Flux.2 เดฟ เป็นโมเดลการสร้างภาพแบบเปิดที่มีความแม่นยำสูงและการแก้ไขภาพแบบอ้างอิงหลายรายการจาก Black Forest Labs ออกแบบมาเพื่อนักพัฒนาและนักวิจัยที่ต้องการจุดตรวจสอบแบบเปิดที่ทรงพลังซึ่งยังคงรักษาความสมจริงของภาพ การเรนเดอร์รายละเอียดที่ละเอียด และความสอดคล้องของการอ้างอิงหลายรายการ (ตัวละคร/ผลิตภัณฑ์) ที่แข็งแกร่ง
คุณสมบัติหลัก (สิ่งที่ Flux.2 Dev ทำ)
- การสร้างข้อความ→รูปภาพ ด้วยการยึดถือที่รวดเร็วและการพิมพ์ที่ได้รับการปรับปรุง / การเรนเดอร์รายละเอียดเล็ก ๆ น้อย ๆ
- การแก้ไขแบบอ้างอิงหลายรายการ — รวมภาพอ้างอิงหลายภาพเข้าเป็นผลลัพธ์เดียว โดยรักษาความสอดคล้องของเอกลักษณ์/สไตล์
- จุดตรวจเดียวสำหรับการสร้าง + การแก้ไข (ไม่จำเป็นต้องมีแบบจำลองการแก้ไขแยกต่างหาก)
- จุดตรวจน้ำหนักเปิดขนาดใหญ่ (32B) อนุญาตให้มีการวิจัยในท้องถิ่น การวัดปริมาณ และการปรับตัวของชุมชน)
- VAE ที่ได้รับการปรับให้เหมาะสม เพื่อการเรียนรู้ที่ดีขึ้น–คุณภาพ–การบีบอัดข้อมูล (เปิดใช้งานการแก้ไข/เอาต์พุต 4MP)
รายละเอียดทางเทคนิค (สถาปัตยกรรมและวิศวกรรม)
- จำนวนพารามิเตอร์: พารามิเตอร์ 32 พันล้านตัวสำหรับจุดตรวจสอบ FLUX.2
- การออกแบบแกนหลัก: การจับคู่การไหลแฝง / หม้อแปลงกระแสแบบแก้ไข ผสมผสานกับโมเดลวิสัยทัศน์-ภาษา (BFL กล่าวว่าพวกเขาเชื่อมโยง Mistral-3 24B VLM เข้ากับโครงหลักของหม้อแปลงเพื่อการวางรากฐานทางความหมาย) VLM นำเสนอความรู้เกี่ยวกับโลกและการวางรากฐานทางข้อความ ในขณะที่หม้อแปลงสร้างแบบจำลองโครงสร้างเชิงพื้นที่/องค์ประกอบ
- วีเออี: FLUX.2 VAE ใหม่ (เปิดตัวภายใต้ Apache-2.0) ได้รับการฝึกใหม่เพื่อปรับปรุงความเที่ยงตรงในการสร้างใหม่และความสามารถในการเรียนรู้แฝง ช่วยให้แก้ไขด้วยความละเอียดสูงได้
- การสุ่มตัวอย่างและการกลั่น: ได้รับการฝึกฝนการใช้เทคนิคการกลั่นคำแนะนำเพื่อปรับปรุงประสิทธิภาพและความเที่ยงตรงของการอนุมาน
ประสิทธิภาพมาตรฐาน
ห้องปฏิบัติการ Black Forest ได้เผยแพร่การประเมินและแผนภูมิเปรียบเทียบที่แสดงประสิทธิภาพของ FLUX.2 เทียบกับแบบจำลองภาพแบบ open-weight และแบบ hosted ในปัจจุบัน ตัวเลขสำคัญที่เผยแพร่ (BFL / สรุปข่าว):
- อัตราการชนะจากข้อความเป็นรูปภาพ: FLUX.2 ~66.6% (เทียบกับ Qwen-Image 51.3%, Hunyuan ~48.1% ในชุดข้อมูลเปรียบเทียบตัวต่อตัวของ BFL)
- อัตราการชนะการแก้ไขการอ้างอิงเดี่ยว: FLUX.2 ~59.8% (เทียบกับ Qwen-Image 49.3%, FLUX.1 Kontext ~41.2%)
- อัตราการชนะการแก้ไขการอ้างอิงหลายรายการ: FLUX.2 ~63.6% (เทียบกับ Qwen-Image 36.4%) BFL ยังรายงานความสามารถในการอ้างอิงหลายรายการสูงถึง การอ้างอิง 10 ในชุดประเมินผลของพวกเขา
กรณีการใช้งานทั่วไป/ที่แนะนำ
- รูปแบบภาพโฆษณาและการตลาด โดยที่โมเดล/นักแสดง/ผลิตภัณฑ์เดียวกันจะต้องคงความสอดคล้องกันในฉากหรือพื้นหลังต่างๆ มากมาย (ความสอดคล้องของการอ้างอิงหลายรายการ)
- การถ่ายภาพผลิตภัณฑ์และการลองแบบเสมือนจริง (รักษาข้อมูลรายละเอียดผลิตภัณฑ์ไว้ทั่วทั้งพื้นหลัง)
- การเผยแพร่ทางบรรณาธิการ/แฟชั่น ต้องการเอกลักษณ์เดียวกันในหลายๆ ช็อต
- การสร้างต้นแบบอย่างรวดเร็วและการวิจัย (จุดตรวจสอบการพัฒนาช่วยให้สามารถทดลอง ปรับแต่ง และเวิร์กโฟลว์ LoRA/อะแดปเตอร์ได้)
วิธีการเข้าถึง Flux.2 dev API
ขั้นตอนที่ 1: ลงทะเบียนเพื่อรับรหัส API
เข้าสู่ระบบเพื่อ โคเมตาปิดอทคอมหากคุณยังไม่ได้เป็นผู้ใช้ของเรา กรุณาลงทะเบียนก่อน ลงชื่อเข้าใช้ คอนโซล CometAPIรับรหัส API ของข้อมูลรับรองการเข้าถึงของอินเทอร์เฟซ คลิก "เพิ่มโทเค็น" ที่โทเค็น API ในศูนย์ส่วนบุคคล รับรหัสโทเค็น: sk-xxxxx และส่ง
ขั้นตอนที่ 2: ส่งคำขอไปยัง Flux.2 dev API
เลือก“black-forest-labs/flux-2-dev ”ปลายทางสำหรับส่งคำขอ API และกำหนดเนื้อหาคำขอ วิธีการคำขอและเนื้อหาคำขอสามารถดูได้จากเอกสาร API ของเว็บไซต์ของเรา เว็บไซต์ของเรายังมีบริการทดสอบ Apifox เพื่อความสะดวกของคุณ แทนที่ ด้วยรหัส CometAPI จริงจากบัญชีของคุณ
ใส่คำถามหรือคำขอของคุณลงในช่องเนื้อหา นี่คือสิ่งที่โมเดลจะตอบสนอง ประมวลผลการตอบสนองของ API เพื่อรับคำตอบที่สร้างขึ้น
ขั้นตอนที่ 3: ดึงข้อมูลและตรวจสอบผลลัพธ์
ประมวลผลการตอบกลับของ API เพื่อรับคำตอบที่สร้างขึ้น หลังจากประมวลผลแล้ว API จะตอบกลับพร้อมสถานะงานและข้อมูลเอาต์พุต
โคเมทเอพีไอ ขณะนี้รองรับรูปแบบการจำลองแบบจำลอง: 🔹 black-forest-labs/flux-2-pro 🔹 black-forest-labs/flux-2-dev 🔹 black-forest-labs/flux-2-flex
โปรโมชั่นจำกัดเวลา: ราคาต่ำกว่าราคาปกติของ Replicate!
???? เริ่มสร้างตอนนี้ สร้างการทำนาย – เอกสาร API
⚡ การเลือกที่ยืดหยุ่น:
- ข้อดี: ออกแบบมาเพื่อการผลิตที่มีประสิทธิภาพสูงและการจัดส่งที่รวดเร็ว
- ความยืดหยุ่น: เพิ่มคุณภาพของภาพให้สูงสุดด้วยพารามิเตอร์ที่ปรับได้
- Dev: การเพิ่มประสิทธิภาพที่เป็นมิตรต่อนักพัฒนา