Apa itu FLUX.1? Model di balik kualitas gambar terkini

FLUX bukan satu model. Keluarganya terbagi menjadi varian cepat yang didistilasi untuk menghasilkan gambar layak pakai dalam sangat sedikit langkah, varian tengah yang dapat diunduh secara terbuka tetapi membawa ketentuan lisensi yang membatasi penggunaan komersial, dan varian puncak yang tersedia melalui API alih-alih sebagai berkas.

Konsekuensi pentingnya bersifat legal, bukan teknis. Memilih varian yang terbuka diunduh karena praktis, lalu memakai keluarannya secara komersial, adalah kesalahan paling umum, dan lisensi — bukan modelnya — yang menentukan apakah itu diizinkan.

Periksa varian mana yang sebenarnya dijalankan oleh layanan hosted sebelum berasumsi tentang apa yang boleh Anda lakukan dengan hasilnya. Layanan tidak selalu menyebutkan, dan jawabannya mengubah apa yang Anda miliki.

Pengalaman praktis yang dilaporkan orang adalah ia lebih sedikit "membantah". Minta tiga objek spesifik ditata dengan cara tertentu dan Anda lebih mungkin mendapatkan tiga objek yang ditata seperti itu, bukan gambar indah dengan dua objek dan tata letak berbeda.

Itu ada biayanya. Model yang sangat patuh instruksi cenderung enggan memperbaiki prompt yang medioker, sehingga permintaan yang kabur akan mengembalikan gambar yang kabur, bukan yang mencolok. Model dengan opini estetika kuat akan memuji prompt malas dan melawan prompt spesifik; ini ujung sebaliknya.

Implikasi praktisnya adalah detail dihargai di sini dengan cara yang tidak selalu berlaku di tempat lain. Menyebutkan pencahayaan, panjang fokus, dan medianya mengubah keluaran secara nyata, itulah alasan panduan prompt di situs ini ditulis dengan istilah-istilah tersebut.

Huruf yang terbaca selama bertahun-tahun adalah cara andal mengenali gambar generatif. Rambu keluar sebagai omong kosong yang terlihat meyakinkan karena model diffusion merangkai bentuk huruf dari statistik visual alih-alih mengeja apa pun.

FLUX jauh lebih baik di area ini, dan string pendek — satu kata di papan tanda, label pada kemasan, judul pada poster — cukup sering keluar terbaca untuk dijadikan dasar desain. Ia bukan mesin tata huruf: paragraf panjang tetap menurun kualitasnya, dan makin panjang string, makin buruk peluangnya.

Teknik praktisnya adalah minta teks lebih sedikit daripada yang Anda butuhkan dan tambahkan sisanya dengan layak setelahnya. Latar yang dihasilkan dengan satu kata terbaca, lalu diselesaikan di alat desain sungguhan, mengalahkan gambar generatif dengan paragraf huruf hampir-benar yang sudah tertanam di piksel.

Dibanding Stable Diffusion, ia adalah karya yang lebih baru dari orang-orang yang sebagian tumpang tindih: keluaran umumnya lebih kuat dan kepatuhan instruksi lebih baik, dengan inventaris checkpoint komunitas dan adaptor gaya yang jauh lebih kecil.

Dibanding Midjourney, ia lebih tidak beropini. Midjourney akan membuat sesuatu yang punya sudut pandang dari prompt pendek; FLUX akan membuat apa yang Anda minta, yang lebih baik saat Anda tahu persis apa yang diinginkan dan lebih buruk saat Anda berharap disurprisekan.

Dibanding model tertutup yang melekat pada asisten, ia adalah yang benar-benar bisa Anda jalankan atau host sendiri, penting ketika throughput, privasi, atau reprodusibilitas adalah kendala, bukan preferensi.

Foto-foto di situs ini dibuat dengan keluarga FLUX — galeri mencantumkan model pada setiap kartu berdampingan dengan prompt dan seed, sehingga klaimnya dapat diperiksa, bukan sekadar dinyatakan. Kami tidak punya hubungan komersial dengan Black Forest Labs; ini alat yang kami bayar seperti yang lain.

Alasan kami menyebut model yang membuat sebuah gambar adalah: situs yang berargumen tentang craft prompt namun mengilustrasikannya dengan gambar yang asal-usulnya tak mau diungkapkan, melemahkan argumennya sendiri. Jika prompt di halaman galeri itu nyata, prompt tersebut bisa dijalankan, dan nama model adalah bagian dari kemampuan menjalankannya.