Black Forest Labs: FLUX.2 Max

FLUX.2 Max to model generowania obrazów od Black Forest Labs, laboratorium stojącego za rodziną modeli obrazowych FLUX. Zajmuje najwyższy poziom w tej rodzinie, pozycjonowany przez dostawcę jako jego najwyższy poziom jakości obrazu, rozumienia promptów i spójności edycji. W api14 występuje pod identyfikatorem modelu black-forest-labs/flux.2-max i jest wymieniony w kategorii obrazów.

Model przyjmuje dane wejściowe tekstowe i obrazowe, a zwraca dane wyjściowe obrazowe. Jego okno kontekstu wynosi 46 864 tokeny, z maksymalnym wyjściem 42 177. Generowanie jest kontrolowane przez parametry obrazu, a nie przez szeroki zestaw opcji próbkowania: aspect_ratio przyjmuje jedną z wartości 1:1, 4:3, 3:4, 3:2, 2:3, 16:9, 9:16, 21:9 lub auto; output_format przyjmuje png lub jpeg; a n ma stały zakres od 1 do 1, więc każde żądanie zwraca pojedynczy obraz. Model przyjmuje również do 8 referencji wejściowych, co umożliwia pracę obraz do obrazu oraz edycję na dostarczonych obrazach, a seed jest udostępniony jako parametr logiczny.

Te możliwości wskazują na dość konkretny zestaw zastosowań. Generowanie tekstu na obraz obejmuje typową pracę produktową, redakcyjną i koncepcyjną, gdzie opisujesz scenę i wybierasz proporcje pasujące do miejsca docelowego. Ponieważ dane wejściowe obrazowe są obsługiwane obok tekstu, model pasuje również do przepływów pracy opartych na edycji i referencjach: przekazanie jednej lub więcej z maksymalnie 8 referencji wejściowych pozwala ukierunkować generowanie na istniejący obraz, zmienić jego styl lub zachować spójność obiektu między wynikami. Lista proporcji obejmuje kadrowanie kwadratowe, portretowe, panoramiczne, szerokie i ultraszerokie, więc zasoby można generować blisko ich docelowego przycięcia, zamiast przycinać je później. Wybór między png a jpeg jest przydatny, gdy potrzebujesz albo bezstratnego wyjścia, albo mniejszych plików.

Wywołujesz go przez zgodne z OpenAI API api14, używając identyfikatora modelu black-forest-labs/flux.2-max. Żądania mają ten sam kształt co inne modele w bramie, z identyfikatorem modelu w żądaniu i twoim promptem jako danymi wejściowymi. Parametry obsługiwane przez model to seed oraz parametry obrazu aspect_ratio, output_format, n i input_references. Proporcje i format wyjściowy to wyliczenia z wartościami wymienionymi powyżej, n jest ustalone na 1, input_references przyjmuje od 0 do 8 obrazów, a seed jest wartością logiczną.

Kilka ograniczeń warto zauważyć przed podjęciem decyzji. Wyjściem jest wyłącznie obraz, więc jeśli potrzebujesz tekstu zwrotnego z tego samego wywołania, to nie jest model do tego. Każde żądanie zwraca dokładnie jeden obraz, więc partie trzeba wysyłać jako osobne wywołania. Jeśli twoim zadaniem jest generowanie tekstu, klasyfikacja lub cokolwiek, co nie kończy się obrazem, lepiej pasować będzie model tekstowy w api14.