Black Forest Labs: FLUX.2 Flex

FLUX.2 Flex è un modello di generazione di immagini di Black Forest Labs, lo studio dietro la famiglia di modelli di immagini FLUX. Si colloca nella categoria immagini su api14, e il provider lo ha rilasciato il 25 novembre 2025. Se conosci già la linea FLUX, questa è la variante ottimizzata per il rendering dettagliato e l'editing guidato da riferimenti, piuttosto che un modello di testo generico.

Il modello accetta input di testo e immagini e restituisce immagini. La sua finestra di contesto è di 67.344 token, con un output massimo di 60.609. Il provider descrive FLUX.2 Flex come forte nel rendering di testo complesso, tipografia e dettagli fini, e supporta l'editing multi riferimento all'interno della stessa architettura unificata. In pratica questo significa che puoi inviare un prompt, o un prompt più fino a otto riferimenti di input, e ottenere indietro un'immagine generata o modificata. Le proporzioni sono selezionabili tra 1:1, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9 o auto, e l'output può essere scritto come png o jpeg.

Queste capacità indicano un insieme piuttosto specifico di attività. Le immagini ricche di testo sono l'esempio ovvio: poster, mockup di packaging, banner e asset social in cui le scritte devono risultare leggibili e scritte correttamente. Il rendering di dettagli fini si adatta a foto di prodotto, mockup di UI e illustrazioni che richiedono bordi puliti. L'editing multi riferimento è utile quando vuoi mantenere un soggetto, uno stile o un layout coerenti tra le varianti, per esempio applicando un look di brand a diverse immagini o ridefinendo lo stile di una foto mantenendo la composizione originale. Poiché l'input di immagini è accettato, sia i flussi di lavoro image to image sia le modifiche guidate da riferimenti sono adatti.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello black-forest-labs/flux.2-flex. La richiesta supporta il parametro seed, e i parametri immagine coprono aspect_ratio, output_format, n e input_references. Aspect ratio accetta i valori enum elencati sopra, output format accetta png o jpeg, n è fisso a 1 quindi ogni richiesta restituisce una singola immagine, e input_references accetta tra 0 e 8 immagini. Seed è esposto come booleano, il che ti consente di controllare la riproducibilità tra le esecuzioni.

Un vincolo da notare prima di impegnarti: n è limitato a 1, quindi la generazione in batch richiede più richieste invece di una sola chiamata. I riferimenti di input arrivano al massimo a 8, il che è generoso per la maggior parte del lavoro di editing ma è un vero limite se la tua pipeline ne prevede di più. E poiché il modello produce solo immagini, qualsiasi attività che richieda testo in risposta, come la didascalia o il ragionamento su un'immagine, appartiene a un modello diverso.