Che cos’è FLUX.1? Il modello dietro molta qualità d’immagine attuale

FLUX non è un solo modello. La famiglia si divide in una variante distillata e veloce pensata per produrre un’immagine utilizzabile in pochissimi step, una variante intermedia scaricabile apertamente ma con condizioni di licenza che limitano l’uso commerciale, e una variante di punta disponibile tramite API invece che come file.

La conseguenza importante è legale più che tecnica. Scegliere la variante apertamente scaricabile perché è comoda e poi usarne l’output a fini commerciali è l’errore più comune; è la licenza, non il modello, a decidere se ciò è consentito.

Verifichi quale variante stia effettivamente eseguendo un servizio hosted prima di dare per scontato cosa possa fare con il risultato. I servizi non sempre lo dichiarano, e la risposta cambia cosa realmente possiede.

L’esperienza pratica riportata è che contraddice meno. Se si chiedono tre oggetti specifici disposti in un certo modo, è più probabile ottenere tre oggetti disposti così, invece di un’immagine bellissima con due soli oggetti e una disposizione diversa.

Questo comporta un trade-off reale. Un modello che aderisce strettamente alle istruzioni è meno incline a migliorare un prompt mediocre, quindi una richiesta vaga restituisce un’immagine vaga invece di essere lusingata in qualcosa di d’impatto. I modelli con un’estetica più marcata valorizzano i prompt pigri e ostacolano quelli specifici; questo è l’altro estremo del compromesso.

L’implicazione operativa è che il dettaglio qui viene premiato in modo non scontato altrove. Nominare la luce, la lunghezza focale e il medium cambia sensibilmente l’output, motivo per cui le indicazioni sui prompt in questo sito sono scritte in questi termini.

Per anni, lettere leggibili erano il modo sicuro di smascherare un’immagine generata. Le insegne uscivano come un plausibile nonsense perché un modello di diffusion assemblava forme di lettere da statistiche visive invece di scrivere.

FLUX è sostanzialmente migliore, e stringhe brevi — una parola su un cartello, un’etichetta su una confezione, un titolo su un poster — risultano spesso leggibili abbastanza da poterci progettare attorno. Non è un motore di composizione tipografica: i passaggi lunghi degradano ancora, e più lunga è la stringa peggiori sono le probabilità.

La tecnica pratica è chiedere meno testo di quanto serva e aggiungere il resto correttamente dopo. Uno sfondo generato con una parola leggibile, rifinito in un vero strumento di design, batte un’immagine generata con un paragrafo di quasi-testo impastato nei pixel.

Rispetto a Stable Diffusion, è il lavoro più recente di persone in parte sovrapposte: output in genere più forte e migliore aderenza alle istruzioni, contro un inventario molto più ridotto di checkpoint della community e adapter di stile.

Rispetto a Midjourney, è il meno opinionato. Midjourney, da un prompt breve, crea qualcosa con un punto di vista; FLUX crea ciò che ha chiesto, il che è meglio quando sa esattamente cosa vuole e peggio quando spera di essere sorpreso.

Rispetto ai modelli chiusi collegati ad assistenti, è quello che può effettivamente eseguire o ospitare in proprio, cosa che conta quando throughput, privacy o riproducibilità sono vincoli e non preferenze.

Le fotografie su questo sito sono generate con la famiglia FLUX — la galleria indica il modello su ogni scheda insieme al prompt e al seed, così la verifica è possibile e non solo affermata. Non abbiamo alcun rapporto commerciale con Black Forest Labs; è uno strumento che acquistiamo come chiunque altro.

Dichiariamo quale modello ha generato un’immagine perché un sito che sostiene l’arte del prompt, ma illustra l’argomento con immagini di cui non vuole dichiarare la provenienza, si smentisce da solo. Se i prompt nella pagina galleria sono reali, possono essere eseguiti, e il nome del modello è parte di ciò che serve per eseguirli.