FLUX.1 / FLUX.1 Pro

为什么这篇重要

2024 年 8 月 —— Stable Diffusion 原班作者（Robin Rombach、Andreas Blattmann 等）离开 Stability AI，成立 Black Forest Labs，发布 FLUX.1。

效果：

开源图像生成第一次达到 Midjourney 级—— 而 Midjourney 一直是商业领先标杆。

开源生态从此有了真正能打的旗舰。

三个版本

FLUX.1 同时发了 3 个版本：

版本	协议	用途
FLUX.1 Pro	闭源 API	Black Forest 商业版，质量最高
FLUX.1 dev	非商业开源（Apache-like）	个人 / 研究用，质量接近 Pro
FLUX.1 schnell	Apache 2.0	商用开源，速度优先（4 步推理）

dev 版让开发者免费玩到 Pro 接近 90% 的效果—— 这种”双轨”策略既保商业利益又保社区。

技术架构

FLUX 是 Rectified Flow + DiT + MMDiT 的组合：

1. Rectified Flow（不是标准 Diffusion）

普通扩散：在噪声 + 数据之间走 1000 步曲线。 Rectified Flow：把那条曲线”拉直”——只要少数几步就到。

普通：x(t) = √(1-α_t) ε + √(α_t) x_0  （非线性）
RF：  x(t) = (1-t) ε + t x_0           （直线）

效果：

• 训练目标更简单（学一个速度场）
• 推理只要 10-50 步（不是 1000）
• 质量更稳

2. DiT（Diffusion Transformer）

不用 U-Net 做去噪，用 Transformer。 跟 Sora 一样的思路。

3. MMDiT（Multimodal DiT）

把图像 token 和文本 token 混在同一个 Transformer 里处理：

图像 patches: [img_1, img_2, ..., img_n]
文本 tokens:  [txt_1, txt_2, ..., txt_m]

全部进同一 Transformer attention 互相能"看到"

跟 SD3 类似 —— 但 FLUX 模型更大（12B）+ 训练更充分。

性能对比

2024 末实测（无脑 prompt）：

模型	美感	提示词忠实度	速度	价格
Midjourney v6	9/10	7/10	中	付费
FLUX.1 Pro	9/10	9/10	中	付费
FLUX.1 dev	8.5/10	9/10	中	免费
FLUX.1 schnell	7.5/10	8/10	快	免费
SD3 Medium	7/10	7/10	快	免费
DALL·E 3	8/10	9.5/10	慢	付费

FLUX 在提示词忠实度上超过 Midjourney——这是它的差异化优势。

几个突破

1. 文字渲染

之前所有扩散模型都不会写字（“FLUX” 会变成乱码”FLUX”)。 FLUX 训练时大量用了带文字的图像 —— 现在能正确渲染文字、logo、海报。

2. 手指

历史 AI 的尴尬 —— 6 根手指。 FLUX 通过更精确的解剖学训练大幅改善。

3. 提示词复杂度

可以接超长 prompt：

"A photograph of a 35-year-old Asian woman wearing a red silk dress
with golden embroidery, standing in a traditional Japanese garden during
cherry blossom season. Soft golden hour lighting. Shot on Hasselblad
H6D-100c with a 80mm lens. Photorealistic, high detail, magazine quality."

每个细节都被遵守。

生态

FLUX 发布几个月内：

• HuggingFace 下载量 #1
• 数千个微调版本（动漫风、写实风、艺术家风、行业风）
• ControlNet 套件（姿态控制、深度控制、Canny 边缘）
• 集成进 ComfyUI、Forge、Fooocus 等所有主流 UI

Replicate、Together、Fal.ai 等托管服务都提供 FLUX API。

应用案例

• 广告 / 营销：自动生成 banner / 海报
• 电商：商品图（不需要拍）
• 游戏 / 影视：概念图 / 场景设计
• 个人创作：插画师辅助
• AI 头像：基于 LoRA 微调

一个个人插画师 + FLUX = 以前 5 个人的工作量。

FLUX 之后

2025 后续：

• FLUX.1.1 Pro / Ultra：更高质量 + 8x 速度
• FLUX Tools：ControlNet 等控制工具官方版
• 视频版（推测）：Sora 竞品在路上

Black Forest 估值 2025 初已经 10 亿美金 —— 一年从初创到独角兽。

Stable Diffusion 还重要吗

SD 是历史功臣 —— 让开源图像生成第一次可行（2022）。 但 2024 后：

• SD3 反响一般
• Stability AI 商业问题缠身
• FLUX 在多数指标上超过

SD 生态会继续维护（无数微调版本和工具链），但FLUX 是新事实标准。

推荐配套阅读

• HelloAI: L5-02 Diffusion 数学 + L5-06 视频生成
• Rectified Flow 论文（2209.03003）
• DiT 论文（2212.09748）
• Stable Diffusion 3 论文（同作者，前作）