux-3-image-klein-base」（50ステップ、CFGあり）。蒸留済みモデルはH100で1024×1024画像を約2秒で生成できるとしている。
メモリ使用量についても言及があり、BF16（H100）では推論後ピーク約20.7GiB、FP8量子化（H100）で約16.3GiB、NVFP4（RTX6000）で約15.3GiBとなっている。LoRAファインチューニング用のDreamBooth学習スクリプトもtext-to-image・image-to-image両方向けに提供される。また、ModularDiffusersパイプラインとして実装されており、コンポーネントの差し替えや追加が可能な設計となっている。テキストエンコーダにはQwen3-VLが使用されている。
原典ハイライト
「1モデルでテキスト→画像・マルチ参照画像変換・バウンディングボックスレイアウト制御を実現。蒸留済みチェックポイントはH100で1024×1024画像を約2秒で生成。NVFP4・FP8ウェイトにより小型GPUでも動作可能。LoRAトレーニングスクリプトとModularDiffusersパイプライン構成も提供」（Hugging Face公式ブログより要約）
出典: Hugging Face Blog（公式ブログ）
So What?（なぜ重要か）
編集部の見解として、今回の注目点は「レイアウト制御」機能にある。これまで画像生成AIでは生成結果のレイアウトを細かく指定することが難しかったが、バウンディングボックスをプロンプトに埋め込む形式により、広告・ECバナー・資料作成など商用用途で求められる「構図の再現性」が向上する可能性がある。また、オープンチェックポイントとして公開されており、LoRAによるカスタマイズが可能な点は、自社データでモデルを調整したい企業にとって実用的な選択肢となる。量子化対応により推論インフラのコスト圧縮も図りやすい。
日本企業への示唆
日本企業への示唆として、まず広告・マーケティング部門では、バナーやビジュアルのレイアウト指定が可能になることで、デザイン工数の削減とブランドガイドラインへの準拠が同時に実現しやすくなる。EC事業者にとっては、複数の参照画像（商品・背景など）を組み合わせたカタログ画像の自動生成に応用できる可能性がある。LoRAファインチューニング機能を活用すれば、自社の製品画像やブランドトーンに特化したモデルを構築することも検討に値する。一方、NVFP4量子化にはBlackwellアーキテクチャのGPUと特定ライブラリの組み合わせが必要であるなど、インフラ要件の確認は必須。導入検討の際は、まずHugging Face Spaceで動作を確認し、必要なGPUスペックとメモリ要件を自社環境と照合することを推奨する。
背景・経緯
Black Forest LabsはFLUXシリーズの画像生成モデルを継続的に開発・公開しているメーカー。今回のFLUX.3 Image KleinはDiffusersとの統合が初日から提供された形でリリースされた。テキストエンコーダとしてQwen3-VLが採用されており、ファインチューニング向けには外部ツール「Ostris AI Toolkit」も対応しているとブログ内で言及されている。
