所有的 FP8 模型
9b-base
https://www.liblib.art/modelinfo/a97e66dfafcb4bfeb17f6075c4d88b2d?from=personal_page&versionUuid=e6b079ca422e4fefab5341d50be7e7d5
9b-4步
https://www.liblib.art/modelinfo/1d9258f61656490993b71693936e484d?from=personal_page&versionUuid=834173d8904644958145327073727889
4b-base
https://www.liblib.art/modelinfo/3e28a9dcd8c745fd8865c7d3e4d34888?from=personal_page&versionUuid=bd8e1ec6e35144c68e64e0ffe9c1efad
4b-4步
https://www.liblib.art/modelinfo/b38358c3e72f4a15a115dbc6405a40ee?from=personal_page&versionUuid=ac588a01d034448c87f5fef66cbf7346
模型定位:FLUX.2 [klein] 系列的轻量版核心模型,FP8 是其量化精度版本,也是官方推荐的「平衡型版本」(兼顾质量与硬件门槛)。
模型类型:Rectified Flow Transformer(整流流 Transformer),统一了文生图、图生图、多参考图编辑的多任务架构,无需切换模型权重即可完成多种图像任务。
开源协议:Apache 2.0 许可证,完全开源,支持商业场景使用(无商业授权限制,这是其核心亮点之一)。
关联生态:依赖 Qwen 3 8B 文本编码器(对应 qwen_3_8b_fp8mixed.safetensors 最佳匹配)和 flux2-vae.safetensors 完成完整图像生成流程。
优势与特点
极低硬件门槛,适配消费级 GPU
作为 FP8 量化版本,显存占用大幅优化,可流畅运行在 NVIDIA RTX 3090、RTX 4070 等主流消费级显卡上,普通开发者无需专业数据中心显卡即可本地部署。
统一多任务架构,部署便捷
无需拆分模型权重,单一模型即可支持文本生成图像(Text-to-Image)、图像到图像的多参考编辑(Multi-reference Image Editing),简化开发者集成流程,适合本地开发、边缘部署和生产环境落地。
简要使用提示
该仓库仅提供 FLUX.2 [klein] 4B 的 FP8 模型权重,完整运行需搭配:
对应文本编码器:Qwen 3 8B(推荐 qwen_3_8b_fp8mixed.safetensors)。
变分自编码器:flux2-vae.safetensors(负责潜空间数据转成可视化图像)。
参考实现:需使用 BFL 官方提供的 GitHub 专用仓库中的推理代码与采样工具作为开发起点。