[](https://huggingface.co/black-forest-labs/FLUX.1-Kontext-dev/blob/main/teaser.png)

FLUX.1 Kontext [dev]은 텍스트 지시에 따라 이미지를 편집할 수 있는 120억 개의 파라미터를 가진 정류 흐름 변환기입니다. 자세한 정보는 저희 블로그 게시물과 기술 보고서를 참조하세요. [pro] 버전에 대한 정보는 여기에서 확인할 수 있습니다.

주요 기능

1. 편집 지시에 따라 기존 이미지를 변경합니다.

2. 추가 미세 조정 없이 캐릭터, 스타일 및 오브젝트 참조를 제공합니다.

3. 안정적인 일관성으로 사용자가 여러 차례 연속적인 편집을 통해 이미지를 세밀하게 조정할 수 있으며 시각적 드리프트가 최소화됩니다.

4. 가이던스 디스틸레이션을 사용하여 학습되어 FLUX.1 Kontext [dev]의 효율성을 향상시켰습니다.

5. 개방된 가중치를 통해 새로운 과학 연구를 촉진하고 예술가들이 혁신적인 워크플로우를 개발할 수 있도록 지원합니다.

6. 생성된 출력물은 FLUX.1 [dev] 비상업적 라이선스에 명시된 대로 개인용, 과학용, 상업용으로 사용할 수 있습니다.

사용 방법

FLUX.1 Kontext [dev]의 참조 구현 및 샘플링 코드는 전용 GitHub 저장소에서 제공됩니다. FLUX.1 Kontext [dev]를 기반으로 개발하거나 창작을 하고자 하는 개발자 및 창작자는 이 저장소를 시작점으로 활용하는 것을 권장합니다.

FLUX.1 Kontext [dev]는 ComfyUI 및 Diffusers에서도 사용할 수 있습니다.

API 엔드포인트

FLUX.1 Kontext 모델은 다음과 같은 소스를 통해 API로도 제공됩니다:

• bfl.ai: https://docs.bfl.ai/

• DataCrunch: https://datacrunch.io/flux-kontext

• fal: https://fal.ai/flux-kontext

• Replicate: https://replicate.com/blog/flux-kontext

  • https://replicate.com/black-forest-labs/flux-kontext-dev

  • https://replicate.com/black-forest-labs/flux-kontext-pro

  • https://replicate.com/black-forest-labs/flux-kontext-max

• Runware: https://runware.ai/blog/introducing-flux1-kontext-instruction-based-image-editing-with-ai?utm_source=bfl

• TogetherAI: https://www.together.ai/models/flux-1-kontext-dev

diffusers 🧨를 사용한 방법

# 향후 안정 버전 출시까지 main 브랜치에서 diffusers 설치
pip install git+https://github.com/huggingface/diffusers.git

이미지 편집:

import torch
from diffusers import FluxKontextPipeline
from diffusers.utils import load_image

pipe = FluxKontextPipeline.from_pretrained("black-forest-labs/FLUX.1-Kontext-dev", torch_dtype=torch.bfloat16)
pipe.to("cuda")

input_image = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/cat.png")

image = pipe(
  image=input_image,
  prompt="Add a hat to the cat",
  guidance_scale=2.5
).images[0]

Flux Kontext는 무결성 검사기를 포함하며, 이미지 생성 단계 후 반드시 실행해야 합니다. 안전 검사기를 실행하려면 black-forest-labs/flux 공식 저장소에서 코드를 설치하고 다음 코드를 추가하세요:

import torch
import numpy as np
from flux.content_filters import PixtralContentFilter

integrity_checker = PixtralContentFilter(torch.device("cuda"))
image_ = np.array(image) / 255.0
image_ = 2 * image_ - 1
image_ = torch.from_numpy(image_).to("cuda", dtype=torch.float32).unsqueeze(0).permute(0, 3, 1, 2)
if integrity_checker.test_image(image_):
raise ValueError("Your image has been flagged. Choose another prompt/image or try again.")

VRAM 절약 및 성능 향상을 위한 방법은 diffusers 문서를 확인하세요.

---

리스크

Black Forest Labs는 생성형 AI 기술의 책임 있는 개발에 헌신하고 있습니다. FLUX.1 Kontext를 출시하기 전, 저희는 모델 및 서비스에서 발생할 수 있는 다양한 리스크, 특히 불법 콘텐츠 생성을 평가하고 완화했습니다. 제3자가 악용하는 것을 방지하기 위해 사전 출시 완화 조치를 마련했으며, 잔여 리스크에 대응하기 위해 출시 후 완화 조치도 추가로 구현했습니다:

1. 사전 학습 완화. 사용자가 텍스트 프롬프트나 업로드된 이미지에 따라 불법 콘텐츠를 생성하는 것을 방지하기 위해, "업무에 부적합한"(NSFW) 콘텐츠에 대한 사전 학습 데이터를 필터링했습니다.

2. 사후 학습 완화. 온라인 학대 방지를 위한 독립 비영리 기관인 인터넷 감시 재단(Internet Watch Foundation)과 협력하여 사후 학습 데이터에서 알려진 아동 성적 학대 콘텐츠(CSAM)를 필터링했습니다. 이후 잠재적 학대를 방지하기 위해 여러 차례 타겟팅된 미세 조정을 실시했습니다. 이 기술은 학습된 모델 내 특정 행동과 개념을 억제하여, 사용자가 텍스트 프롬프트를 통해 합성 CSAM 또는 비동의 친밀 이미지(NCII)를 생성하거나, 업로드된 이미지를 합성 CSAM 또는 NCII로 변환하는 것을 방지할 수 있습니다.

3. 출시 전 평가. 이 과정에서 여러 내부 및 외부 제3자 평가를 수행하여 개선 기회를 모색했습니다. 외부 평가에서는 FLUX.1 Kontext [pro] 및 [dev]의 21개 체크포인트를 대상으로 텍스트 프롬프트만을 사용한 적대적 테스트와 텍스트 프롬프트와 업로드 이미지를 결합한 테스트를 통해 CSAM 및 NCII 생성을 유도했습니다. 이후, 최종 제3자 평가에서는 텍스트-이미지 및 이미지-이미지 CSAM 및 NCII 생성을 중심으로 출시용 체크포인트를 평가했습니다. 최종 FLUX.1 Kontext [pro](FLUX API를 통해서만 제공) 및 FLUX.1 Kontext [dev](오픈 가중치로 출시) 체크포인트는 위반 입력에 대해 매우 높은 저항력을 보였으며, FLUX.1 Kontext [dev]는 이 리스크 범주에서 유사한 오픈 가중치 모델보다 더 높은 저항력을 입증했습니다. 이러한 결과를 바탕으로, FLUX.1 Kontext [pro] 모델을 API를 통해, FLUX.1 Kontext [dev] 모델은 비상업적 라이선스 하에 오픈 가중치로 출시하여 제3자 연구 및 개발을 지원하기로 승인했습니다.

4. 추론 필터. FLUX API를 통한 FLUX.1 Kontext [pro]에 대해 텍스트 프롬프트, 업로드 이미지 및 출력 이미지를 차단하기 위해 여러 필터를 적용하고 있습니다. CSAM 및 NCII 필터는 제3자 제공업체인 Hive에서 제공되며, 개발자는 수정하거나 제거할 수 없습니다. 기타 잠재적으로 해로운 콘텐츠(예: 폭력적 이미지)에 대한 필터도 제공하며, 개발자는 자신의 리스크 프로필에 따라 이 필터를 조정할 수 있습니다. 또한 오픈된 FLUX.1 Kontext [dev] 모델 저장소에는 불법 또는 저작권 침해 콘텐츠에 대한 필터가 포함되어 있습니다. FLUX.1 [dev] 비상업적 라이선스 조건에 따라 이 모델을 사용할 때 필터 또는 수동 검토를 반드시 적용해야 합니다. 우리는 FLUX.1 Kontext [dev] 모델을 배포한 주요 사용자들을 무작위로 확인하여 필터 또는 수동 검토 프로세스가 제대로 구현되었는지 확인할 수 있습니다.

5. 콘텐츠 출처. FLUX API는 출력 콘텐츠에 암호화 서명된 메타데이터를 부여하여 이미지가 저희 모델로 생성되었음을 표시합니다. 우리의 API는 메타데이터를 위한 콘텐츠 출처 및 진위 협의체(C2PA) 표준을 구현합니다.

6. 정책. API 접근 및 모델 사용은 개발자 이용 약관, 사용 정책 및 FLUX.1 [dev] 비상업적 라이선스에 의해 규제되며, 불법 콘텐츠 생성 또는 생성된 콘텐츠의 불법, 중상, 폭력적 목적 사용을 금지합니다. 개발자 및 사용자는 FLUX Kontext 모델에 접근하기 위해 이러한 조건에 동의해야 합니다.

7. 모니터링. 출시 후 위반 사용 패턴을 모니터링하며, FLUX API를 통해 정책을 의도적으로 반복적으로 위반하는 개발자를 차단할 수 있습니다. 또한 커뮤니티로부터 피드백을 받기 위해 전용 이메일 주소([email protected])를 운영하고 있습니다. 인터넷 감시 재단과 실종 및 착취 아동 국가센터와 같은 기관과 협력 관계를 유지하며, 신규 리스크에 대한 정보를 공유하고 효과적인 완화 방안을 개발하기 위해 당국, 개발자 및 연구자들과 지속적인 소통을 환영합니다.

라이선스

이 모델은 FLUX.1 [dev] 비상업적 라이선스에 해당합니다.

인용

@misc{labs2025flux1kontextflowmatching,
      title={FLUX.1 Kontext: Flow Matching for In-Context Image Generation and Editing in Latent Space}, Add commentMore actions
      author={Black Forest Labs and Stephen Batifol and Andreas Blattmann and Frederic Boesel and Saksham Consul and Cyril Diagne and Tim Dockhorn and Jack English and Zion English and Patrick Esser and Sumith Kulal and Kyle Lacey and Yam Levi and Cheng Li and Dominik Lorenz and Jonas Müller and Dustin Podell and Robin Rombach and Harry Saini and Axel Sauer and Luke Smith},
      year={2025},
      eprint={2506.15742},
      archivePrefix={arXiv},
      primaryClass={cs.GR},
      url={https://arxiv.org/abs/2506.15742},
}