Black Forest Labs 发布 FLUX 3 Image：按边界框编辑，框外像素不变

事件经过

10 月 1 日，Black Forest Labs 在官方 X 账号 @bfl_ai 宣布：“Introducing FLUX 3 Image. Control every pixel.”这是 7 月公布 FLUX 3 多模态架构（Self-Flow 框架，覆盖图像、视频、音频）之后，图像分支的首次产品化落地。新模型通过统一 API 端点提供两种能力：从零生成全新场景，或用文字指令 + 空间坐标修改已有图像，还默认开启搜索 grounding 来核验视觉细节（据第三方整理）。

核心功能是“像素级控制”：画面被映射到与长宽比无关的 0–1000 归一化网格上，每个元素有一个 ID、一段描述和一个边界框 [y_min, x_min, y_max, x_max]，开发者可以直接给坐标，也可以用 LLM 从一句话生成排布表；边界框之间的区域在多轮编辑中保持原样。BFL 称其编辑是“pixel perfect”；有独立评测指出，公司示例之外的区域是否完全不变，需要用真实文件测试。

关键事实

1. 发布形式：托管 API 与 playground 已上线，可免费试玩；10 月 8 日前 API 五折。企业可直接购买商业权重，在自己的基础设施上运行和微调。
2. 开放权重：BFL 此前的做法是先托管、后开放。FLUX 3 Image 的开放权重版本预计“未来几周”发布，具体日期未定。
3. 规格：原生输出最高 4K（含 5456×3072 示例）；单次最多 10 张参考图拼场；边界框排布 + 多语言图像内文字渲染。早期测试者（Canva、Magnific、Krea、Picsart）称细节与场景连贯性优于 FLUX.2 Pro。
4. 对手：发布前夕，Ideogram 也宣布了主打编辑的 4.5 版本，同样计划开放权重。

背景

在多家对比评测中，FLUX 排在 Midjourney V7、DALL-E 3、Imagen 3 之前。同一天，Cloudflare 发布开源决策模型 Clef，让智能体做结构化决策而不必生成文本。