FLUX 3 Klein vs FLUX 3 Max vs GPT Image 2.5: resultados dos testes

O que é o FLUX 3 Klein?

O FLUX 3 Klein é o irmão menor do FLUX 3 Max, o modelo de imagem principal da família FLUX 3 da Black Forest Labs. Ele foi lançado em 15 de outubro de 2026 e é o primeiro modelo de imagem do FLUX 3 com pesos abertos, ou seja, você pode baixá-lo e rodá-lo na sua própria GPU.

O mais interessante é o pouco que a Black Forest Labs cortou em relação ao modelo principal. O Klein mantém o mesmo conjunto de ferramentas: até 10 imagens de referência em um único pedido, bounding boxes para posicionar elementos e saída nativa em 4K. Na avaliação interna da Black Forest Labs, ele fica em primeiro lugar entre os modelos de pesos abertos em texto para imagem, edição e geração com várias referências, à frente de modelos abertos maiores. Em comparação com o FLUX.2 [klein] 9B anterior, ele marca 91 pontos de Elo a mais em texto para imagem e 70 a mais em edição, com 38% menos parâmetros.

Os dois modelos do FLUX 3 lado a lado:

A diferença cresce com a resolução: em 1K, o Max custa cerca de cinco vezes mais que o Klein e, em 4K, quase 17 vezes mais.

Como testamos

Submetemos os modelos a seis testes baseados no que a Black Forest Labs e a OpenAI mostram nas próprias demonstrações de lançamento: um infográfico com texto exato, o mesmo infográfico traduzido para o português, um personagem em três cenas, uma edição que não pode mexer em mais nada, uma capa de revista montada com bounding boxes e uma sala mobiliada a partir de cinco imagens de referência. Escolhemos tarefas em que os modelos de imagem costumam escorregar, do texto miúdo aos pixels fora do lugar.

Os três modelos rodaram pelas respectivas APIs, com os mesmos prompts e as mesmas imagens de entrada, em cerca de 1 megapixel. Ficamos com o primeiro resultado de cada execução, sem gerar de novo, e cronometramos todas as gerações, já que velocidade é a principal promessa do Klein.

Também vamos comparar o GPT Image 2.5 Flare com o FLUX 3 Klein. Ele é, provavelmente, o modelo a ser batido entre os geradores de imagem com IA leves quando o assunto é estilo, renderização de texto, fidelidade visual e obediência às instruções.

Uma coisa que descobrimos (alerta de spoiler) é que o GPT Image 2.5 Flare sacrifica um pouco de precisão em troca de criatividade, o que o torna menos adequado para certas tarefas. Falamos mais sobre isso adiante.

Teste 1. Infográfico técnico com texto exato

A primeira tarefa é um infográfico sobre como um relógio mecânico marca o tempo, com um corte do mecanismo e cinco peças identificadas, cinco etapas numeradas com frases definidas palavra por palavra e setas que seguem o fluxo de energia.

A versão do FLUX 3 Klein está à esquerda, a do FLUX 3 Max à direita e a do GPT Image 2.5 embaixo:

Tecnicamente, o FLUX 3 Max fez o melhor trabalho: identificou as cinco peças do mecanismo, deu um quadro próprio a cada etapa e usou setas para ligar as etapas às peças que elas descrevem. Dos três, foi o que produziu a explicação visual mais precisa do conceito.

Visualmente, porém, o FLUX 3 Klein entregou o resultado mais limpo e mais atraente. Isso surpreende ainda mais considerando que ele está competindo com o GPT Image 2.5, um modelo bem mais avançado.

Fora isso, os três modelos escreveram as cinco frases sem um único erro.

Se quiser repetir o teste, este é o prompt:

Traduzindo o infográfico para o português

Em seguida, cada modelo traduziu o próprio infográfico para o português sem mudar mais nada. As versões traduzidas estão na mesma ordem:

O GPT Image 2.5 traduziu todas as linhas para um português legível, mas parafraseou algumas frases. A etapa 3 ganhou "ao longo do mecanismo", e a etapa 2 chama a mola principal de "barrilete principal", o tambor que a abriga.

O FLUX 3 Max traduziu o título, os rótulos das peças e quatro etapas sem problemas. A etapa 3 virou um texto sem sentido ("ospea de npr'ado pereongeno"), e as etapas 3, 4 e 5 foram parar em quadros diferentes dos da versão em inglês.

O FLUX 3 Klein traduziu o título, mas o texto menor se desfez: "a aperta a ·pirital", "ma pincipal", e o rótulo "crown" ficou em inglês. A numeração também quebrou: a etapa 3 aparece duas vezes, e o escape é descrito em duas etapas diferentes.

Ou seja, o Klein não é muito útil quando você precisa alterar uma grande quantidade de texto, principalmente quando há outros idiomas além do inglês.

O prompt:

Mantendo o mesmo personagem em três cenas

A terceira tarefa acompanha um personagem ao longo de uma pequena história, o que mostra a consistência entre várias rodadas de edição. Conheça o Pip, um pequeno robô de latão que vamos usar neste teste:

O FLUX 3 Klein e o FLUX 3 Max mostram uma consistência de personagem impressionante. O Pip fica exatamente igual em todos os quadros, e o estilo de arte também. Se isso é bom ou não depende do que você quer alcançar.

Já o GPT Image 2.5 parece ter captado a textura das pinceladas da imagem de entrada e a exagerado, deixando o efeito mais forte a cada quadro. Tecnicamente, é uma falha em relação ao que estávamos testando, mas é difícil negar como a imagem final ficou bonita. Só que, por algum motivo, o Pip também ganhou uma antena que não estava na imagem original nem no prompt.

Se quiser fazer este teste, aqui estão os prompts, na ordem:

Editando um objeto sem mexer em mais nada

Com que frequência você usa um gerador de imagens com IA para mudar algo em uma imagem que já existe? Nós esbarramos nesse caso o tempo todo, principalmente ao criar comparações de antes e depois. O ideal é que, ao pedir a um modelo para editar uma parte específica da imagem, todo o resto continue exatamente igual. Mas nem sempre é o que acontece. Alguns modelos acabam mudando muito mais pixels do que a tarefa exige. A Black Forest Labs, porém, afirma que o FLUX 3 preserva todos os pixels fora da área editada.

Para testar isso, usamos uma foto de uma mesa de home office e pedimos a cada modelo que removesse a caneca branca e trocasse a cadeira branca por uma de couro verde-escuro, sem mexer em mais nada.

Abaixo de cada resultado há um mapa que mostra quais pixels mudaram. Contamos um pixel como alterado quando pelo menos um dos seus canais de cor diferia do original em 32 ou mais, numa escala de 0 a 255. Todos os pixels alterados aparecem em vermelho:

O FLUX 3 Max alterou 10,2% dos pixels, quase todos em volta da caneca e da cadeira. O GPT Image 2.5 alterou 12,3%, também principalmente nessas áreas. Já o FLUX 3 Klein alterou 17,2%, com pequenas diferenças espalhadas por quase toda a imagem.

Isso acontece porque a imagem inteira se deslocou um ou dois pixels, e as bordas deixaram de coincidir com as do original. Isso vira um problema se você quiser mostrar uma comparação rápida de antes e depois: em vez de uma transição suave, a imagem vai dar um salto visível entre as duas versões.

O prompt exato:

Montando uma capa de revista com bounding boxes

Quando um design precisa de cada elemento em um lugar fixo, como uma capa de revista com espaço para o título, o FLUX 3 permite desenhar uma caixa para cada elemento e descrever o que vai nela. Isso é mais preciso do que simplesmente descrever as mudanças?

Neste teste, usamos as caixas para marcar onde o FLUX 3 Klein deveria fazer as mudanças. A interface é um pouco diferente no FLUX 3 Max, então adicionamos ao fim do prompt um JSON com as posições. O GPT Image 2.5 não tem esse recurso, então recebeu o mesmo JSON e mais uma frase explicando o formato.

As linhas tracejadas mostram as caixas que pedimos:

O FLUX 3 Klein e o FLUX 3 Max colocaram cada elemento dentro da sua caixa com precisão de pixel. Infelizmente, não houve mágica para o GPT Image 2.5. Ele até colocou os elementos mais ou menos nas áreas certas, mas eles sempre saíam um pouco dos limites.

Aqui está o prompt com o JSON mencionado:

As caixas, no formato [top, left, bottom, right] em uma grade de 0 a 1000:

Mobiliando uma sala a partir de cinco imagens de referência

Por fim, o teste com várias referências: os modelos recebem a imagem de uma sala vazia e 4 objetos e precisam colocá-los na perspectiva e na escala corretas sem mudar o que eles são. As cinco referências estão no topo, e os resultados, logo abaixo:

O prompt:

Curiosamente, o FLUX 3 Klein deu um zoom no canto da sala onde arrumou os móveis. É um efeito colateral inesperado, e ele sugere que o modelo talvez precise de instruções mais explícitas para preservar o ângulo e a perspectiva originais da câmera ao trabalhar a partir de uma imagem de referência.

Já o GPT Image 2.5 manteve a composição original intacta, mas também resolveu arrumar os móveis no canto do fundo da sala (o mesmo canto que o Klein escolheu, aliás).

É um detalhe interessante. Do ponto de vista do design de interiores, colocar móveis no meio de uma sala vazia não faria muito sentido, então os dois modelos parecem ter usado o que sabem sobre espaços reais para criar uma arrumação mais natural. A diferença é que o GPT Image 2.5 preservou a composição original à custa de deixar os móveis mais difíceis de ver, enquanto o Klein mudou o enquadramento para dar mais destaque aos objetos.

Velocidade e preço

Velocidade é o principal motivo para escolher o FLUX 3 Klein, e a diferença é fácil de sentir. Esta tabela mostra a rapidez com que ele gera imagens em comparação com o FLUX 3 Max e o GPT Image 2.5 Flare:

Em outras palavras, em média o Klein devolveu uma imagem em cerca de 6 segundos, mais de quatro vezes mais rápido que o GPT Image 2.5 Flare e de seis a sete vezes mais rápido que o FLUX 3 Max.

O tipo de tarefa também importa. O Klein criou uma imagem nova a partir de texto em 4 segundos, as edições simples levaram de 6 a 7 segundos, e combinar cinco imagens de referência na sala levou 12. O FLUX 3 Max foi o que mais variou, de 23 segundos na primeira imagem do robô a 67 segundos na tradução para o português. O GPT Image 2.5 ficou entre 21 e 32 segundos, não importava o que pedíssemos.

Perguntas frequentes

Abaixo estão respostas curtas para as dúvidas mais comuns sobre o FLUX 3 Klein.

O que é o FLUX 3 Klein?

O FLUX 3 Klein, nome completo FLUX 3 Image Klein, é um modelo de imagem compacto da Black Forest Labs, lançado em 15 de outubro de 2026. Ele tem 5,6 bilhões de parâmetros e pesos abertos. O modelo gera imagens a partir de texto, edita imagens, combina até 10 imagens de referência, posiciona elementos com bounding boxes e gera em 4K nativo. Há duas versões: uma destilada, que precisa de apenas 16 etapas por imagem, e uma versão Base com 50 etapas, para ajuste fino e treinamento de LoRA.

Qual é a diferença entre o FLUX 3 Klein e o FLUX 3 Max?

O FLUX 3 Max é o modelo principal, maior, e está disponível pela API, enquanto os pesos do Klein podem ser baixados de graça. Os dois aceitam 10 referências, bounding boxes e saída em 4K. Nos nossos testes, o Klein foi cerca de seis vezes mais rápido e cinco vezes mais barato, e empatou com o Max nas composições com bounding boxes e na consistência de personagem. O Max foi melhor em editar sem mexer no resto da imagem, em manter a sala inalterada ao combinar referências e em textos longos nos infográficos.

O FLUX 3 Klein é gratuito para uso comercial?

Só para empresas menores. O Klein é distribuído sob a FLUX Kommunity License, que permite uso não comercial e geração comercial de imagens para usuários com receita bruta anual abaixo de US$ 5 milhões. Empresas maiores precisam de uma licença comercial da Black Forest Labs. A licença também não permite automaticamente o ajuste fino comercial nem a redistribuição do modelo.

Dá para rodar o FLUX 3 Klein localmente?

Sim. Os pesos estão no Hugging Face, e existe uma versão para o ComfyUI. A versão INT8 roda em placas NVIDIA RTX com 8 GB de memória de vídeo: uma imagem de 1 MP leva cerca de 4 segundos em uma RTX 5090 e menos de 9 segundos em uma RTX 4070. A Black Forest Labs recomenda nunca rodar o Klein sem o seu prompt upsampler, um modelo separado de 9B que precisa de cerca de 28 GB de memória de GPU. Você pode substituí-lo por outro modelo de linguagem usando os prompts de sistema que a Black Forest Labs fornece.

O FLUX 3 Klein é melhor que o GPT Image 2.5?

Nos nossos seis testes, o Klein superou o GPT Image 2.5 Flare ao posicionar elementos em bounding boxes e ao manter a aparência de um personagem entre cenas, além de gerar imagens cerca de quatro vezes mais rápido. O GPT Image 2.5 foi melhor em traduzir o texto de uma imagem, alterou menos pixels fora da edição e manteve a sala original inalterada ao combinar referências.