产品

FLUX 3 上线,闭源路线给开源阵营的一记闷棍

Black Forest Labs 把 FLUX 1 时代的开源招牌收回去,FLUX 3 Image 只在 bfl.ai 托管调用。这步棋走通,国产图像模型的路会更窄。

字号

FLUX 3 这次不送权重了

FLUX.1 当年是 Apache 2.0 开源,跑 ComfyUI 的本地玩家都熟。FLUX Pro 半开源半闭源。到 FLUX 3 Image,Black Forest Labs 干脆只留 API。

这个转变在 Hacker News 上到首页,100 分,但 11 条评论里多数人没点破重点——不是模型变强了,是商业模式换轨了。

我看了一圈讨论,大家聊的还是 prompt fidelity、text rendering 这些技术点。没人正面回应一个问题:当最强的开源图像模型团队决定只卖 API,开源图像模型这个赛道还剩什么?

来源:bfl.ai/models/flux-3-image

代际跳了,但跳在哪

官方页面主推四类能力:
- 写实度
- 提示词精确遵循
- 文本渲染
- 图像编辑

结合演示图看,FLUX 3 在手指、衣物褶皱、产品级商业图这几项上比 FLUX 1.1 Pro 强一档。但跟 Midjourney v7 拉不开质变差距。

说点具体感受:
- 手指:FLUX 1 时代六指、缺指是常态,FLUX 3 演示图里基本看不出明显瑕疵
- 衣物褶皱:衬衫、丝绸类褶皱终于有了物理感的次表面散射,不再是塑料感
- 商业产品图:白底产品图的边缘细节、阴影投射都达到商用直出水平
- 文字渲染:海报类英文排版基本不出错,但中文仍是弱项

这些提升 FLUX 2 如果走开源路线也能追平。真正拉开距离的是闭源带来的产品迭代速度——不用等社区 merge PR,自己改完自己发。

和闭源老对手比,和开源老队友比

横向拉个表:

维度 FLUX 3 Image Midjourney v7 Ideogram 3.0 DALL·E 4
写实度 优 优+ 中 良
提示词遵循 优+ 良 良 优
文本渲染 良(英文) 良 优 优
编辑能力 优 中 中 良
价格(参考) bfl.ai 计价 订阅制 订阅制 积分制

闭源阵营里,FLUX 3 写实度仍有 5-10% 视觉差距,但提示词听话程度可能反超 Midjourney。

开源侧对位 Stable Diffusion 3.5、HunyuanImage、Qwen-Image:
- 技术指标领先,但生态完全不在一个量级
- ControlNet、LoRA、社区工作流这些 SD 系十几年攒下来的东西,FLUX 闭源后没人接得住

我前阵子还看到有人在 ComfyUI 里调 FLUX LoRA。FLUX 3 闭源后这些工作流一夜归零。

中国图像模型被卡脖子的是定价权

FLUX 3 闭源后,bfl.ai 自己定价、锁定调用方。

国产模型想从 ToB 切入,客户直接问的是"为什么不用 FLUX"。开源权重曾经是中国团队的护城河——你不给我 API,我自己跑你权重,生态位就稳了。现在这条护城河被 Black Forest Labs 自己拆了。

具体到落地场景:
- 电商产品图:FLUX 3 直出商用级,国产模型要追平得砸算力
- 海报设计:文字渲染 + 排版组合拳,FLUX 3 英文场景基本可用
- 内容创作:订阅制 vs 按 token 计费,FLUX 这套玩法更适合中小企业

国产模型还有一条道是卷垂直——医学影像、工业设计、动漫 IP 这些长尾场景。通用卷可用基本被 FLUX 3、Midjourney v7 锁死。

编辑思考

FLUX 系列的路线漂移,其实是整个图像模型行业的缩影。

我的判断:闭源闭出溢价,开源只剩追赶位。这件事重要在于,Black Forest Labs 是从开源阵营里走出来的——他们证明了开源能做出 SOTA,然后转身把开源的门关上了。这比 OpenAI 当年从非营利转有限、Meta 持续开放 Llama 权重,杀伤力大得多。

这次具体和过去哪些事不同:
- 和 OpenAI 转向闭源不同,FLUX 是用开源打赢了 SOTA才转,说服力完全不同
- 和 Stable Diffusion 坚守开源不同,FLUX 3 证明生态位可以被定价权吃掉
- 和 Llama 的"伪开源"不同,FLUX 1 的 Apache 2.0 是真开源,现在收回去更扎心

预测:接下来 6-12 个月,会有更多图像模型团队跟这条路。不是因为闭源更好,是因为资本市场已经给闭源标了价——bfl.ai 这轮如果不融资,光 API 收入就够团队活下去。开源阵营(SD 系、国产系)要么找到垂直场景的护城河,要么只能接住"追赶位"这个定位。

不确定的地方:FLUX 3 的闭源能不能持续,要看 bfl.ai 能不能扛住训练成本。训练一次 SOTA 图像模型的算力开销按亿美金算,API 收入能不能覆盖,目前没公开数据。如果扛不住,开源路线可能反向走回去——但那是另一个故事了。

来源: https://bfl.ai/models/flux-3-image