هوش مصنوعی بدون اینترنت؟ آره میشه!
Flux.2 [dev] (یا به اختصار Flux 2 dev) مدل پیشرفته تولید تصویر از متن (Text-to-Image) و ویرایش تصویر (Image Editing) شرکت Black Forest Labs است که در نوامبر ۲۰۲۵ منتشر شد. این مدل با ۳۲ میلیارد پارامتر، کیفیت فوتورئالیستیک بسیار بالا، پایبندی عالی به پرامپت‌های پیچیده، رندر دقیق متن داخل تصویر، ثبات شخصیت و جزئیات دست/صورت/پارچه/لوگو را ارائه می‌دهد – عملکردی که در بنچمارک‌ها از Flux.1 و بسیاری رقبای دیگر بهتر است. Flux.2 dev نسخه اوپن‌وزن (open-weight) برای توسعه‌دهندگان و محققان است و قابلیت ترکیب چند تصویر مرجع (multi-reference editing تا ۱۰ تصویر) در یک چک‌پوینت واحد را دارد، بدون نیاز به فاین‌تیونینگ جداگانه.
این مدل برای طراحان گرافیک، هنرمندان دیجیتال، تولیدکنندگان محتوا و کسانی که نیاز به تصاویر باکیفیت بالا تا رزولوشن ۴ مگاپیکسل (۴MP) دارند، عالی است. نسبت به Flux.1 بهبودهای چشمگیری در realism، سرعت نسبی (با quantization)، دقت رنگ و هندل کردن پرامپت‌های طولانی دارد. لایسنس غیرتجاری (Non-Commercial) دارد، اما برای تحقیق و استفاده شخصی رایگان و قدرتمند است.
این مدل برای کی مناسبه؟
- گرافیست‌ها، تبلیغات، تولید محتوا
- کسانی که کیفیت نهایی براشون اولویته
- کسانی که می‌خواهند ادیت/تولید تصویر رو آفلاین انجام بدهند
ویژگی‌های کلیدی Flux.2 [dev]:
- ۳۲ میلیارد پارامتر rectified flow transformer – بهترین کیفیت اوپن‌وزن فعلی
- تولید تصویر فوتورئالیستیک تا ۴ مگاپیکسل با جزئیات واقعی (دست، صورت، متن، بافت)
- پشتیبانی از Text-to-Image + Image Editing + Multi-Reference (تا ۱۰ تصویر ورودی برای ثبات شخصیت/سبک)
- دقت بالا در رندر متن، رنگ‌های HEX دقیق، هندسه و فیزیک واقعی
- بدون نیاز به فاین‌تیونینگ جداگانه برای reference – همه در یک مدل
- ورودی متن تا ۳۲K توکن (پرامپت‌های بسیار طولانی)
- بهینه‌سازی با guidance distillation برای کارایی بالاتر
- کاملاً اوپن‌وزن (وزن‌ها در Hugging Face) – مناسب LoRA، تحقیق و workflow سفارشی
- پشتیبانی عالی در ComfyUI و Diffusers
سیستم مورد نیاز حداقلی و پیشنهادی:
- حداقل (با quantization FP8): کارت گرافیک NVIDIA ۱۶–۲۴ گیگابایت VRAM (RTX 4080/4090/5090)، رم سیستم ۳۲–۶۴ گیگابایت، CUDA ۱۲+، ویندوز/لینوکس.
- پیشنهادی برای سرعت خوب: RTX 4090 یا بهتر (۲۴ گیگابایت VRAM+)، رم ۶۴ گیگابایت+، لینوکس native.
- بهینه‌ترین (full precision): GPU سروری مثل H100/A100 (۸۰ گیگابایت+ VRAM)، رم ۱۲۸ گیگابایت+.
- نکته: نسخه FP8 quantized با کمک NVIDIA/ComfyUI حدود ۴۰% VRAM کمتر مصرف می‌کند (حدود ۲۰–۳۰ گیگابایت روی RTX 4090) و سرعت را ۴۰% افزایش می‌دهد. بدون quantization ممکن است ۶۰–۹۰ گیگابایت VRAM نیاز داشته باشد. برای سیستم‌های ضعیف‌تر، از APIهای آنلاین مثل fal.ai یا Replicate استفاده کنید.
نکته مهم: این مدل‌ها معمولاً سنگین‌اند؛ رم ۱۶GB حداقل خوبه، ولی برای سرعت و کیفیت GPU قوی‌تر خیلی تعیین‌کننده‌ست.
اگر می‌خواهی آنلاین تست کنی: به bfl.ai/play یا huggingface spaces برو و پرامپت بزن!