FLUX 3 Klein promete 8 GB de VRAM. Los archivos dicen otra cosa

Black Forest Labs publicó FLUX 3 Image Klein el 15 de octubre, y el número que encabeza la noticia es 8. Ocho, como en 8 GB de VRAM, supuestamente suficientes para mover un modelo de imagen de 5.6 mil millones de parámetros con salida 4K nativa, diez imágenes de referencia y control de composición por cajas delimitadoras. Para quien lleva dos años viendo cómo los modelos abiertos de imagen exigen una tarjeta de 24 GB y una plegaria, eso se lee como el final de una espera larga.

El número es también, como suelen serlo estos números, técnicamente cierto y prácticamente engañoso. Las dos mitades de la frase merecen atención, porque Klein es genuinamente interesante y la distancia entre su mercadotecnia y el tamaño de sus archivos dice mucho sobre dónde está hoy la generación de imágenes en local.

Qué se publicó

Klein es el miembro de pesos abiertos de la familia FLUX 3. El modelo FLUX 3 Image que llegó el 1 de octubre era solo por API; Klein es el que se puede descargar. Su arquitectura es un transformer de imagen de 5.6 mil millones de parámetros, acompañado de un codificador de texto Qwen3-VL 4B con licencia Apache 2.0, detalle que conviene anotar, porque los pesos principales no son Apache.

Tres capacidades caben en un solo juego de pesos: texto a imagen, edición con una referencia y generación con múltiples referencias, hasta diez imágenes en un mismo prompt. El límite de referencias es lo importante para el trabajo de producción. Si hay que mantener al mismo actor, el mismo vestuario y el mismo objeto a lo largo de una secuencia de planos, diez espacios alcanzan para asignarle una tarea a cada referencia en lugar de confiar en que un moodboard promedie bien por su cuenta.

El control de composición son cajas delimitadoras sobre una retícula 0-to-1000 grid. Se dibuja una región y se le pide al modelo que coloque, recoloree, mueva, reemplace o elimine lo que está dentro. Es una interacción distinta de la de escribir un prompt y rezar. Se parece más a una herramienta de maquetación, y por eso el lanzamiento se lee menos como la salida de un modelo y más como una función añadida a un flujo de diseño.

BFL entrega además dos checkpoints. Uno destilado, de 16 pasos y sin guidance, pensado para inferencia. Uno base, de 50 pasos con CFG 3.5, pensado para entrenamiento: la ficha del modelo dice con claridad que el checkpoint destilado es un mal punto de partida para afinar. La receta de LoRA documentada entrena sobre Base y sirve sobre Distilled, y como ambos comparten arquitectura, el adaptador se carga sin conversión. En el ejemplo de BFL, un LoRA de estilo sobre veinte pinturas de dominio público con leyendas, en rank 32, tomó unas 4.5 horas en una sola GPU.

La afirmación de los 8 GB, punto por punto

Aquí está la aritmética que el anuncio no hace por usted. El repositorio de ComfyUI lista los archivos de cada componente.

El transformer pesa 11.1 GB en BF16 y 5.8 GB en INT8. El codificador de texto Qwen3-VL, 8.9 GB en BF16 y 4.9 GB en INT8. El VAE, 0.3 GB. Y luego está el prompt upsampler, un modelo basado en Qwen3.5-9B de 18.8 GB en BF16 o 9.8 GB en INT8.

Tome las dos piezas INT8 más grandes: 5.8 más 4.9 son 10.7 GB de pesos antes de asignar una sola activación. Una tarjeta de 8 GB no puede sostener las dos. La afirmación de los 8 GB depende, entonces, de descargar una de ellas a la RAM del sistema, lo cual funciona, y es también la razón por la que la propia ficha del fabricante mide un pico de 31 GB en BF16 y de 26 GB en FP8 a 1024×1024 en una B200, con el upsampler apagado.

Esa última cláusula pesa más de lo que parece. La ficha afirma sin rodeos que un prompt corto escrito tal cual produce resultados genéricos y que el upsampler es necesario para obtener buenos resultados. El upsampler necesita unos 28 GB a precisión completa en una tarjeta de 80 GB. No es un componente de lujo opcional: forma parte de cómo se supone que debe usarse el modelo, y mide aproximadamente lo mismo que el modelo.

El resumen honesto es este: 8 GB le consiguen una ejecución, con una compilación INT8, con descarga agresiva a memoria, a velocidad reducida y probablemente con una ruta de prompt más débil. No le consiguen la experiencia del vídeo de lanzamiento.

Qué dicen los números de velocidad y qué no

BFL reporta unos cuatro segundos para una imagen de un megapíxel en una RTX 5090, y menos de nueve segundos en una RTX 4070. Son buenas cifras. También están medidas sobre el checkpoint destilado, con los ajustes que eligió BFL, para una sola imagen y sin contar la carga del modelo. Si su flujo encadena varios modelos —un escalador, una pasada de inpaint, una restauración de rostro—, el tiempo real por pieza terminada será varias veces mayor.

El fabricante sostiene además que Klein supera a varios modelos abiertos más grandes en las pruebas de texto a imagen, multirreferencia y edición. Esa afirmación no tiene verificación de terceros al cierre de este texto, y las comparaciones internas en el lanzamiento son el género menos fiable de benchmark. Las clasificaciones independientes que existen sitúan a Klein en la mitad de la tabla en estética pura y claramente mejor en fidelidad a la edición, lo que encaja con las prioridades de diseño.

La licencia es la parte que todos se saltan

Los pesos de Klein están bajo la FLUX Kommunity License, no bajo Apache 2.0. Los derechos de uso comercial del resultado se conceden a personas y empresas cuya facturación anual bruta, contando filiales, se mantenga por debajo de 5 millones de dólares. Por encima de esa línea hace falta una licencia comercial de BFL o pasar por la API.

Para un diseñador independiente, un estudio pequeño o un realizador que monta un videoclip, es una concesión real. Para una agencia que acaba de cruzar el umbral, es un punto de cumplimiento que aparecerá en una auditoría dos años después. «Pesos abiertos» y «código abierto» se usan como sinónimos en buena parte de la cobertura de este lanzamiento, y no son lo mismo.

Hay además una inversión de precios que conviene calcular. La API arranca en torno a 0.008 y 0.009 dólares por imagen. Con mil imágenes al mes, eso son menos de diez dólares. Una tarjeta de 24 GB cuesta más de mil. Autoalojar Klein solo tiene sentido financiero con volúmenes en los que la factura de la API sea la cifra mayor, o en situaciones donde las imágenes no puedan salir de su máquina.

Quién debería descargarlo de verdad

Si su trabajo necesita consistencia de personaje o de producto a lo largo de un conjunto de imágenes —storyboards, un catálogo con un mismo objeto en veinte escenas, un cómic donde la misma cara aparece en cada viñeta—, las diez referencias y el control por cajas de Klein son la herramienta más directa disponible hoy en pesos abiertos. Esa combinación es realmente nueva a esta escala.

Si su trabajo consiste en una sola imagen principal bien resuelta, la API es más barata, más rápida y mejor de lo que será su instalación local.

Si su motivo para querer pesos locales es la privacidad —medicina, derecho, un producto sin anunciar—, el número con el que hay que planificar es el pico de 31 GB en BF16, no el ocho. Presupueste una tarjeta de 32 GB o espere las cuantizaciones GGUF de la comunidad, que siempre llegan en uno o dos meses.

El patrón de los modelos abiertos de imagen ha sido constante durante dos años: el anuncio cita la huella más pequeña posible, la ficha del modelo cita la real y la comunidad salda la diferencia con compilaciones cuantizadas que cambian un poco de calidad por mucho margen. Klein sigue ese patrón al pie de la letra. Saber qué número le corresponde a usted es la mayor parte de la decisión.