能够凭据编纂指令直接更改现有图像
，以及进行精确的本地和全局编纂不用做任何微调
，就能直接引用里面的人物角色、风格形状和物品元素
。允许用户通过屡次陆续编纂优化图像,同时将视觉漂移降到最低
。专门为NVIDIA Blackwell进行了权沉优化 与现有的文本到图像模型分歧
，FLUX.1 Kontext系列执行高低文图像天生
，能够直接使用文本和图像进行提醒
，并无缝提取和批改视觉细节
。 首先模型架构上
，仍旧基于的是FLUX.1模型
，它是一种在图像自动编码器的潜在空间中训练的整流流Transformer模型
，由双流块和单流块混合构建而成
。 象征序列构建：图像通过冻结的FLUX自动编码器
，编码成潜在的高低文图像象征
，并输入到模型的视觉流中
。位相信息编码：通过三维旋转地位嵌入（3D RoPE）对位相信息进行编码
，为高低文象征的嵌入提供恒定偏移量
。并将其视作为虚构功夫步
，以清澈分离高低文和指标块
，同时维持它们的内部空间结构
。 最终得到的FLUX.1 Kontext[dev]模型蕴含120亿参数
，能够更专一于编纂工作
，支持迭代编纂
，能够在各类场景和环境中保留角色特点
，并允许用户进行精确的部门或全局编纂
。 尝试引入自研的KontextBench基准进行模型机能验证
，该基准蕴含1026个图像-提醒对
，涵盖部门编纂、全局编纂、角色参考、风格参考和文本编纂五个工作类别
。 另表
，FLUX.1 Kontext[dev]还专门针对新的NVIDIA Blackwell架构进行了TensorRT权沉优化
，能够在维持高质量的图像编纂机能的同时
，极大地提高推理速度并削减内存使用量
。 在现实用户的反馈中
，也发现FLUX.1 Kontext[dev]的推理速度较前代提升了4至5倍
，模型在NVIDIA H100 GPU上运行
，通常5秒内可能实现
，在Replicate上的运行成本约为0.0067USD
，或每1USD运行149次
。