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

FLUX.1 Kontext [dev] は、テキストの指示に基づいて画像を編集できる120億パラメータのリクテファイドフロー変換モデルです。詳細については、ブログ記事 および 技術レポート をご参照ください。[pro] バージョンに関する情報は こちら でご確認いただけます。

主な機能

1. 編集指示に基づいて既存の画像を変更できます。

2. ファインチューニングなしで、キャラクター、スタイル、オブジェクトの参照が可能です。

3. 優れた一貫性により、ユーザーは複数の連続した編集を経て画像を微調整でき、視覚的なずれが最小限に抑えられます。

4. ガイダンス蒸留を用いて学習されており、FLUX.1 Kontext [dev] の効率性を向上させています。

5. オープンな重みを提供することで、新しい科学的研究を促進し、アーティストが革新的なワークフローを構築できるように支援します。

6. 生成された出力は、FLUX.1 [dev] 非商業利用ライセンス に記載されている通り、個人的、科学研究、商業的用途に使用可能です。

使用方法

FLUX.1 Kontext [dev] の参照実装およびサンプリングコードは、専用の GitHubリポジトリ で提供されています。FLUX.1 Kontext [dev] を基に開発・創作を行う開発者やクリエイターは、これを起点としてご活用ください。

FLUX.1 Kontext [dev] は、ComfyUI および Diffusers でも利用可能です。

APIエンドポイント

FLUX.1 Kontext モデルは、以下のソースを通じてAPIとしても利用可能です。

• 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 🧨 を使用する場合

# 次回の安定版リリースまで、メインブランチから diffusers をインストールしてください
pip install git+https://github.com/huggingface/diffusers.git

画像編集：

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 Kontext には、画像生成後に行うべき整合性チェック機能が組み込まれています。セーフティチェックを実行するには、black-forest-labs/flux の公式リポジトリをインストールし、以下のコードを追加してください：

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の節約や速度向上については、diffusersのドキュメント をご参照ください。

---

リスク

Black Forest Labs は、ジェネレーティブAI技術の責任ある開発に取り組んでいます。FLUX.1 Kontext のリリースに先立ち、当社はモデルおよびサービスにおける複数のリスクを評価・軽減しました。具体的には、違法コンテンツの生成リスクです。第三者による悪用を防ぐために、リリース前後で以下の対策を実施しました：

1. 事前学習段階の対策。ユーザーがテキストプロンプトやアップロードされた画像をもとに違法コンテンツを生成しないよう、NSFW（職場では不適切な）コンテンツを含む事前学習データをフィルタリングしました。

2. 事後学習段階の対策。オンライン虐待の防止を目的とした独立非営利団体「インターネットウォッチ財団」と提携し、既知の児童性虐待コンテンツ（CSAM）を事後学習データからフィルタリングしました。さらに、複数回のターゲットファインチューニングを実施し、潜在的な悪用を抑制しました。これらの手法により、テキストプロンプトからCSAMや非合意の親密画像（NCII）を生成したり、アップロード画像をCSAMやNCIIに変換する行為をモデルが抑制できるようにしました。

3. リリース前の評価。このプロセスを通じて、モデルのチェックポイントに対して複数の内部および外部第三者評価を実施し、改善の機会を特定しました。第三者評価では、FLUX.1 Kontext [pro] および [dev] の21のチェックポイントを対象とし、テキストプロンプトのみ、または画像とテキストを組み合わせた攻撃的テストによってCSAMおよびNCIIを引き出す可能性を評価しました。その後、リリース予定の最終チェックポイントについて、テキスト→画像および画像→画像のCSAM/NCII生成におけるリスクを最終評価しました。結果として、最終版のFLUX.1 Kontext [pro]（FLUX API経由でのみ提供）および [dev]（オープンウェイトモデルとしてリリース）は、違反コンテンツの生成に対して非常に高い耐性を示しました。特に[dev]バージョンは、同様のオープンウェイトモデルと比べてこれらのリスクカテゴリでより優れた耐性を有していました。これらの結果に基づき、FLUX.1 Kontext [pro]モデルをAPI経由でリリースし、FLUX.1 Kontext [dev]モデルを非商業ライセンスの下でオープンウェイトとしてリリースすることを承認しました。

4. 推論フィルター。FLUX.1 Kontext [pro] のFLUX APIでは、テキストプロンプト、アップロード画像、出力画像に対して複数のフィルターを適用しています。CSAMおよびNCIIのフィルターは第三者プロバイダー「Hive」が提供しており、開発者が調整または削除することはできません。その他の有害コンテンツ（例：残虐描写）のフィルターは、開発者が自身のリスクプロファイルに応じて調整可能です。また、オープンなFLUX.1 Kontext [dev]モデルのリポジトリには、違法または著作権侵害コンテンツ用のフィルターが含まれています。FLUX.1 [dev] 非商業ライセンスの利用条件に基づき、本モデルを使用する際にはフィルターまたは手動レビューを実施しなければなりません。当社は、FLUX.1 Kontext [dev] モデルを導入している既知のユーザーに対して、ランダムにフィルターまたは手動レビューの実施状況を確認する可能性があります。

5. コンテンツの出所管理。FLUX APIは、出力コンテンツに暗号署名されたメタデータを付与し、その画像が当社のモデルで生成されたことを示します。当社のAPIは、コンテンツ出所と真正性のための国際標準「Coalition for Content Provenance and Authenticity（C2PA）」を実装しています。

6. 利用ポリシー。当社のAPIへのアクセスおよびモデルの使用は、開発者利用規約、利用ポリシー、およびFLUX.1 [dev] 非商業ライセンスによって管理されており、違法コンテンツの生成または生成コンテンツの違法・誹謗中傷・虐待的用途を禁止しています。開発者およびユーザーは、これらすべての条件に同意しなければFLUX Kontextモデルにアクセスできません。

7. モニタリング。リリース後も違反利用のパターンを監視しており、FLUX APIを通じて意図的かつ繰り返しポリシーに違反した開発者をブロックする可能性があります。また、コミュニティからのフィードバックを募るために専用のメールアドレス（[email protected]）を設けています。当社は、インターネットウォッチ財団や「行方不明・性搾取児童センター」などの機関と連携しており、新興リスクに関する情報共有や効果的な対策策定のため、当局・開発者・研究者との継続的な対話を歓迎しています。

ライセンス

このモデルは、FLUX.1 [dev] 非商業利用ライセンス の下に提供されています。

引用

@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},
}