Tre resultat från denna recension: en produktscen sammansatt från tre referensbilder, en maskot som bärs in i en ny scen och ett vykort gjort med sökmotorn aktiverad.
FLUX 3 Image från Black Forest Labs levereras med en funktionslista som låter användbar på pappret: upp till tio referensbilder per förfrågan, fem upplösningsnivåer, femton bildförhållanden och ett valfritt webbsökningssteg före generering. Funktionslistor berättar inte hur en modell beter sig med en riktig brief, så vi gav den en och mätte vad som kom tillbaka.
Denna recension omfattar nio tester och 16 betalda bilder. Vi kontrollerade varje begärt element mot varje utdata, läste varje genererat ord i full storlek, tog tid på varje begäran och registrerade det faktiskt debiterade priset.
Hela recensionen kostade 0.97 dollar i genereringsavgifter. En enda 4k-rendering står för 45 procent av det, vilket är den första lärdomen i den här recensionen.
Vår testmetod: Poängregler, tidtagning och faktiska avgifter
Vår uppdragsbeskrivning kommer från ett fiktivt varumärke vi uppfann för detta test, Oddly Fern Plant Care Co. Det säljer en produkt, en flytande växtnäring som heter Leaf Tonic i en bärnstensfärgad glasflaska med dropp, och det har en maskot: Pip, en tecknad trädgårdssnigel med ett mintgrönt skal och ett enda blad som spirar från toppen.
Ett varumärke som detta behöver en uppsättning bilder, inte en enda bild: en produktbild, en affisch, en närbild på etiketten, maskoten i flera stilar och ett kampanjfoto som sätter ihop produkt och maskot.
Varje bild måste visa samma flaska med samma etikett och samma snigel med samma löv. Det är precis i det arbetet referensbilder antingen sparar timmar eller skapar en röra.
Poängsättningen var strikt. För varje uppgift listade vi de konkreta element som efterfrågades och markerade varje utdata som uppfylld, missad eller tvetydig. Varje genererat ord beskars och lästes med två till tre gångers förstoring. Tider är den bearbetningstid som varje uppgift rapporterade, och kostnader är den avgift som registrerats för varje slutförd uppgift.
FLUX 3 Image API förklarat: Asynkrona uppgifter, parametrar och polling
FLUX 3-bilden (modell-ID flux-3-bild) är asynkron: du POSTAR en prompt, får ett uppgifts-ID och kör en avsökning tills bilden är klar. Varje begäran returnerar exakt en bild.
Alternativen är upplösning (768sq, 1k, 1.5k, 2k eller 4k, standard 1k), aspect_ratio (auto eller ett av 15 förhållanden från 21:9 till 9:21), image_urls (upp till tio referenser som URL:er eller base64), grounding (webbhämtning före generering, aktiverat som standard) och safety_tolerance (0 till 4, standard 2). Det finns inget seed, ingen width och height, ingen negativ prompt och ingen batchstorlek.
Detta är hjälpprogrammet vi använde för varje test. Värd och nyckel kommer från miljövariabler, och aktivitets-ID:n loggas före pollning, så en avbruten körning kan återupptas utan att betala två gånger.
import os, time, base64, requests
BASE = os.environ["IMAGE_API_BASE"] # your provider's /v1 endpoint
HEADERS = {"Authorization": f"Bearer {os.environ['IMAGE_API_KEY']}"}
def as_data_uri(path):
ext = "jpeg" if path.endswith((".jpg", ".jpeg")) else "png"
return f"data:image/{ext};base64," + base64.b64encode(open(path, "rb").read()).decode()
def generate(prompt, refs=(), resolution="1k", aspect="auto", grounding=False):
payload = {"model": "flux-3-image", "prompt": prompt,
"resolution": resolution, "aspect_ratio": aspect,
"grounding": grounding}
if refs:
payload["image_urls"] = [as_data_uri(p) for p in refs] # max 10
r = requests.post(f"{BASE}/images/generations", headers=HEADERS,
json=payload, timeout=120)
r.raise_for_status()
task_id = r.json()["data"][0]["task_id"]
open("task_ids.log", "a").write(task_id + "\n") # log before polling
while True:
time.sleep(4)
try:
d = requests.get(f"{BASE}/tasks/{task_id}", headers=HEADERS,
timeout=30).json()["data"]
except requests.RequestException:
continue # network blip: poll again
if d["status"] == "completed":
return d["result"]["images"][0]["url"], d.get("cost"), d.get("actual_time")
if d["status"] in ("failed", "cancelled"):
raise RuntimeError(d.get("error"))Vi satte jordning till falskt överallt utom i test 8, eftersom förändringar i webbhämtning resulterar på sätt som skulle grumla de andra jämförelserna.
Test: Snabb efterlevnad av en 11-punktsbrief
Hjältebilden för Leaf Tonic skrevs för att innehålla elva kontrollerbara krav, inklusive ett avsiktligt noggrant utformat: exakt tre eukalyptusblad.
{"model": "flux-3-image",
"prompt": "Product photo of an amber glass dropper bottle with a cream paper label that reads \"LEAF TONIC\" in black serif capitals, standing on a pale oak table. Next to it: a small fern in a terracotta pot, a folded linen cloth, and exactly three dried eucalyptus leaves. Soft morning window light from the left, shallow depth of field, plain white wall in the background.",
"resolution": "1k", "aspect_ratio": "4:5", "grounding": false}1k-resultatet kom fram på 18 sekunder med en upplösning på 912×1152 pixlar för 0.0346 dollar. Bärnstensfärgat glas, pipett, krämfärgad etikett, korrekt stavat "LEAF TONIC", versaler i svart serif, ekbord, ormbunke i terrakotta, linnetyg, tre eukalyptusblad och en vit vägg: allt närvarande. Ljuset från vänster var tvetydigt eftersom scenen är jämnt upplyst.
Tio klara godkännanden av elva, där det elfte snarare är obevisat än fel, är ett starkt resultat. Räkneinstruktionen hölls i alla fyra renderingar av denna prompt, och flaskan ser fysiskt rimlig ut, med glaspipetten synlig genom bärnstenen.
En konsekvens för produktionsarbetet: utan ett frö producerar varje förfrågan en ny komposition. Man kan inte hålla en scen fixerad och variera en miljö. Verktyget för att hålla saker fixerade är en referensbild, som Test 5 till 7 mäter.
Test: Fyra resolutioner och en prisklippa
Vi skickade samma prompt vid 768sq, 1k, 2k och 4k. Varje rendering har sin egen komposition, så detta jämför skärpa, timing och pris snarare än pixlar.
11-punktsuppmaningen vid fyra upplösningsnivåer. Varje rendering stavade etiketten korrekt och visade exakt tre eukalyptusblad.
| Upplösning | Levererad (4:5) | Tid | Pris | Kostnad per megapixel |
|---|---|---|---|---|
| 768 kvm | 688×864 (0.59 MP) | 24 s | $0.0295 | $0.050 |
| 1k | 912×1152 (1.05 MP) | 18 s | $0.0346 | $0.033 |
| 2k | 1824×2288 (4.17 MP) | 41 s | $0.0720 | $0.017 |
| 4k | 3664×4576 (16.8 MP) | 68 s | $0.4370 | $0.026 |
Alla fyra uppfyllde samma checklistapunkter, och 2k- och 4k-renderingarna lade till ett fönster till vänster, vilket justerar ljuskravet till deras fördel. Vid 768 kvadrat blir etikettypen mjukare när man zoomar; vid 2k och 4k kan man se pappersstrukturen och ekens ådring.
Priset förtjänar en andra genomläsning. 768sq sparar bara 15 procent jämfört med 1k samtidigt som den levererar ungefär hälften så många pixlar. 2k är det bästa värdet per megapixel: fyra gånger så många pixlar som 1k för ungefär dubbelt så mycket pris.
Sedan hoppar 4k till 0.437 dollar, 12.6 gånger 1k-priset och sex gånger 2k-priset, så per megapixel kostar det mer än 2k.
Drafta vid 1k, välj vinnarna och reservera 4k för de få bilder som verkligen behöver det. Att uppskala en 2k-rendering kostar vanligtvis mycket mindre, och en ny 4k-begäran kommer ändå inte att reproducera det utkast du gillade.
Test: Typografi, från rubrik till liten stil
Vi testade två svårighetsgrader: en affisch med tre textrader i tre storlekar och en baksidesetikett med 31 ord inklusive en ingredienslista i liten stil.
Poster (1k, 2:3): Minimal print poster for a houseplant care brand. Sage green background. Centered at the top, the headline "FEED YOUR FERNS" in large bold cream sans-serif capitals. Below it, an illustration of an amber dropper bottle beside a fern frond. Under the illustration, one line in smaller cream type: "Leaf Tonic - 2 drops a week, every week". At the very bottom, small footer text: "Oddly Fern Plant Care Co."
Back label (1k, 1:1): Close-up studio photo of the back label of an amber glass dropper bottle ... The label text, top to bottom: "LEAF TONIC" as a bold heading; "Liquid plant food for ferns and calatheas"; "Ingredients: seaweed extract, molasses, magnesium sulfate, humic acid, iron chelate, water"; "Use 2 drops per 250 ml of water"; "Net 30 ml".
Den som skrev inlägget återgav alla 16 ord korrekt. Etiketten återgav 30 av 31 ord korrekt; ”sulfat” kom ut som ”solfat”.
Det tog 25 sekunder att skapa en affisch och varje ord var korrekt, inklusive bindestrecket, kommatecknet och "Co." i sidfoten. Layouten följde instruktionerna noggrant och modellen lämnade den illustrerade flaskan.'s etiketten är tom, vilket stämmer eftersom vi bad om att det inte skulle finnas någon text där.
Etiketten tog 27 sekunder och ser utmärkt ut vid första anblicken: rimlig hierarki och radbrytningar, korrekta enheter. I full storlek är ett ord fel: ”magnesiumsulfat” blev ”magnesiumsulfat”. En enda bokstav i ett kemiskt namn är precis det fel som en snabb granskning missar och en kund eller tillsynsmyndighet skulle upptäcka.
Vår sammanställning är 46 av 47 ord korrekta, med ett fel i den minsta, mest tekniska texten. Rubriker och korta fraser är tillförlitliga; ingredienslistor, doseringar och varningar bör sättas separat och sammanställas efteråt.
Test: Fotorealism kontra illustration
Härnäst beskrev vi Pip endast med ord, i tre stilar: en fotorealistisk makrobild, en platt vektormaskot och en akvarell sagobok. Varje prompt använde samma beskrivning: "en liten rund trädgårdssnigelmaskot med ett mintgrönt spiralskal, en mjuk persikofärgad kropp, stora vänliga svarta ögon och en liten grön bladspira som växer från toppen av skalet".
En beskrivning, tre stilar. Fotorealistiska och akvarellversionerna fick varsin tvåbladig grodd istället för ett blad.
Alla tre tog 20 till 26 sekunder och alla tre är användbara. Den fotorealistiska versionen är den mest slående, med våt sten, droppar på skalet och övertygande skärpedjup; den läser som ett foto av en handgjord figurin.
Den platta vektorversionen är ren och produktionsklar, med konsekventa konturer och ögonen på stjälkarna. Akvarellen har en trovärdig pappersstruktur och lösa kanter.
Sida vid sida är de dock tre olika sniglar. Två av de tre har en tvåbladig grodd istället för en, fotoversionen flyttade ögonen till ansiktet, och kroppsfärgen varierar från persika till brun.
En textbeskrivning är inte en teckenlista. Detta är baslinjen som referensbilder bör korrigera.
Test: Redigering med en enda referens
Det vanligaste jobbet i verkligheten är att placera en godkänd produkt i en ny scen. Vi skickade 1k-hjälten från Test 1 som enda referens, med aspect_ratio inställt på auto och den billigaste nivån, 768sq.
generate('Place this exact bottle on a white tiled bathroom shelf next to a rolled white towel and a small trailing pothos plant. Keep the bottle shape, the cream label and the words "LEAF TONIC" exactly as they are. Bright, even daylight.',
refs=["hero.jpg"], resolution="768sq", aspect="auto")
Referensen och redigeringen. Flaskans form, pipett, etikettens proportioner och bokstäver överfördes; allt annat ersattes enligt begäran.
Redigeringen tog 33 sekunder och kostade 0.0295 dollar, samma pris som en bild med endast text på den nivån. Flaskan är en trogen kopia: samma axlar, dropp, pipett och serif-bokstäver.
Handduk och potos är där vi frågade. Med auto följde utdata referensen's 4:5-form men blev 672×848, något annorlunda än 688×864 i en 4:5-textförfrågan, så läs de verkliga måtten från filen.
För en liten katalog är detta den mest praktiska funktionen i modellen: ett godkänt produktfoto blir källan till ett obegränsat antal livsstilsscener, och referenser lägger inte till något till priset.
Om du vill prova detta referensbaserade arbetsflöde själv accepterar FLUX 3 Image API samma parametrar som vi använde här, och hjälparen ovan körs mot det oförändrad.
Test: Att hålla en karaktär konsekvent
Vi använde den platta vektorn Pip från Test 4 som enda referens för en ny scen, och omformulerade funktionerna som skulle behållas.
The snail character from the reference image is watering a small fern with a tiny copper watering can on a sunny windowsill. Keep the character exactly the same: same flat vector style, thick outlines, mint-green spiral shell, peach body, eyes on stalks and the single leaf on the shell.
(resolution 768sq, aspect_ratio 1:1, 1 reference)
Referensen och den nya scenen. Alla fem karaktärsdrag vi spårade bibehölls.
Resultatet tog 29 sekunder. Alla fem spårade egenskaper återfanns: skalet med samma enda lock, persikofärgad kropp, ögon på stjälkarna, ett blad och tjocka konturer.
Där tre textmeddelanden gav tre sniglar, låste en referens karaktären. Två noteringar från art direction: bakgrunden blev mjuk och realistisk, så be om en platt bakgrund också om du behöver en; och eftersom en snigel inte har några händer flyter vattenkannan helt enkelt bredvid Pip.'s huvud.
Test: Tre referenser kontra tio
För rubriken skapade vi tio referenser: produktbilden, vektormaskoten, ett logotypkort och en palettremsa ritad lokalt, affischen och baksidesetiketten från Test 3, växter av ormbunkskrukan och linnetyget, vykortet från Test 8 och akvarellen från Test 4. Uppmaningen behandlade var och en med nummer.
De tio ingångarna. Åtta var utgångar från tidigare tester; logotypen och palettremsan ritades lokalt.
Lifestyle product photo on a sunny wooden windowsill. Image 1: put this exact Leaf Tonic bottle in the centre, label facing the camera. Image 2: a small soft plush toy of this snail character sits to the right of the bottle. Image 3: this logo is printed on a small kraft paper tag tied to the bottle neck with twine. [3-reference version ends here.]
Image 4: use this colour palette for the props and background. Image 5: this poster hangs framed on the wall behind. Image 6: this fern in its terracotta pot stands on the left. Image 7: this linen cloth lies folded under the bottle. Image 8: a second bottle lies on its side in front, showing this back label. Image 9: this postcard leans against the window frame. Image 10: this storybook illustration is printed on a small card propped next to the plush snail. Natural morning light.
(resolution 768sq, aspect_ratio 4:5)
Vänster: tre referenser, alla tre använda. Höger: tio referenser, nio använda; sagobokskortet saknas och vykortet förekommer två gånger.
Med tre referenser (45 sekunder) användes alla tre enligt anvisningarna: flaskan centrerad med en korrekt etikett, en filtplyschversion av Pip till höger och en kraftetikett med texten ”Oddly Fern”.
Att förvandla en platt vektorfigur till en trovärdig plysch samtidigt som skalet, stjälkögonen och det enskilda bladet behålls är ett användbart knep för mockups av varor.
En bieffekt: Ormbunkekrukan och eukalyptusbladen från bakgrunden i referens 1 dök också upp, utan att bli efterfrågade. Referenserna tar med sig sitt sammanhang.
Med tio referenser (56 sekunder, samma $0.0295) räknade vi nio av tio i scenen: flaska, plysch, etikett, palett, affisch, ormbunkskruka, linne, en andra flaska på sidan och vykortet mot fönstret. Sagobokskortet saknades; ett andra exemplar av vykortet tog dess plats, och affischen förekommer två gånger.
Vid tio referenser försämrades varje textdel som kopierats från en referens, inklusive varumärket på taggen.
Närbilderna visar den verkliga kostnaden. Etiketten som löd ”Oddly Fern” med tre referenser lyder ”Oddly Farn” med tio. Affischtexten är oläslig, den andra etiketten är förvrängd och bildtexten på vykortet är nonsens; bara den stora texten ”LEAF TONIC” på huvudflaskan förblev korrekt.
En del av detta är 768sq-nivån, som ger små objekt få pixlar, och vi körde inte om den med högre upplösning, så behandla textresultatet som öppet. Sammanfogningen och dupliceringen av indata skulle inte ändras med upplösningen.
Vår regel: Använd så många referenser som scenen har objekt som måste vara exakta, och inte fler. Bearbetningstiden ökade med en till två sekunder per extra referens (45 sekunder med tre, 56 med tio).
Test: Sökning av jordning på och av
Jordning låter modellen hämta webb- eller bildkontext innan den ritar, och det är aktiverat som standard. Vi testade det på ett verkligt landmärke med en distinkt form: Palmhuset vid Kew Gardens.
Vintage travel postcard illustration of the Palm House at Kew Gardens in London, seen from across the pond in spring. Caption at the bottom in bold serif type: "PALM HOUSE, KEW".
(resolution 1k, aspect_ratio 3:2, grounding true / false)
Att "ground on" (vänster) gav byggnaden rätt och stilen fel. Att "ground off" (höger) gav stilen rätt och byggnaden fel.
Resultaten är tydligt delade. Med jordning påslagen (46 sekunder) har byggnaden rätt silhuett, lång och låg med en upphöjd mittsektion och böjda vingar, men bilden är i huvudsak ett tonat fotografi snarare än en illustration, och det ser ut som midsommar, inte vår.
Med avstängning (39 sekunder) fick vi ett charmigt illustrerat vykort med blommor och svanar, precis i den önskade stilen, men ett generiskt tvåvåningsglashus som inte liknar det riktiga. Båda bildtexterna var korrektstavade.
Eftersom jordning är aktiverat som standard påverkar detta dig även om du aldrig ställer in det. Det förbättrade faktanoggrannheten och minskade stilföljsamheten, och lade till sju sekunder i vår jämförelse.
Stäng av den för påhittade produkter och karaktärer, där det inte finns något att slå upp; låt den vara på för riktiga platser och produkter, och pressa stilen hårdare i prompten.
Test: Räkning, numrering och en långsam extremvärde
Det senaste testet kombinerade två klassiska svagheter: exakta antal och sekventiella nummer. Vi bad om exakt sju identiska flaskor i rad, numrerade 1 till 7 från vänster till höger.
Sju flaskor, numrerade i ordning. Korrekt, men begäran tog 167 sekunder.
Bilden är korrekt: sju jämnt fördelade flaskor, nummer 1 till 7 i ordning. Tillsammans med eukalyptusbladen fick FLUX 3 Image alla uttryckliga poänger rätt i den här recensionen.
Överraskningen var tiden: 167 sekunder, jämfört med 18 till 46 sekunder (median 26) för våra andra 1 textbaserade förfrågningar, utan något i prompten som förklarar det. En användarvänlig produkt behöver ett förloppsläge, en generös timeout och ett sätt att leverera resultat senare.
Alla som migrerar från äldre FLUX-slutpunkter bör också notera vad detta API inte accepterar: bredd, höjd, pixelstorlekssträngar, seed, steg, vägledning, negative_prompt, output_format eller flera bilder per begäran. Mappa storlekar till en upplösningsnivå plus ett bildförhållande.
Hur mycket kostar FLUX 3-bilden?
Uppmätt kostnad och bearbetningstid för varje konfiguration i den här recensionen.
| Testa | Bilder | Inställningar | Pris |
|---|---|---|---|
| 1–2. Adherens- och upplösningsstege | 4 | 768 kvm, 1 000, 2 000, 4 000 | $0.5731 |
| 3. Typografi | 2 | 1k | $0.0691 |
| 4. Tre stilar | 3 | 1k | $0.1037 |
| 5. Redigering av en enda referens | 1 | 768 kvm, 1 referens | $0.0295 |
| 6. Karaktärskonsekvens | 1 | 768 kvm, 1 referens | $0.0295 |
| 7. Tre och tio referenser | 2 | 768 kvm, 3 och 10 ref. | $0.0590 |
| 8. Jordning på och av | 2 | 1k | $0.0691 |
| 9. Räkna | 1 | 1k | $0.0346 |
| Totalt | 16 | $0.9677 |
Utan den enda 4k-bilden kostar de övriga 15 bilderna 0.53 dollar, cirka 3.5 cent styck, och eftersom referenserna är gratis kostar en sammansatt bild med tio referenser lika mycket som en vanlig prompt.
Ett litet varumärke som producerar 40 bilder i månaden för 1 000 bilder skulle spendera ungefär 1.40 dollar; lägg till två 4 000-finaler och räkningen mer än fördubblas. Budgetera efter upplösning, inte efter bildantal.
Där FLUX 3-bilden inte når upp till förväntningarna
Checklista för användning av FLUX 3-bilder i en varumärkesbilduppsättning
Slutgiltigt omdöme: Är FLUX 3 Image värt att använda för varumärkesvisualisering?
FLUX 3 Image gjorde mer rätt än fel. Den följde en 11-punktsuppgift noggrant, fick alla punkter rätt, återgav kort och medelstor text på ett tillförlitligt sätt, växlade övertygande mellan fotografi och illustration, och höll en produkt och en karaktär konsekventa från en enda referens.
Multireferensfunktionen fungerar och kostar inget extra per referens, vilket gör modellen ytterst intressant för alla som producerar uppsättningar av relaterade bilder.
Begränsningarna är lika tydliga: liten teknisk text är ännu inte tillförlitlig, tio referenser är mer än vad modellen hanterar rent, standardförutsättningar kan förändra din stil och 4k är prissatt i en annan liga.
För vårt fiktiva växtvårdsmärke skulle vi i själva verket köra 1 000 utkast, tre till fem referenser per scen, avslutning, text sammansatt efteråt och 2 000 slutgiltiga bilder, med en person som godkänner varje bild.
Om du vill prova det arbetsflödet, eller jämföra FLUX 3 Image med andra bild-, video- och språkmodeller genom en och samma nyckel, kan du hitta dem på APIMart.
AiMojo rekommenderar:
BONUS: Få våra 200 dollarAI ”Mastery Toolkit” GRATIS när du registrerar dig!
![Topp 10 Hentai AI Chatbots för att uppleva virtuell önskan [2026]](https://aimojo.io/wp-content/uploads/2024/03/Top-Hentai-AI-Chatbot--100x100.webp)
