Black Forest Labs przenosi zaawansowaną edycję obrazu na domowe GPU. Premiera Flux 2 small

W sektorze generatywnej sztucznej inteligencji obserwujemy wyraźny zwrot ku lokalnemu przetwarzaniu danych. Niemiecki Black Forest Labs, wyceniany obecnie na ponad 3 miliardy dolarów, dołącza do tego trendu, prezentując rodzinę modeli Flux 2 small. Główna obietnica? Skoncentrowanie możliwości generowania tekstu na obraz, edycji oraz łączenia wielu referencji w jednym, kompaktowym pakiecie, który nie wymaga serwerowni do działania.

Wydajność skrojona pod RTX 3090

Nowa linia obejmuje dwa główne warianty: flagowy model o 9 miliardach parametrów oraz lżejszą wersję 4-miliardową (4B). To właśnie ten mniejszy model może okazać się kluczowy dla niezależnych twórców i mniejszych studiów. Zapotrzebowanie na pamięć VRAM rzędu 13 gigabajtów sprawia, że zaawansowana praca z grafiką AI staje się możliwa na popularnych kartach konsumenckich, takich jak Nvidia RTX 3090 czy RTX 4070. Wcześniej podobna wszechstronność często wiązała się z koniecznością korzystania z chmury lub drastycznych kompromisów jakościowych.

Co istotne, Black Forest Labs nie ogranicza się tu jedynie do generowania obrazów od zera. Architektura Flux 2 small integruje w sobie funkcje edycji i kompozycji z wielu źródeł (multi-reference generation). Choć firma eksperymentowała z tym podejściem już przy modelu Flux 1, nowością jest optymalizacja pozwalająca na uruchomienie tego zintegrowanego procesu na lokalnym sprzęcie bez dedykowanej infrastruktury serwerowej.

Benchmarki z gwiazdką

Startup chwali się imponującą szybkością działania, deklarując czasy generowania poniżej pół sekundy dla modelu 9B. Należy jednak zachować dziennikarski sceptycyzm wobec tych liczb – wynik ten osiągnięto na profesjonalnym układzie serwerowym Nvidia GB200, a nie na sprzęcie dostępnym dla przeciętnego użytkownika. W warunkach domowych kluczem do wydajności ma być kwantyzacja, opracowana we współpracy z Nvidią.

Zastosowanie formatów o obniżonej precyzji, takich jak FP8 czy autorski NVFP4 Nvidii, pozwala znacząco zredukować zapotrzebowanie na pamięć (nawet o 55 proc.) i przyspieszyć obliczenia. Warto jednak odnotować, że testy wydajności tych wariantów przeprowadzano na najnowszych kartach z serii RTX 5080 i 5090. Choć obietnica 2,7-krotnego wzrostu szybkości brzmi kusząco, pełny potencjał Flux 2 small może być zarezerwowany dla posiadaczy najnowszego hardware’u.

Licencja robi różnicę

Strategia dystrybucji przyjęta przez Black Forest Labs jest dwutorowa. Model 4B udostępniono na liberalnej licencji Apache 2.0, co otwiera drogę do swobodnego wykorzystania komercyjnego. Może to stanowić silny impuls dla ekosystemu open-source, dając deweloperom potężne narzędzie bez prawnych blokad. Z kolei potężniejszy wariant 9B pozostaje objęty licencją niekomercyjną, co wymusza na firmach chcących go wdrożyć zakup oddzielnych uprawnień.

Producent pozycjonuje swoje rozwiązanie jako „Pareto-optymalne”, twierdząc, że przy ułamku opóźnień i zużycia pamięci dorównuje ono jakością modelom Qwen czy Z-Image. Należy jednak pamiętać, że są to wewnętrzne porównania firmy, które nie doczekały się jeszcze szerokiej, niezależnej weryfikacji przez społeczność.

Bezpieczeństwo i przyszłość infrastruktury

W obliczu rosnących kontrowersji wokół deepfake’ów, Black Forest Labs kładzie nacisk na mechanizmy bezpieczeństwa. Zbiory treningowe zostały wstępnie oczyszczone z treści NSFW oraz materiałów przedstawiających wykorzystywanie dzieci (CSAM), przy współpracy z Internet Watch Foundation. Dodatkowo modele wyposażono w obsługę standardu C2PA i znakowanie wodne, co ma ułatwić weryfikację pochodzenia grafik.

Mimo powiązań z xAI Elona Muska (modele Flux były dostępne w groku), niemiecki startup wyraźnie buduje własną tożsamość jako dostawca infrastruktury dla innych podmiotów, a nie twórca aplikacji końcowych. Z finansowaniem na poziomie 450 milionów dolarów i zapowiedziami wejścia w segment generowania wideo, firma staje się jednym z kluczowych graczy europejskiej sceny AI, próbującym połączyć wysoką jakość z dostępnością sprzętową.