یک آغاز با سر و صدا#
اول اوت ۲۰۲۴ (۱۱ مرداد ۱۴۰۳) شرکت Black Forest Labs از خود رونمایی کرد و همزمان مجموعه مدلهای تصویری FLUX.1 را عرضه کرد. تیم مؤسس خود را مجموعه‌ای از پژوهشگران و مهندسان معرفی کرد که پیش‌تر روی VQGAN، Latent Diffusion، مدلهای Stable Diffusion، Stable Video Diffusion، Rectified Flow Transformers و Adversarial Diffusion Distillation کار کرده‌اند؛ یعنی از پایه‌گذاران همان فناوری‌هایی که بازار تصویر مولد روی آن‌ها بنا شد. شرکت از سرمایهٔ اولیهٔ ۳۱ میلیون دلاری به رهبری Andreessen Horowitz و حضور سرمایه‌گذاران فردی و General Catalyst و MätchVC نیز خبر داد.
سه نسخه، سه کاربرد#
FLUX.1 در سه نسخه آمد و تفاوت اصلی آن‌ها در دسترسی و مجوز بود:
- FLUX.1 pro: نسخهٔ با بالاترین کیفیت که از راه API، پلتفرم Replicate و fal.ai در دسترس است. شرکت برای سازمان‌ها راه‌حل اختصاصی بر پایهٔ درخواست ارائه می‌دهد.
- FLUX.1 dev: مدل وزن‌باز و تقطیرشده از نسخهٔ pro برای استفادهٔ غیرتجاری. وزن‌ها روی Hugging Face است و برای استفادهٔ تجاری باید با شرکت تماس گرفت.
- FLUX.1 schnell: سریعترین نسخه، مناسب توسعهٔ محلی و استفادهٔ شخصی، با مجوز Apache 2.0 و پشتیبانی روز اول در ComfyUI.
همهٔ مدلهای عمومی FLUX.1 در مقیاس ۱۲ میلیارد پارامتر هستند و بر پایهٔ ترکیبی از بلوک‌های ترنسفورمر انتشار موازی و چندرسانه‌ای و روش «تطبیق جریان» ساخته شده‌اند.
