Cualquiera que haya usado un generador de imágenes conoce la frustración: la imagen está bien, pero el perro está en el lado equivocado y el cartel en el centro cuando lo querías en una esquina. FLUX.3 Image Klein, de Black Forest Labs, compatible con la biblioteca Diffusers de Hugging Face desde el primer día, ofrece una solución directa. Puedes escribir cuadros delimitadores en la instrucción para indicar dónde debe ir cada parte de la imagen, y mover elementos tomados de una imagen de referencia.
El modelo hace tanto texto a imagen como edición con varias imágenes de referencia en un solo punto de control. El control de composición funciona con una lista JSON de regiones dentro de la instrucción, cada una con un identificador, un cuadro y una breve descripción a la que remite el texto principal. Para editar, la instrucción describe la imagen que quieres con el cambio ya incluido, y las referencias se citan en orden. Black Forest Labs recomienda descripciones completas de la escena que cubran sujeto, entorno, luz, composición y estilo. El punto de control destilado produce una imagen de 1024 x 1024 en 16 pasos por defecto, en unos 2 segundos en una Nvidia H100, mientras que un punto de control base usa 50 pasos con guía y está pensado como punto de partida para el ajuste fino.
Los detalles prácticos importan a los estudios pequeños. Además de los pesos en BF16, Black Forest Labs publica versiones FP8 por filas y NVFP4 del transformador para GPU con menos memoria, y Diffusers incluye scripts de entrenamiento DreamBooth LoRA para generación y edición, de modo que los equipos pueden enseñar al modelo un estilo propio o un producto. Según nuestra reseña, el modelo tiene unos 5.600 millones de parámetros y usa un codificador de texto Qwen3-VL-4B, y la API de Black Forest Labs cobra desde 0,008 dólares por imagen a 768 píxeles hasta 0,036 dólares en 4K.
Controlar la colocación ha sido uno de los puntos más débiles de los modelos de imagen, que suelen tratar la composición como una sugerencia. Tenerlo en un modelo de pesos abiertos que funciona en hardware modesto resulta útil para diseñadores, anunciantes y cualquiera que produzca composiciones coherentes a gran escala, y el soporte en Diffusers permite encajarlo en flujos existentes.
Revisa la licencia antes de usarlo con fines comerciales. Nuestra reseña señala que los pesos solo son gratuitos para organizaciones con ingresos anuales inferiores a 5 millones de dólares; las empresas más grandes necesitan otro acuerdo o la API de pago. La cifra de velocidad corresponde a una H100 con la resolución por defecto, así que GPU más pequeñas e imágenes mayores irán más lentas. Y el artículo de Diffusers muestra lo que puede hacer el control de composición en ejemplos escogidos; hasta qué punto respeta los cuadros en escenas abarrotadas es algo que conviene probar con tus propias instrucciones.