FLUX.2 Klein non segue le stesse regole di Stable Diffusion o persino del suo predecessore, FLUX.1. Black Forest Labs ha costruito questo modello da zero su una nuova architettura MMDiT, sostituendo il vecchio text encoder T5+CLIP con Qwen3. Il risultato è un modello di generazione di immagini che legge i tuoi prompt più come un LLM che come un modello di diffusione.
Questa guida analizza come FLUX.2 Klein interpreta i prompt, presenta cinque esempi reali con output generati.
Cosa rende diverso FLUX.2 Klein
Tre scelte architetturali definiscono come dovresti scrivere i prompt per questo modello.
Text encoder Qwen3. Laddove FLUX.1 usava T5+CLIP per analizzare il tuo prompt, FLUX.2 Klein lo fa passare attraverso Qwen3 – un modello linguistico multilingue che comprende relazioni spaziali, condizioni logiche e descrizioni in più frasi fino a 512 token. Puoi scrivere «un gatto che tiene un cartello dove il testo corrisponde al colore degli occhi del gatto» e il modello proverà davvero a realizzare quella relazione.
Generazione fissa a 4 step. Il modello è stato distillato per step per produrre il suo output migliore in esattamente 4 step di inferenza. Cambiare questo numero non migliora la qualità – la rovina. Considerala una funzionalità che fa sì che ogni immagine costi sempre la stessa quantità prevedibile di calcolo.
Niente prompt negativo, niente guidance scale. Non hai una leva «evita questo». Ogni istruzione deve essere formulata in positivo: invece di «no blur», scrivi «fuoco nitido con dettagli affilati come un rasoio». Questo vincolo impone una scrittura migliore dei prompt, il che porta a immagini migliori.
Oltre a queste differenze di base, FLUX.2 Klein supporta il riferimento multi-immagine – fino a 3 immagini di input che il modello usa come contesto visivo attraverso il KV-caching. Una foto di prodotto, un riferimento di scena e una guida di stile possono combinarsi in una generazione senza alcun training LoRA. La variante 4B è distribuita sotto Apache 2.0, quindi l'uso commerciale è pienamente permesso.
La struttura di prompt che funziona
FLUX.2 Klein premia la prosa rispetto alle keyword. «Una donna sulla trentina ferma a un attraversamento pedonale di Tokyo sotto la pioggia» genera un'immagine migliore di «donna, 30 anni, Tokyo, pioggia, attraversamento, strada».
Ecco il framework che produce costantemente risultati solidi:
| Elemento | Scopo | Esempio |
|---|---|---|
| Soggetto | Chi o cosa | «Un pescatore segnato dalle intemperie sulla sessantina avanzata» |
| Azione | Cosa sta succedendo | «che rammenda una rete strappata con mani callose» |
| Scena | Dove, stratificato per profondità | «su un molo di legno, barche da pesca nel piano medio, colline coperte di nebbia sullo sfondo» |
| Stile | Approccio visivo | «fotografia documentaristica, ripreso con Leica M11» |
| Illuminazione | Sorgente, qualità, direzione | «luce nuvolosa diffusa con un varco caldo tra le nuvole a sinistra dell'inquadratura» |
| Fotocamera | Obiettivo, apertura, composizione | «85mm a f/2.8, scarsa profondità di campo, regola dei terzi» |
| Materiali | Texture superficiali | «giacca in tela macchiata di sale, canapa sfilacciata, tavole di teak segnate dalle intemperie» |
Metti il soggetto in testa. Il modello presta più attenzione a ciò che appare per primo nel prompt. Seppellire il soggetto principale dopo tre frasi di descrizione della scena ne indebolisce la presenza nell'output.
Nomina i tuoi materiali. FLUX.2 Klein ha una libreria di texture eccezionalmente dettagliata. «Alluminio spazzolato con una sottile grana radiale» viene renderizzato diversamente dal semplice «metallo» – e più vicino a ciò che vuoi davvero.
Descrivi la luce come farebbe un fotografo. Specifica la sorgente (naturale, artificiale, ambientale), la qualità (morbida, dura, diffusa), la direzione (laterale, controluce, dall'alto) e la temperatura di colore (calda, fredda, dorata). Le descrizioni di illuminazione hanno il singolo impatto più alto sulla qualità dell'output.
Esempi di prompt
1. Ritratto fotorealistico
Un ritratto editoriale a pieno frame di una ceramista giapponese di 28 anni con capelli neri molto corti e polvere d'argilla sugli avambracci, indossa un grembiule largo di lino tinto di indaco sopra una t-shirt di cotone bianco. È in piedi nel suo laboratorio circondata da ceramiche in essiccazione su mensole di legno, soffice luce da finestra esposta a nord le illumina il volto da sinistra nell'inquadratura, fuoco nitido sugli occhi, scarsa profondità di campo a f/1.8, ripreso con Fujifilm GFX100S con obiettivo 110mm, palette di colori calda e terrosa, fine texture della pelle con pori visibili, quieta concentrazione nell'espressione, grana di pellicola opaca.
FLUX.2 Klein renderizza texture della pelle e dei tessuti a un livello che i precedenti modelli open-source non riuscivano a eguagliare. Nominare materiali specifici – «lino tinto di indaco», «polvere d'argilla», «cotone bianco» – attiva il rendering delle texture del modello in modi che le descrizioni generiche mancano.
2. Illustrazione con stili misti
Una ricca illustrazione digitale dettagliata che fonde linee alla Moebius con velature ad acquerello alla Ghibli: una giovane biologa marina in una tuta da immersione retrofuturistica con una visiera ambrata incrinata, seduta sullo scafo di una nave cargo affondata sul fondo oceanico a profondità crepuscolare. Meduse bioluminescenti fluttuano nel piano medio, un'ancora incrostata di corallo giace accanto a lei. Un caldo bagliore ambrato dalla lampada della sua tuta si mescola con la fredda bioluminescenza turchese dell'acqua circostante, linee di contorno disegnate a mano su tenui campiture piatte di colore, visibile texture di carta ad acquerello, atmosfera serena e contemplativa, composizione wide centrata.
L'encoder Qwen3 comprende i riferimenti ad artisti per nome e li fonde in un'estetica coerente invece di sceglierne uno rispetto all'altro. Le doppie sorgenti luminose – la calda lampada della tuta contro la fredda bioluminescenza – attivano particolarmente bene le capacità di color grading del modello.
3. Scatto di prodotto con riferimento multi-immagine
Posiziona l'orologio da taschino della prima immagine di riferimento sulla scena della scrivania di quercia del secondo riferimento, preservandone le esatte proporzioni, le marcature del quadrante e la finitura della cassa. Posizionalo leggermente a sinistra del centro con la catena che si dipana verso il bordo destro, un panno di lino piegato sotto, soffice luce mattutina diffusa da destra nell'inquadratura che crea un riflesso dorato a contorno sulla cassa aperta. Sottile riflesso sulla superficie della scrivania, ripreso con Hasselblad H6D con macro 120mm a f/8, fotografia commerciale di prodotto, composizione pulita, color grading neutro caldo.
Questo workflow è esattamente ciò per cui è stato costruito il riferimento multi-immagine. Il prodotto mantiene la sua identità dal riferimento uno, la scena arriva dal riferimento due e il tuo prompt deve solo descrivere la combinazione – posizionamento, illuminazione e composizione.
4. Testo preciso in un'immagine
Una tazza da caffè nera opaca appoggiata su un piano di calcestruzzo accanto a un giornale piegato. La tazza riporta il testo «GOOD CODE SHIPS FAST» in una tipografia sans-serif bianca pulita in grassetto avvolta attorno al suo centro. Vapore sale dalla tazza, soffice luce diffusa dall'alto della cucina, scarsa profondità di campo a 50mm f/2.8, sfondo minimalista di interni moderni leggermente sfocato, palette di colori neutra fredda, fotografia editoriale di prodotto, tipografia nitida e leggibile.
FLUX.2 Klein gestisce il testo in-image significativamente meglio di FLUX.1. Specificare lo stile del font («sans-serif grassetto»), il colore («bianco pulito»), il posizionamento («avvolta attorno al suo centro») e il maiuscolo/minuscolo dà al modello informazioni sufficienti per renderizzare una tipografia leggibile in modo coerente.
5. Scena complessa a più strati
Una vista cinematografica di una grande biblioteca storica all'ora dorata. Primo piano: un pesante tavolo da lettura in quercia con un libro rilegato in pelle aperto, una lente d'ingrandimento in ottone appoggiata sulle sue pagine. Piano medio: alti scaffali di legno scuro che si estendono dal pavimento al soffitto, pieni di dorsi ingialliti in bordeaux, blu navy e verde foresta. Sfondo: una grande finestra ad arco con calda luce solare dorata che filtra attraverso, particelle di polvere che fluttuano nei fasci di luce. Ripreso su 35mm a f/4, fuoco profondo, fine grana di pellicola, ricca palette di colori calda con toni di legno profondi e luce ambrata, composizione simmetrica centrata.
Dividere una scena in primo piano, piano medio e sfondo dà a FLUX.2 Klein una chiara struttura di profondità da seguire. Ogni piano ha le sue interazioni di materiali e illuminazione – pelle e ottone da vicino, dorsi di libri ingialliti al centro, luce dorata dalla finestra sullo sfondo. Il modello gestisce questo approccio a strati in modo molto più affidabile di un'unica descrizione continua dell'intera stanza.
Errori comuni
Usare prompt negativi. FLUX.2 Klein li ignora del tutto. Descrivi ciò che vuoi vedere invece: «superficie pulita, senza segni» piuttosto che cercare di escludere «testo, watermark».
Cambiare il numero di step. Il modello produce output corretto solo a 4 step. Impostarlo a 20 o 50 non aggiungerà dettagli – il processo di step-distillation è stato ottimizzato attorno a esattamente 4.
Scrivere prompt brevi e vaghi. «Una donna in un vestito rosso» spreca le capacità dell'encoder Qwen3. FLUX.2 Klein produce il suo output più forte con prompt di 40-120 parole che descrivono soggetto, scena, illuminazione e materiali nei dettagli.
Generare sotto i 768px. Il modello è stato addestrato per output ad alta risoluzione. Sotto i 768×768 la qualità cala in modo evidente. Il punto ottimale si colloca tra 1024 e 1536 pixel per lato.
Applicare LoRA di FLUX.1. FLUX.2 usa un'architettura completamente diversa – nuovo transformer, nuovo text encoder. I LoRA di FLUX.1 sono incompatibili. Il riferimento multi-immagine gestisce gran parte dei casi d'uso che prima richiedevano training LoRA.