FLUX 3 Klein은 8GB VRAM이면 된다지만, 파일 크기는 다른 말을 한다

Black Forest Labs가 10월 15일 FLUX 3 Image Klein을 공개했고, 가장 눈에 띄는 숫자는 8이다. 8GB의 VRAM이면 56억 파라미터 이미지 모델을 돌릴 수 있다는 뜻이다. 네이티브 4K 출력, 참조 이미지 10장, 바운딩박스 레이아웃 제어까지 따라온다. 지난 2년 동안 오픈 이미지 모델이 24GB 그래픽카드와 기도 한 번을 요구하는 걸 지켜본 사람이라면, 이 대목에서 길었던 기다림이 끝났다고 느낄 만하다.

그 숫자는 이런 숫자들이 늘 그렇듯 기술적으로는 맞고 실제로는 오해를 부른다. 이 문장의 앞과 뒤 모두 들여다볼 가치가 있다. Klein은 정말 흥미롭고, 홍보 문구와 파일 크기 사이의 간격은 로컬 이미지 생성이 지금 어디에 서 있는지를 잘 말해준다.

무엇이 나왔나

Klein은 FLUX 3 제품군의 오픈 웨이트 버전이다. 10월 1일에 등장한 FLUX 3 Image는 API 전용이었다. 내려받을 수 있는 쪽은 Klein이다. 구조는 56억 파라미터 이미지 transformer에 Apache 2.0 라이선스의 Qwen3-VL 4B 텍스트 인코더를 붙인 형태다. 본체 가중치가 Apache가 아니라는 점에서 이 부분은 기억해 둘 만하다.

한 벌의 가중치에 세 가지 기능이 들어 있다. 텍스트→이미지, 단일 참조 이미지 편집, 그리고 최대 10장의 참조 이미지를 쓰는 다중 참조 생성이다. 실무에서 중요한 건 참조 이미지 상한이다. 같은 배우, 같은 의상, 같은 소품을 한 시퀀스 안에서 일관되게 유지해야 한다면, 10개의 자리는 참조 이미지마다 하나씩 역할을 배정하기에 충분하다. 무드보드가 알아서 평균을 내주기를 바라지 않아도 된다.

레이아웃 제어는 0-to-1000 grid 위의 바운딩박스다. 영역을 그리고 나서 그 안의 요소를 배치·색상 변경·이동·교체·삭제하라고 모델에 지시한다. 프롬프트를 쓰고 기도하는 방식과는 다른 상호작용이다. 쪽에 가까운 것은 페이지 레이아웃 도구다. 그래서 이번 발표는 모델 출시라기보다 디자인 워크플로에 기능이 하나 추가된 것처럼 읽힌다.

BFL은 체크포인트도 두 개 내놨다. 증류 버전은 16스텝, guidance 없이 추론용이다. 베이스 버전은 50스텝, CFG 3.5로 학습용이다. 모델 카드는 증류 버전이 파인튜닝 출발점으로는 좋지 않다고 분명히 적는다. 문서의 LoRA recipe는 Base에서 학습하고 Distilled로 서빙하는 구성인데, 두 모델이 같은 구조를 공유하기 때문에 어댑터가 변환 없이 로드된다. BFL이 든 예시에서는 캡션이 붙은 퍼블릭 도메인 그림 20점으로 rank 32 스타일 LoRA를 학습하는 데 GPU 한 장으로 약 4.5시간이 걸렸다.

8GB 주장을 항목별로 더해보면

발표문이 대신 해주지 않는 산수를 여기서 하자. ComfyUI 저장소에 구성 요소별 파일이 공개돼 있다.

transformer는 BF16에서 11.1 GB, INT8에서 5.8 GB다. Qwen3-VL 텍스트 인코더는 BF16 8.9 GB, INT8 4.9 GB. VAE는 0.3 GB. 그리고 prompt upsampler가 있다. Qwen3.5-9B 기반 모델로 BF16에서 18.8 GB, INT8에서 9.8 GB다.

가장 큰 INT8 두 개를 고르면 5.8에 4.9를 더해 10.7 GB다. 활성값 하나도 아직 할당하지 않은 상태에서 이만큼의 가중치다. 8GB 카드에는 둘 다 올라가지 않는다. 즉 8GB라는 주장은 둘 중 하나를 시스템 RAM으로 오프로드한다는 전제 위에 서 있다. 그렇게 하면 돌아가기는 한다. 그리고 벤더 자체의 모델 카드가 B200에서 1024×1024, 그것도 upsampler를 끈 상태로 BF16 피크 31 GB, FP8 26 GB를 기록한 이유이기도 하다.

그 마지막 단서, upsampler를 껐다는 조건이 겉보기보다 무겁다. 짧은 프롬프트를 그대로 넣으면 뻔한 결과가 나오고, 좋은 결과에는 upsampler가 필수라고 모델 카드는 명시한다. 그 upsampler는 80GB 카드에서 풀 정밀도로 돌릴 때 약 28 GB를 요구한다. 선택 사양의 사치스러운 부품이 아니다. 모델이 원래 쓰이도록 설계된 방식의 일부이고, 크기는 모델 본체와 비슷하다.

그래서 정직한 요약은 이렇다. 8GB로 얻는 것은 INT8 빌드, 공격적인 오프로드, 떨어진 속도, 그리고 아마도 더 약한 프롬프트 경로로 돌아가는 실행 한 번이다. 런칭 영상에 나오는 경험은 아니다.

속도 숫자가 말하는 것과 말하지 않는 것

BFL은 RTX 5090에서 100만 화소 이미지 한 장에 약 4초, RTX 4070에서 9초 미만을 보고한다. 좋은 숫자다. 다만 증류 체크포인트, BFL이 고른 설정, 이미지 한 장, 모델 로딩 시간 제외라는 조건에서 잰 값이다. 업스케일러, 인페인트, 얼굴 복원 단계를 오가는 워크플로라면 완성본 한 장당 실제 소요 시간은 그 몇 배가 된다.

벤더는 또 Klein이 텍스트→이미지, 다중 참조, 편집 벤치마크에서 더 큰 오픈 웨이트 모델 여러 개를 앞선다고 주장한다. 이 글을 쓰는 시점에 제3자 검증은 없고, 출시 시점의 내부 비교는 벤치마크 가운데 신뢰도가 가장 낮은 종류다. 공개된 독립 리더보드에서 Klein은 순수한 미학에서는 중간권, 편집 준수성에서는 뚜렷하게 앞선다. 설계상의 우선순위와 맞아떨어지는 결과다.

사람들이 건너뛰는 부분은 라이선스다

Klein의 가중치는 Apache 2.0이 아니라 FLUX Kommunity License 아래에 있다. 상업적 출력 권리는 개인과 기업에 부여되지만, 계열사를 합산한 연간 매출이 500만 달러 미만이어야 한다. 그 선을 넘으면 BFL에서 상용 라이선스를 받거나 API를 써야 한다.

1인 디자이너, 작은 스튜디오, 뮤직비디오를 편집하는 영상 제작자에게는 실질적인 허가다. 이제 막 기준을 넘어선 에이전시에게는 2년 뒤 감사에서 튀어나오는 컴플라이언스 항목이다. 이번 발표를 다룬 대부분의 기사가 ‘오픈 웨이트’와 ‘오픈 소스’를 같은 뜻으로 쓰고 있지만, 둘은 같은 것이 아니다.

가격이 뒤집히는 지점도 계산해 볼 만하다. API는 이미지 한 장에 0.008~0.009달러 수준이다. 한 달에 1000장이면 10달러가 안 된다. 24 GB 카드는 1000달러가 넘는다. Klein을 직접 돌리는 게 재무적으로 말이 되는 경우는 API 청구서가 더 커지는 물량이거나, 이미지를 자기 기계 밖으로 내보낼 수 없을 때뿐이다.

실제로 내려받아야 할 사람

일련의 이미지에서 인물이나 제품의 일관성이 필요한 작업, 가령 콘티, 하나의 사물을 20개 장면에 놓는 제품 카탈로그, 칸마다 같은 얼굴이 나오는 만화라면 Klein의 참조 10장과 박스 제어가 지금 오픈 웨이트로 구할 수 있는 가장 직접적인 도구다. 이 조합이 이 규모에서 나온 것은 정말로 새로운 일이다.

멋진 히어로 이미지 한 장이 필요한 작업이라면 API가 더 싸고, 더 빠르고, 당신의 로컬 환경보다 결과가 좋다.

로컬 가중치를 원하는 이유가 프라이버시라면, 의료든 법률이든 아직 공개되지 않은 제품이든, 계획의 기준은 8이 아니라 BF16 피크 31 GB여야 한다. 32 GB 카드를 예산에 넣거나, 한두 달 안에 반드시 나오는 커뮤니티 GGUF 양자화를 기다려라.

오픈 이미지 모델에서 2년째 반복되는 패턴은 일정하다. 발표문은 가능한 가장 작은 설치 공간을 말하고, 모델 카드는 실제 값을 적고, 커뮤니티는 양자화 빌드로 그 사이를 메운다. 품질을 조금 내주고 여유를 크게 얻는 방식이다. Klein도 정확히 이 패턴을 따른다. 어느 숫자가 자기에게 해당하는지 파악하는 것이 결정의 대부분이다.