智東西
作者 陳駿達
編輯 李水青

智東西11月26日報道，昨晚，德國AI圖像模型獨角獸黑森林實驗室發布了最新一代圖像生成模型家族FLUX.2。FLUX.2的核心目標是解決真實生產環境中的需求，而不僅僅是作為演示或娛樂的生成工具。

FLUX.2可同時參考多達10張圖片，并保持字符、產品和風格的一致性。下圖這張逼真的模特圖，其實就是由10張不同圖片的元素組合而來的。

其圖像細節和真實感也有提升，能生成更豐富的細節、更清晰的紋理和更穩定的光照，適用于產品拍攝、可視化和模擬攝影的用途。

文本渲染方面，復雜的排版、信息圖表、表情包和帶有清晰文本的UI Demo，如今都能被可靠地生成。

FLUX.2對復雜、結構化指令的遵守能力得到提升，包括多部分提示和組成限制，并支持了最高4百萬分辨率的圖像編輯和更靈活的輸入、輸出比例。模型還能更好地遵循現實世界的知識、光照和空間邏輯，從而產生更加連貫的場景和預期的行為。

FLUX.2系列本次一共發布3款模型，涵蓋了從完全托管、可用于生產環境的API到開發者可以自行運行的開放式檢查點等一系列模型產品。性能較強的FLUX.2 [pro]、FLUX.2 [flex]并未開源，FLUX.2 [dev]則是開源的。

值得注意的是，此前黑森林實驗室開源的Flux.1 [dev]是Hugging Face上第二受歡迎的模型，僅次于DeepSeek-R1。

FLUX.2 [pro]、FLUX.2 [flex]版本目前僅以API方式對外提供服務，前者可提供媲美頂級閉源模型的圖像質量，而后者允許用戶控制步數和引導比例等模型參數。

FLUX.2 [dev]則是一款基于FLUX.2基礎模型的32B參數量開放權重模型，這是目前最強大的開源圖像生成和編輯模型，將文生圖、圖生圖和多圖輸入功能相結合。

未來，黑森林實驗室還計劃發布開源的FLUX.2 [klein]模型，它基于FLUX.2基礎模型精簡而來，與同等規模的從零開始訓練的模型相比，它功能更強大，對開發者更友好，并具備與其教師模型相同的諸多功能。

FLUX.2基于潛在流匹配架構，將圖像生成和編輯集成在單一架構中。該模型將歐洲本土AI創企Mistral自研的Mistral-3 24B視覺語言模型（VLM）與整流流式（Rectified Flow）Transformer結合。VLM帶來了現實世界的知識和上下文理解，而Transformer則捕捉了早期架構無法實現的空間關系、材料屬性和組合邏輯。

新一代可學習潛空間編碼器FLUX.2 – VAE，也就是所有FLUX.2模型的流式主干網絡，已經依照Apache 2.0協議開源，可獨立使用。

體驗鏈接：

http://bfl.ai/play

開源地址：

https://huggingface.co/black-forest-labs/FLUX.2-dev

與日前發布的Nano Banana Pro相比，FLUX.2的表現究竟如何？智東西進行了對比體驗。我們首先嘗試讓兩款模型根據以下提示詞生成圖片：

原文：Office building stairwell cam, chairs stacked impossibly high reaching multiple floors, person climbing past them on stairs, emergency lighting, fisheye distortion, architectural wrongness. 翻譯：辦公樓樓梯間的監控畫面：成堆的椅子被不可能地壘到數層樓高，有個人正從樓梯上經過這些椅子旁，場景中帶有應急照明、魚眼鏡頭畸變，以及明顯違背建筑結構邏輯的異常感。

模型需要生成看似真實但邏輯上錯誤的空間，既不能崩壞，也不能被自動糾正成正常結構，這對其世界知識和提示詞遵循能力提出了挑戰。

FLUX.2 [pro]給出的生成結果如下，可以看到其較好地還原了魚眼鏡頭畸變效果和提示詞中的異常感，不過遺漏了“應急照明”這個要素。

Nano Banana Pro的生成結果如下，可以看到，為了還原監控鏡頭的感覺，Nano Banana Pro加上了時間戳和監控編號等要素，應急照明燈的效果也比較逼真，整個畫面有更強的大片感。

我們還嘗試讓兩款模型生成了2000年代CCD相機風格的照片，畫面內容是兩只樹懶在酒館喝酒。

在這題上，FLUX.2 [pro]在風格還原上做得更好，無論是閃光燈效果還是畫質的特點，都更為接近CCD相機的拍攝效果。

Nano Banana Pro生成的結果在畫面內容上并無明顯錯誤，但是其風格還原度與FLUX.2 [pro]相比還有些差距。

為考察兩款模型的實用性，我們試著讓它們打造了一張科普用途的簡易插圖，解釋德國城市弗賴堡的陽光為何如此充足。圖中的所有文字都是提示詞提供的，但畫面內容主要由模型自行發揮。

FLUX.2 [pro]打造的插圖文字準確，圖片內容符合主題。

Nano Banana Pro也輸出了準確的畫面和文字，兩款模型在這道題上打了平手。

由于Nano Banana Pro每天僅允許三次免費使用，我們并未進行更多對比實測。不過，此前我們已在測試中發現Nano Banana Pro的中文渲染能力還是不錯的。

但當我們用中文向FLUX.2 [pro]發送指令，要求其解釋伯努利現象時，其輸出的畫面中全是亂碼，應該暫時還不支持中文的渲染。

結語：圖像模型產業化轉向加速

近期，各大圖像模型的頭部玩家，都不約而同地選擇將升級方向定為實用性、可靠性，這也顯示出AI圖像生成技術正從演示和娛樂工具，向產業化應用加速邁進。

在追求畫質之外，模型的輸出穩定性以及專業場景的適用性，也成為衡量技術價值的新標準。