FLUX 3 這次不釋出權重
FLUX.1 當年走 Apache 2.0 開源,跑 ComfyUI 的本地玩家都熟。FLUX Pro 半開源半閉源。到了 FLUX 3 Image,Black Forest Labs 乾脆只留 API。
這個轉變衝上 Hacker News 首頁,100 分熱度,但 11 則留言裡多數人沒點破重點——不是模型變強了,是商業模式換軌了。
我繞了一圈討論串,大家聊的還是 prompt fidelity、text rendering 這些技術細節。沒人正面回應一個問題:當最強的開源圖像模型團隊決定只賣 API,開源圖像模型這個賽道還剩什麼?
代際有進步,但進步在哪
官方頁面主打四類能力:
- 寫實度
- 提示詞精確遵循
- 文字渲染
- 圖像編輯
搭配展示圖來看,FLUX 3 在手指、衣物褶皺、產品級商業圖這幾項上比 FLUX 1.1 Pro 強一檔。但跟 Midjourney v7 拉不開質變差距。
說幾個具體感受:
- 手指:FLUX 1 時代六指、缺指是日常,FLUX 3 展示圖裡基本看不出明顯破綻
- 衣物褶皺:襯衫、絲綢類褶皺終於有了物理感的次表面散射,不再是塑膠感
- 商業產品圖:白底產品圖的邊緣細節、陰影投射都達到商用直出水準
- 文字渲染:海報類英文排版基本不出錯,但中文仍是弱項
這些提升 FLUX 2 如果走開源路線也能追平。真正拉開距離的是閉源帶來的產品迭代速度——不用等社群 merge PR,自己改完自己發。
跟閉源老對手比,跟開源老隊友比
橫向拉張表:
- 寫實度:FLUX 3 Image 優 / Midjourney v7 優+ / Ideogram 3.0 中 / DALL·E 4 良
- 提示詞遵循:FLUX 3 Image 優+ / Midjourney v7 良 / Ideogram 3.0 良 / DALL·E 4 優
- 文字渲染:FLUX 3 Image 良(英文) / Midjourney v7 良 / Ideogram 3.0 優 / DALL·E 4 優
- 編輯能力:FLUX 3 Image 優 / Midjourney v7 中 / Ideogram 3.0 中 / DALL·E 4 良
- 價格(參考):bfl.ai 計價 / 訂閱制 / 訂閱制 / 積分制
閉源陣營裡,FLUX 3 寫實度仍有 5-10% 的視覺差距,但提示詞服從度可能反超 Midjourney。
開源側對位 Stable Diffusion 3.5、HunyuanImage、Qwen-Image:
- 技術指標領先,但生態完全不在同一個量級
- ControlNet、LoRA、社群工作流這些 SD 系十幾年累積下來的東西,FLUX 閉源後沒人接得住
前陣子我還看到有人在 ComfyUI 裡調 FLUX LoRA。FLUX 3 閉源後這些工作流一夜歸零。
中國圖像模型被掐住的是定價權
FLUX 3 閉源後,bfl.ai 自己定價、鎖定呼叫方。
中國本土模型想從 ToB 切入,客戶第一個問題就是「為什麼不用 FLUX」。開源權重曾經是中國團隊的護城河——你不給我 API,我自己跑你權重,生態位就穩了。現在這條護城河被 Black Forest Labs 自己拆了。
對應到落地場景:
- 電商產品圖:FLUX 3 直出商用級,本土模型要追平得砸算力
- 海報設計:文字渲染 + 排版組合拳,FLUX 3 英文場景基本可用
- 內容創作:訂閱制 vs 按 token 計費,FLUX 這套玩法更適合中小企業
本土模型還有一條路是捲垂直領域——醫學影像、工業設計、動漫 IP 這些長尾場景。通用圖像的可用性基本上被 FLUX 3、Midjourney v7 鎖死。
編輯觀點
FLUX 系列的路線漂移,其實是整個圖像模型行業的縮影。
我的判斷:閉源閉出溢價,開源只剩追趕位。這件事之所以關鍵,是因為他們從開源陣營裡走出來——他們證明了開源能做出 SOTA,然後轉身把開源的門關上。這比 OpenAI 當年從非營利轉有限、Meta 持續開放 Llama 權重,殺傷力大得多。
這次具體跟過去哪些事不同:
- 跟 OpenAI 轉向閉源不同,FLUX 是用開源打贏 SOTA才轉,說服力不在同一個層級
- 跟 Stable Diffusion 堅守開源不同,FLUX 3 證明生態位可以被定價權吃掉
- 跟 Llama 的「偽開源」不同,FLUX 1 的 Apache 2.0 是真開源,現在收回去更扎心
預測:接下來 6-12 個月,會有更多圖像模型團隊跟這條路。不是因為閉源更好,是因為資本市場已經替閉源定了價——bfl.ai 這一輪如果不融資,光 API 收入就夠團隊活下去。開源陣營(SD 系、本土系)要嘛找到垂直場景的護城河,要嘛只能接住「追趕位」這個定位。
不確定的地方:FLUX 3 的閉源能不能持續,要看 bfl.ai 扛不扛得住訓練成本。訓練一次 SOTA 圖像模型的算力開銷以億美金計,API 收入能不能覆蓋,目前沒公開數據。如果扛不住,開源路線可能反向走回去——但那就是另一個故事了。