在人工智能领域，每一天都可能发生颠覆性的变革。就在Midjourney刚刚进行大更新的第二天，开源图像生成领域就迎来了一匹令人瞩目的黑马——FLUX.1。这个突如其来的新玩家不仅在性能上声称大幅超越了DALL·E3、Midjourney V6等闭源模型，还将开源的SD3系列全线秒杀，瞬间引爆了AI圈。
让我们先来认识一下FLUX.1的幕后主脑。它的创始人Robin Rombach可不是什么无名之辈，而是扩散模型领域的权威专家。他的代表作包括VQGAN、Taming Transformers和Latent Diffusion，曾担任Stability AI的首席科学家，领导了全球知名的Stable Diffusion系列项目。可以说，Robin Rombach在AI图像生成领域可谓是"老司机"中的"老司机"。
今年3月，由于Stability AI内部出现动荡，Robin选择离开。经过四个月的沉淀，他带着新的开源大模型平台FLUX.1重磅回归。更令人惊讶的是，FLUX.1一亮相就获得了由著名风投机构Andreessen Horowitz领投的3200万美元种子轮融资。这无疑为FLUX.1的未来发展注入了强心剂。
那么，FLUX.1到底有什么过人之处?首先，它基于Vision Transformer架构，采用了流程匹配训练方法，并使用旋转位置嵌入和并行注意层来提升模型性能和硬件利用效率。这120亿参数的模型推出了三个版本:
- Pro版:通过API使用，性能最强劲。
- Dev版:非商用的指导蒸馏模型，继承了Pro版的大部分性能。
- Schnell版:可以商用的开源模型，性能也相当出色。
根据FLUX.1团队的测试数据，即便是开源的Schnell版本，在文本语义还原、图片质量、动作一致性、连贯性和多样性等方面，也超越了Midjourney v6.0、DALL·E3（HD）和SD3-Ultra等主流模型。特别是在文本嵌入图片方面，FLUX.1展现出了明显的优势。
当然，FLUX.1的野心显然不止于此。团队表示，文生图只是一个开始，未来他们还计划推出文生视频模型，挑战Sora、Gen-3、Luma等一线产品。
对于开发者和AI爱好者来说，FLUX.1的出现无疑是一个重大利好。Schnell版本已经完全开源，并获得了Comfyui的支持。如果你有36G以上的显存，甚至可以运行t5的fp16版本。不过需要注意的是，t5xxl_fp16.safetensors或clip_l.safetensors以及VAE需要单独下载。
FLUX.1的横空出世，不仅为开源AI图像生成领域带来了新的希望，也为整个AI行业注入了新的活力。它的强大性能和开源特性，很可能会加速AI图像生成技术的普及和创新。对于普通用户来说，这意味着我们可能很快就能在家用电脑上运行媲美甚至超越Midjourney的AI图像生成模型。
项目地址:https://github.com/black-forest-labs/flux
试玩地址:https://replicate.com/black-forest-labs/flux-pro
Comfyui工作流:https://comfyanonymous.github.io/ComfyUI_examples/flux/