FLUX.2 [Klein], lanzado oficialmente por Black Forest Labs el 16 de enero de 2026, es una familia ultraligera para generar y editar imágenes de alta calidad en el dispositivo. Integra un Rectified Flow Transformer con un embebedor de texto Qwen3 8B basado en LLM. Ofrece variantes de 4B y 9B parámetros optimizadas mediante destilación para producir resultados nítidos en solo 4 pasos de inferencia. Los grandes modelos generativos suelen ser difíciles de ejecutar en ordenadores o GPU individuales y obligan a depender de APIs en la nube. FLUX.2 [Klein] se centra en ejecución local eficiente y segura, con resultados de alta resolución en hardware de unos 13 GB de VRAM. Mejora la representación de texto y coordina generación y edición en un único modelo. La variante 9B-KV admite KV-Caching y puede acelerar hasta 2,5 veces los flujos de edición con múltiples referencias. En investigación y diseño científico, convierte descripciones detalladas —por ejemplo, membranas celulares, núcleos y mitocondrias— en ilustraciones para resúmenes gráficos. También facilita modificar diagramas 3D de dominios proteicos o visualizaciones de interacciones celulares en tiempo real. Las imágenes generadas deben revisarse para evitar interpretaciones científicas incorrectas.

Familia ultraligera de modelos de Black Forest Labs para generación y edición precisa de imágenes en dispositivos locales.

Aplicación práctica: FLUX.2 [Klein], lanzado oficialmente por Black Forest Labs el 16 de enero de 2026, es una familia ultraligera para generar y editar imágenes de alta calidad en el dispositivo. Integra un Rectified Flow Transformer con un embebedor de texto Qwen3 8B basado en LLM. Ofrece variantes de 4B y 9B parámetros optimizadas mediante destilación para producir resultados nítidos en solo 4 pasos de inferencia. Los grandes modelos generativos suelen ser difíciles de ejecutar en ordenadores o GPU individuales y obligan a depender de APIs en la nube. FLUX.2 [Klein] se centra en ejecución local eficiente y segura, con resultados de alta resolución en hardware de unos 13 GB de VRAM. Mejora la representación de texto y coordina generación y edición en un único modelo. La variante 9B-KV admite KV-Caching y puede acelerar hasta 2,5 veces los flujos de edición con múltiples referencias. En investigación y diseño científico, convierte descripciones detalladas —por ejemplo, membranas celulares, núcleos y mitocondrias— en ilustraciones para resúmenes gráficos. También facilita modificar diagramas 3D de dominios proteicos o visualizaciones de interacciones celulares en tiempo real. Las imágenes generadas deben revisarse para evitar interpretaciones científicas incorrectas.