FLUX.1 Kontext [dev]
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Black Forest Labs
- Tipo di organizzazione
- Industry
- Paese
- Germany
- Pubblicato
- 29 May 2025
- Autori
- Stephen Batifol, Andreas Blattmann, Frederic Boesel, Saksham Consul, Cyril Diagne, Tim Dockhorn, Jack English, Zion English, Patrick Esser, Sumith Kulal, Kyle Lacey, Yam Levi, Cheng Li, Dominik Lorenz, Jonas Müller, Dustin Podell, Robin Rombach, Harry Saini, Axel Sauer, Luke Smith
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Image generation, Vision
- Compito
- Image generation, Text-to-image, Image captioning
- Modello di base
- Flux.1 [pro]
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 12B
- Dati di addestramento
- tokens
12B
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
We open FLUX.1 Kontext [dev] in a private beta release, for research usage and safety testing. Please contact us at [email protected] if you’re interested.
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Introducing FLUX.1 Kontext and the BFL Playground
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
FLUX.1 Kontext [dev] è stato pubblicato da Black Forest Labs, nel paese registrato come Germany, durante May 2025. La categoria sotto cui rientra l'editore è industry.
Funziona nel dominio di Image generation, Vision, ed è registrato come eseguire il compito di image generation, Text-to-image, Image captioning.
Il suo punto di partenza era un modello di base esistente, Flux.1 [pro]. La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Risposte
FLUX.1 Kontext [dev] — domande comuni
FLUX.1 Kontext [dev]— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
FLUX.1 Kontext [dev]— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
FLUX.1 Kontext [dev]— quanti parametri ha?
Ha un numero di parametri di 12B. 12B. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
FLUX.1 Kontext [dev]— chi l'ha creato?
È stato pubblicato da Black Forest Labs, basato su Germany, un'organizzazione categorizzata come industry.
FLUX.1 Kontext [dev]— quando è stato rilasciato?
È stato pubblicato in May 2025.
FLUX.1 Kontext [dev]— A cosa serve?
Funziona nel dominio di Image generation, Vision, e viene registrato come gestire il compito di image generation, Text-to-image, Image captioning. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.