FLUX.2 Klein ne suit pas les mêmes règles que Stable Diffusion, ni même que son prédécesseur FLUX.1. Black Forest Labs a construit ce modèle à partir de zéro sur une nouvelle architecture MMDiT, remplaçant le vieil encodeur de texte T5+CLIP par Qwen3. Résultat : un modèle de génération d'images qui lit vos prompts davantage comme un LLM que comme un modèle de diffusion.
Ce guide décortique la façon dont FLUX.2 Klein interprète les prompts, présente cinq exemples concrets avec des rendus.
Ce qui distingue FLUX.2 Klein
Trois choix architecturaux définissent la manière dont vous devez prompter ce modèle.
Encodeur de texte Qwen3. Là où FLUX.1 utilisait T5+CLIP pour analyser votre prompt, FLUX.2 Klein le fait passer par Qwen3 – un modèle de langage multilingue qui comprend les relations spatiales, les conditions logiques et les descriptions en plusieurs phrases jusqu'à 512 tokens. Vous pouvez écrire « un chat tenant un panneau où le texte correspond à la couleur des yeux du chat », et le modèle tentera réellement cette relation.
Génération fixe en 4 étapes. Le modèle a été distillé pour produire son meilleur rendu en exactement 4 étapes d'inférence. Changer ce nombre n'améliorera pas la qualité – il la cassera. Considérez-le comme une fonctionnalité qui fait que chaque image coûte la même quantité de calcul prévisible.
Pas de negative prompt, pas de guidance scale. Vous n'avez pas de levier « évitez ceci ». Chaque consigne doit être formulée positivement : au lieu de « no blur », écrivez « crisp focus with razor-sharp details ». Cette contrainte impose de meilleurs prompts, ce qui produit de meilleures images.
Au-delà de ces différences fondamentales, FLUX.2 Klein gère la référence multi-image – jusqu'à 3 images d'entrée que le modèle utilise comme contexte visuel via le KV-caching. Une photo de produit, une référence de scène et un guide de style peuvent se combiner en une seule génération sans aucun entraînement de LoRA. La variante 4B est publiée sous Apache 2.0, donc l'usage commercial est pleinement autorisé.
La structure de prompt qui fonctionne
FLUX.2 Klein récompense la prose plutôt que les mots-clés. « Une femme d'une trentaine d'années debout à un passage piéton de Tokyo sous la pluie » génère une meilleure image que « femme, 30 ans, Tokyo, pluie, passage piéton, rue ».
Voici le cadre qui produit régulièrement de bons résultats :
| Élément | Rôle | Exemple |
|---|---|---|
| Sujet | Qui ou quoi | « Un pêcheur marqué par le temps, dans la soixantaine avancée » |
| Action | Ce qui se passe | « réparant un filet déchiré avec des mains calleuses » |
| Scène | Où, structuré par profondeur | « sur un quai en bois, des bateaux de pêche au plan moyen, des collines brumeuses derrière » |
| Style | Approche visuelle | « photographie documentaire, prise avec Leica M11 » |
| Éclairage | Source, qualité, direction | « lumière nuageuse diffuse avec une éclaircie chaude dans les nuages à gauche caméra » |
| Appareil | Objectif, ouverture, composition | « 85 mm à f/2.8, faible profondeur de champ, règle des tiers » |
| Matériaux | Textures de surface | « veste en toile tachée de sel, corde de chanvre effilochée, planches en teck patinées » |
Mettez votre sujet en tête. Le modèle prête plus d'attention à ce qui apparaît en premier dans le prompt. Ensevelir votre sujet principal après trois phrases de description de scène affaiblit sa présence dans le rendu.
Nommez vos matériaux. FLUX.2 Klein possède une bibliothèque de textures exceptionnellement détaillée. « Aluminium brossé avec un léger grain radial » rend différemment du simple « métal » – et plus proche de ce que vous voulez vraiment.
Décrivez la lumière comme le ferait un photographe. Précisez la source (naturelle, artificielle, ambiante), la qualité (douce, dure, diffuse), la direction (latérale, arrière, zénithale) et la température de couleur (chaude, froide, dorée). Les descriptions d'éclairage ont le plus fort impact sur la qualité du rendu.
Exemples de prompts
1. Portrait photoréaliste
Portrait éditorial plein cadre d'une céramiste japonaise de 28 ans aux cheveux noirs très courts et à la poussière d'argile sur les avant-bras, portant un tablier en lin teint indigo lâche par-dessus un t-shirt blanc en coton. Elle se tient dans son atelier entourée de poteries séchant sur des étagères en bois, une douce lumière de fenêtre orientée nord éclaire son visage depuis la gauche caméra, netteté marquée sur ses yeux, faible profondeur de champ à f/1.8, prise avec Fujifilm GFX100S et objectif 110 mm, palette de couleurs terreuses et chaudes, texture de peau fine avec pores visibles, concentration tranquille dans son expression, grain de pellicule mat.
FLUX.2 Klein rend la texture de peau et les tissus à un niveau que les précédents modèles open source ne pouvaient égaler. Nommer des matériaux précis – « lin teint indigo », « poussière d'argile », « coton blanc » – active le rendu de textures du modèle d'une façon que les descriptions génériques manquent.
2. Illustration avec styles mêlés
Une riche illustration numérique mêlant le travail de ligne de Moebius aux lavis à l'aquarelle de Ghibli : une jeune biologiste marine en combinaison de plongée rétrofuturiste à visière ambrée fissurée, assise sur la coque d'un cargo coulé au fond de l'océan à la profondeur du crépuscule. Des méduses bioluminescentes dérivent au plan moyen, une ancre incrustée de corail repose à côté d'elle. Une lueur ambre chaude de sa lampe de combinaison se mêle à la bioluminescence bleu sarcelle froid de l'eau environnante, lignes de contour tracées à la main sur des aplats de couleur doux, texture de papier aquarelle visible, atmosphère sereine et contemplative, composition large centrée.
L'encodeur Qwen3 comprend les références à des artistes nommés et les fusionne en une esthétique cohérente plutôt que d'en choisir une au détriment de l'autre. Les doubles sources lumineuses – la lampe de combinaison chaude contre la bioluminescence froide – sollicitent particulièrement bien les capacités d'étalonnage colorimétrique du modèle.
3. Prise de vue produit avec référence multi-image
Placez la montre de gousset de la première image de référence sur la scène de bureau en chêne de la deuxième référence, en préservant ses proportions exactes, ses marquages de cadran et sa finition de boîtier. Positionnez-la légèrement à gauche du centre avec la chaîne s'étirant vers le bord droit, un linge en lin plié en dessous, une douce lumière matinale diffuse depuis la droite caméra créant un reflet doré sur le boîtier ouvert. Subtile réflexion sur la surface du bureau, prise avec Hasselblad H6D et macro 120 mm à f/8, photographie de produit commerciale, composition épurée, étalonnage colorimétrique neutre et chaud.
Ce flux de travail correspond exactement à ce pour quoi la référence multi-image a été conçue. Le produit conserve son identité issue de la référence un, la scène provient de la référence deux, et votre prompt n'a qu'à décrire la combinaison – positionnement, éclairage et composition.
4. Texte précis dans une image
Un mug en céramique noir mat posé sur un plan de travail en béton à côté d'un journal plié. Le mug porte le texte « GOOD CODE SHIPS FAST » en typographie blanche épurée sans-serif grasse enroulée autour de son centre. Une vapeur s'élève du mug, douce lumière zénithale diffuse de cuisine, faible profondeur de champ à 50 mm f/2.8, arrière-plan d'intérieur moderne minimaliste légèrement flou, palette de couleurs froide et neutre, photographie éditoriale de produit, typographie nette et lisible.
FLUX.2 Klein gère le texte in-image nettement mieux que FLUX.1. Préciser le style de police (« sans-serif bold »), la couleur (« clean white »), le placement (« wrapped around its center ») et la casse donne au modèle assez d'informations pour rendre une typographie lisible de façon constante.
5. Scène complexe à plusieurs couches
Une vue cinématographique d'une grande et ancienne bibliothèque à l'heure dorée. Premier plan : une lourde table de lecture en chêne avec un livre relié cuir ouvert, une loupe en laiton reposant sur ses pages. Plan moyen : de hautes étagères en bois sombre s'étendant du sol au plafond, remplies de tranches vieillies en bordeaux, marine et vert forêt. Arrière-plan : une grande fenêtre en arc par laquelle filtre une chaude lumière dorée, des particules de poussière flottant dans les faisceaux. Pris à 35 mm à f/4, profondeur de champ importante, grain de pellicule fin, riche palette de couleurs chaudes avec des tons de bois profonds et une lumière ambre, composition symétrique centrée.
Décomposer une scène en premier plan, plan moyen et arrière-plan donne à FLUX.2 Klein une structure de profondeur claire à suivre. Chaque plan reçoit ses propres matériaux et interactions lumineuses – cuir et laiton de près, tranches de livres vieillis au milieu, lumière de fenêtre dorée au fond. Le modèle gère cette approche en couches bien plus fiablement qu'une seule description interminable de toute la pièce.
Erreurs courantes
Utiliser des negative prompts. FLUX.2 Klein les ignore totalement. Décrivez plutôt ce que vous voulez voir : « clean surface, unmarked » plutôt que d'essayer d'exclure « text, watermark ».
Modifier le nombre d'étapes. Le modèle ne produit un rendu correct qu'à 4 étapes. Le régler sur 20 ou 50 n'ajoutera pas de détail – le processus de distillation des étapes a été optimisé autour d'exactement 4.
Écrire des prompts courts et vagues. « Une femme en robe rouge » gaspille les capacités de l'encodeur Qwen3. FLUX.2 Klein produit ses meilleurs rendus avec des prompts de 40-120 mots décrivant le sujet, la scène, l'éclairage et les matériaux en détail.
Générer en dessous de 768 px. Le modèle a été entraîné pour des sorties en haute résolution. En dessous de 768×768, la qualité chute notablement. Le meilleur compromis se situe entre 1 024 et 1 536 pixels par côté.
Appliquer des LoRAs FLUX.1. FLUX.2 utilise une architecture complètement différente – nouveau transformateur, nouvel encodeur de texte. Les LoRAs FLUX.1 sont incompatibles. La référence multi-image couvre la plupart des cas d'usage qui demandaient auparavant un entraînement de LoRA.