智东西

作者 | 陈骏达

编辑 | 李水青

智东西 11 月 26 日报道，昨晚，德国 AI 图像模型独角兽黑森林实验室发布了最新一代图像生成模型家族 FLUX.2。FLUX.2 的核心目标是解决真实生产环境中的需求，而不仅仅是作为演示或娱乐的生成工具。

FLUX.2 可同时参考多达 10 张图片，并保持字符、产品和风格的一致性。下图这张逼真的模特图，其实就是由 10 张不同图片的元素组合而来的。

其图像细节和真实感也有提升，能生成更丰富的细节、更清晰的纹理和更稳定的光照，适用于产品拍摄、可视化和模拟摄影的用途。

文本渲染方面，复杂的排版、信息图表、表情包和带有清晰文本的 UI Demo，如今都能被可靠地生成。

FLUX.2 对复杂、结构化指令的遵守能力得到提升，包括多部分提示和组成限制，并支持了最高 4 百万分辨率的图像编辑和更灵活的输入、输出比例。模型还能更好地遵循现实世界的知识、光照和空间逻辑，从而产生更加连贯的场景和预期的行为。

FLUX.2 系列本次一共发布 3 款模型，涵盖了从完全托管、可用于生产环境的 API 到开发者可以自行运行的开放式检查点等一系列模型产品。性能较强的 FLUX.2 [ pro ] 、FLUX.2 [ flex ] 并未开源，FLUX.2 [ dev ] 则是开源的。

值得注意的是，此前黑森林实验室开源的 Flux.1 [ dev ] 是 Hugging Face 上第二受欢迎的模型，仅次于 DeepSeek-R1。

FLUX.2 [ pro ] 、FLUX.2 [ flex ] 版本目前仅以 API 方式对外提供服务，前者可提供媲美顶级闭源模型的图像质量，而后者允许用户控制步数和引导比例等模型参数。

FLUX.2 [ dev ] 则是一款基于 FLUX.2 基础模型的 32B 参数量开放权重模型，这是目前最强大的开源图像生成和编辑模型，将文生图、图生图和多图输入功能相结合。

未来，黑森林实验室还计划发布开源的 FLUX.2 [ klein ] 模型，它基于 FLUX.2 基础模型精简而来，与同等规模的从零开始训练的模型相比，它功能更强大，对开发者更友好，并具备与其教师模型相同的诸多功能。

FLUX.2 基于潜在流匹配架构，将图像生成和编辑集成在单一架构中。该模型将欧洲本土 AI 创企 Mistral 自研的 Mistral-3 24B 视觉语言模型（VLM）与整流流式（Rectified Flow）Transformer 结合。VLM 带来了现实世界的知识和上下文理解，而 Transformer 则捕捉了早期架构无法实现的空间关系、材料属性和组合逻辑。

新一代可学习潜空间编码器 FLUX.2 – VAE，也就是所有 FLUX.2 模型的流式主干网络，已经依照 Apache 2.0 协议开源，可独立使用。

体验链接：

http://bfl.ai/play

开源地址：

https://huggingface.co/black-forest-labs/FLUX.2-dev

与日前发布的 Nano Banana Pro 相比，FLUX.2 的表现究竟如何？智东西进行了对比体验。我们首先尝试让两款模型根据以下提示词生成图片：

原文：Office building stairwell cam, chairs stacked impossibly high reaching multiple floors, person climbing past them on stairs, emergency lighting, fisheye distortion, architectural wrongness.

翻译：办公楼楼梯间的监控画面：成堆的椅子被不可能地垒到数层楼高，有个人正从楼梯上经过这些椅子旁，场景中带有应急照明、鱼眼镜头畸变，以及明显违背建筑结构逻辑的异常感。

模型需要生成看似真实但逻辑上错误的空间，既不能崩坏，也不能被自动纠正成正常结构，这对其世界知识和提示词遵循能力提出了挑战。

FLUX.2 [ pro ] 给出的生成结果如下，可以看到其较好地还原了鱼眼镜头畸变效果和提示词中的异常感，不过遗漏了 " 应急照明 " 这个要素。

Nano Banana Pro 的生成结果如下，可以看到，为了还原监控镜头的感觉，Nano Banana Pro 加上了时间戳和监控编号等要素，应急照明灯的效果也比较逼真，整个画面有更强的大片感。

我们还尝试让两款模型生成了 2000 年代 CCD 相机风格的照片，画面内容是两只树懒在酒馆喝酒。

在这题上，FLUX.2 [ pro ] 在风格还原上做得更好，无论是闪光灯效果还是画质的特点，都更为接近 CCD 相机的拍摄效果。

Nano Banana Pro 生成的结果在画面内容上并无明显错误，但是其风格还原度与 FLUX.2 [ pro ] 相比还有些差距。

为考察两款模型的实用性，我们试着让它们打造了一张科普用途的简易插图，解释德国城市弗赖堡的阳光为何如此充足。图中的所有文字都是提示词提供的，但画面内容主要由模型自行发挥。

FLUX.2 [ pro ] 打造的插图文字准确，图片内容符合主题。

Nano Banana Pro 也输出了准确的画面和文字，两款模型在这道题上打了平手。

由于 Nano Banana Pro 每天仅允许三次免费使用，我们并未进行更多对比实测。不过，此前我们已在测试中发现 Nano Banana Pro 的中文渲染能力还是不错的。

但当我们用中文向 FLUX.2 [ pro ] 发送指令，要求其解释伯努利现象时，其输出的画面中全是乱码，应该暂时还不支持中文的渲染。

结语：图像模型产业化转向加速

近期，各大图像模型的头部玩家，都不约而同地选择将升级方向定为实用性、可靠性，这也显示出 AI 图像生成技术正从演示和娱乐工具，向产业化应用加速迈进。

在追求画质之外，模型的输出稳定性以及专业场景的适用性，也成为衡量技术价值的新标准。