FLUX.3 Klein ComfyUI 实测 - 今日头条 摘要
文档概览
这篇文章是一篇本地实测记录,不是模型官方说明。作者关注的问题是:5.4GB 的 int8 量化 diffusion 模型加 4.5GB 文本编码器,是否能在一张 24GB 显存的消费级显卡上跑通文生图和图片编辑业务闭环。
作者此前的使用背景包括:文生图主要使用 zimage、Krea2 系列;图片编辑使用 qwen-image-2.1;看到 ComfyUI 0.41.0 更新支持 FLUX.3 Image Klein 后,决定第一时间接入测试。
文章给出的整体结论是:在 RTX 4090D 24GB 上,Klein 的 1024px 文生图约 4 秒一张,1920×1080 风格图平均约 6 秒一张,1920×1080 图片编辑平均约 10 秒一张,3840×2160 4K 压测 44.50 秒一次通过;人物编辑中身份保持表现较好,但文字渲染和 pad 白边处理仍有短板。
测试环境与模型安装
硬件与软件环境
| 组件 | 配置 |
|---|---|
| GPU | RTX 4090D 24GB |
| ComfyUI | 0.41.0 |
| diffusion 模型 | flux3_image_klein_sd_int8_convrot.safetensors,5.4GB |
| 文本编码器 | qwen3vl_4b_int8_convrot.safetensors,4.5GB |
| VAE | flux2-vae.safetensors,作者本机原有 |
作者强调,5.4GB diffusion 模型与 4.5GB 文本编码器合计不到 10GB,因此如果质量足够,24GB 显存显卡会比较宽松。
模型下载来源
- 下载来源:ModelScope 仓库 black-forest-labs/flux-3-image-klein-comfy。
- 仓库地址:https://modelscope.cn/models/black-forest-labs/flux-3-image-klein-comfy
- 作者评价:在国内环境下,ModelScope 下载比 HuggingFace 镜像更稳定,也更适合一次性下载所需模型文件。
ComfyUI 工作流
作者在模型放入 ComfyUI 对应目录后,搭建了两个工作流模板。
文生图工作流:
UNETLoader → CLIPLoader(type=flux3) → EmptyFlux2LatentImage → KSampler
文生图核心采样参数:
- cfg=1。
- steps=15。
- sampler/scheduler:euler/simple。
- 作者解释:Klein 属于蒸馏模型,不需要传统较高引导系数;15 步就是主要配置,不建议加步数。
图片编辑工作流:
LoadImage → ReferenceLatent 将原图 latent 注入正负两条条件分支 → SamplerCustomAdvanced
这里的关键是 ReferenceLatent 图片编辑 范式:把原图 latent 作为参考信息注入条件分支,使模型在执行局部或语义编辑时尽量保持主体、构图、风格和身份一致。
关键事实
- 原文是一篇 今日头条 实测文章,标题为《FLUX.3 Klein comfyui实测:文生图4秒一张,还能快速图片编辑》。
- 测试模型是 Black Forest Labs 的 FLUX.3 Image Klein,使用 int8 量化版 diffusion 模型 flux3_image_klein_sd_int8_convrot.safetensors,大小 5.4GB。
- 文本编码器使用 qwen3vl_4b_int8_convrot.safetensors,大小 4.5GB。
- 测试平台为 RTX 4090D 24GB 与 ComfyUI 0.41.0。
- 模型来源为 ModelScope 仓库 black-forest-labs/flux-3-image-klein-comfy,作者强调国内下载稳定性优于 HuggingFace 镜像。
- 文生图节点链路为 UNETLoader、CLIPLoader(type=flux3)、EmptyFlux2LatentImage、KSampler。
- 核心采样参数为 cfg=1、steps=15、euler/simple。
- 1024×1024 文生图日志显示 15/15 步采样约 2 秒多,Prompt executed in 3.66 seconds,作者概括为 1024px 文生图约 4 秒一张。
- 4K 极限压测使用 3840×2160 城市夜景,作者提醒需要使用 VAE Tiled Decode,否则可能 VRAM 爆掉;结果为 44.50 秒出图,一次通过。
- 艺术风格测试用同一“山水村居”场景生成 10 种 1920×1080 风格图,平均约 6 秒一张。
- 作者称水彩、水墨、浮世绘、像素风等风格指令全部命中,并使用 Florence2 对成图做 caption 复核,10 张图描述与 prompt 语义一致。
- 通用图片编辑使用 ReferenceLatent 注入原图 latent,执行加物、换物、天空替换、天气替换、时间替换等任务。
- 图片编辑案例包括水墨山顶加宝塔、赛博朋克雨转雪、像素风加篝火、新艺术风人物换花、向日葵换薰衣草田、水彩白天换晚霞、装饰艺术昼夜替换等。
- 人物编辑专项中,作者测试 10 张多样化人物底图和 10 条编辑指令,称整轮没有出现“换装换脸”。
- 竖版写真测试输出统一 1080×1920;由于 Klein 只吃 16 的倍数,作者先生成 1088×1920,再用 Lanczos 精调到目标尺寸。
- 全链路统计显示上传底图平均 30ms,任务提交平均 497ms,服务端 15 步生成 10–11 秒,端到端一次通过样本平均 11 秒;作者称服务端纯推理占端到端 96%。
- 文章记录了 pad 白边陷阱:方图 pad 成竖版后,白边可能被模型当作要保留的原图内容;解决办法是在指令中显式声明白区是待替换 padding,新背景需铺满 9:16 全画布。
重要细节
实测一:1024×1024 文生图基础盘
作者先在模型已加载状态下运行 1024×1024、15 步文生图测试。日志中出现如下关键信息:
[INFO] Model Flux3 prepared for dynamic VRAM loading. 5557MB Staged.
100%|...| 15/15 [00:02<00:00, 6.41it/s]
[INFO] Model AutoencoderKL prepared for dynamic VRAM loading. 160MB Staged.
[INFO] Prompt executed in 3.66 seconds
作者据此将 1024px 文生图速度概括为约 4 秒一张。这个数据是在 RTX 4090D 24GB、ComfyUI 0.41.0、int8 量化 Klein 模型下得到的,且使用的是 cfg=1、steps=15、euler/simple 的简化采样配置。
实测二:3840×2160 4K 压测
作者随后直接测试 3840×2160 的 4K 城市夜景。这里的边界条件是必须使用 VAE Tiled Decode,否则可能出现 VRAM 爆掉的问题。
压测结果是 44.50 秒出图,并且一次通过。作者认为这一速度符合预期,也证明 Klein 在 24GB 显存消费级显卡上可以完成 4K 级别压测,但后文仍建议 4K 以上场景可以考虑先出 2K 后再放大。
实测三:10 种艺术风格连测
风格测试使用同一个“山水村居”场景,在 1920×1080 分辨率下生成 10 种风格图。日志中单张示例为:
[INFO] Model Flux3 prepared for dynamic VRAM loading. 5557MB Staged.
100%|...| 15/15 [00:04<00:00, 3.33it/s]
[INFO] Prompt executed in 5.67 seconds
作者给出的总结是:10 张全部通过,平均 6.0 秒一张。被点名的风格表现包括:
- 水彩:湿画法晕染命中。
- 水墨:留白命中。
- 浮世绘:木刻线条命中。
- 像素风:严格网格命中。
为了复核 prompt 与成图语义是否一致,作者使用 Florence2 对成图做 caption,称 10 张图的描述与 prompt 语义全部对得上。
实测四:通用图片编辑
图片编辑是作者最关心的环节。测试方法是用上一轮生成的 10 张风格图作为底图,每张执行一条编辑指令。编辑类型、案例和结果如下:
| 编辑类型 | 案例 | 原文结果 |
|---|---|---|
| 加物 | 水墨画山顶加宝塔 / 像素画加篝火 | 5/5 |
| 换物 | 向日葵→薰衣草田 | 2/2 |
| 天空替换 | 水彩白天→晚霞 | 1/1 |
| 天气替换 | 赛博朋克雨→雪 | 1/1 |
| 时间替换 | 装饰艺术昼→夜 | 1/1 |
作者重点描述了两个成功案例:
- 水墨山顶加宝塔:模型只在最高峰顶精准增加一座塔,同时保留墨色浓淡和朱红印章位置。
- 赛博朋克雨转雪:霓虹倒影被改成积雪反光,作者认为物理逻辑正确。
文章还提到两个高难度案例:
- 像素风加篝火。
- 新艺术风人物换花。
在 1920×1080 图片编辑中,作者给出的平均速度是 10.0 秒一张。
实测五:人物编辑专项
人物编辑专项被作者称为最难的“不换脸”考验。流程是先用 Klein 文生图生成 10 张多样化人物底图,覆盖不同性别、年龄、族裔、职业和景别,再执行 10 条编辑指令,覆盖 8 类人物编辑能力。
原文点名案例包括:
- 小女孩双马尾改为齐耳短发加发卡:作者称雀斑数量、逆光发丝边缘全部保留。
- 家庭合影加入金毛幼犬:作者称四人一狗光影统一,父母和孩子没有漂移。
这一轮结果被概括为“身份保持,平均 10 秒一张”。作者还强调整轮测试没有出现一次“换装换脸”,并认为 Klein 的 ReferenceLatent 图片编辑 范式在人物主体保真上属于其测过的开源编辑模型中较好的一档。
但文章也记录了瑕疵:球衣上的 AI 伪文字在编辑后有轻微形变。作者将其归因于扩散模型处理文字的通病,与身份保持无关;此外,在分辨率较低时,脸部也可能有些崩。
实测六:1080×1920 竖版写真同脸编辑
最后一轮更接近商业使用场景。作者使用 4 张白底证件照风格的中国美女源图,执行 10 条编辑指令,输出统一 1080×1920 竖版图。
这里有一个尺寸约束:Klein 只吃 16 的倍数。因此作者实际生成 1088×1920,再通过 Lanczos 精调到 1080×1920。
原文重点案例包括:
- 白底改为西湖柳堤背景:作者称发丝边缘、皮肤受光与新背景光线一致。
- 红汉服加古庭院双替换:作者称绣花纹样精细、背景透视正确、脸部 identity 完全不变,并认为这是整轮测试里最难的案例。
全链路时间统计
| 环节 | 耗时 |
|---|---|
| 上传底图 | 平均 30ms |
| 任务提交 | 平均 497ms |
| 服务端生成,15 步 | 10–11s |
| 端到端,一次通过样本 | 平均 11s |
作者据此认为工程链路本身几乎不耗时,服务端纯推理约占端到端耗时的 96%。
踩坑:pad 白边陷阱
文章记录了一次失败:将方图 pad 成竖版后,白边被模型当成“需要保留的原图内容”。当执行背景替换时,新背景只填充了中间区域,上下白条原样保留。
解决办法是在编辑指令中显式声明:白区是待替换的 padding,新背景需要铺满 9:16 全画布。作者称改完后重跑,两张全部修复。
作者给出的业务启示是:竖版编辑优先使用原生竖图作为底图;如果必须 pad,就要在指令中加入全画布声明。这被作者视为输入预处理和指令工程配合问题,而非单纯模型能力缺陷。
作者总结的优点与不足
优点
| 优点 | 原文说明 |
|---|---|
| 小 | 5.4GB diffusion + 4.5GB 编码器,24GB 显存宽松 |
| 快 | 1024P 约 4 秒,1920×1080 图片编辑约 10 秒,4K 约 44 秒 |
| 编辑强 | 人物“不换脸”表现被作者列为开源编辑第一梯队 |
| 参数简单 | cfg=1、15 步、euler,没有复杂调参 |
| 国内下载友好 | ModelScope 直下,不依赖科学上网 |
不足
| 不足 | 原文说明 |
|---|---|
| 文字渲染一般 | 编辑时已有伪文字会轻微形变 |
| pad 白边陷阱 | 方图 pad 后做全画布编辑,需要在指令中强化说明 |
作者给出的使用建议
- 直接使用 ComfyUI 0.41 或更高版本;旧版可能节点注册不全,升级时作者建议走 git ff-only 更稳。
- 模型优先从 ModelScope 官方仓库 black-forest-labs/flux-3-image-klein-comfy 下载。
- 图片编辑指令中加入“keep unchanged”类约束,例如“keep the face/pose unchanged”,以提升人物稳定性。
- 竖版编辑优先使用原生竖图,避免 pad 白边陷阱;如果必须 pad,要声明新背景铺满全画布。
- 15 步不要随意增加;作者认为 蒸馏图像模型采样参数 下 15 步已经收敛,加步数只会浪费时间。
生产化判断
作者认为,如果需求是批量文生图、风格化出图、人物写真编辑、电商换背景,Klein 值得接入生产流程。理由是:4 秒一张的文生图速度、人物编辑不换脸、零 API 成本,三者组合在消费级显卡上有较强竞争力。
如果需求是图文中的精确文字渲染或超高分辨率直出,作者建议继续权衡。文字渲染是短板;4K 以上建议先出 2K 再放大。
文章最后将 Klein 的竞争力归纳为“单位显存下的出图质量 + 编辑保真度”。作者认为,5.4GB 的模型体积已经能在一块 24GB RTX 4090D 上跑通文生图、图片编辑和人物写真完整业务闭环。原文称其做了 41 条用例的完整测试,并认为结果比预期更好。
相关条目
- FLUX.3 Image Klein
- ComfyUI
- Black Forest Labs
- ReferenceLatent 图片编辑
- 蒸馏图像模型采样参数
- 本地图像生成模型生产化评测
- ModelScope
- Florence2