為什麼要測這個模型
Black Forest Labs（做 Flux 系列的公司）在 10 月 15 日開源了 FLUX 3 Image Klein，以下簡稱 Klein 3。它是一個 5.6B 參數的模型，文生圖、圖片編輯、多張參考圖合成都用同一個模型做，另外有一個新功能：在畫面上畫框，指定某樣東西要放在哪裡，或只改框裡面的東西。
官方的說法很有自信：文生圖、編輯、多參考三項在內部評測都排第一，比上一代 Klein 9B 的文生圖高 91 分、編輯高 70 分（他們用的是兩兩對比的 Elo 分數），而且參數少了 38%。
這些是官方自己測的。我的做法跟前幾篇一樣：拿之前做過的評比題目，同一句 prompt、同一個隨機種子補跑 Klein 3，放進原本的對照表裡一起看。 好壞由我自己逐張判斷。
快速結論
- 物件移除是它最強的地方：只給一句「把某某拿掉」，21 題成功 20 題，比之前最好的 Qwen-Image-2.1 加 Prompt Enhancer（19 題）和上一代 Klein 9B（18 題）都好，地毯上那堆零散的玩具也拿得乾乾淨淨
- 框選功能好用：9 題成功 7 題。用框排版的 5 題全部成功；照片裡有兩個相似的人時，畫框能準確指定改哪一個。要注意框要貼齊物件，框畫多大，它就把東西畫多大
- 一般文生圖跟 Qwen-Image-2.1、Krea2 同一級：35 題 5 勝 28 平 2 輸，略勝一點
- 指令遵循跟上一代 Klein 9B 差不多：12 題 1 勝 10 平 1 輸，官方說的大幅進步在這組題目上看不出來
- 繁體中文不能用：53 題 1 勝 6 平 46 輸，幾乎每題都有錯字，小字會糊
- 換頭、換臉不建議：各 24 題都輸了 21 題，換上去的頭像貼紙一樣、比原圖亮，表情和角度也不會跟著原圖
- 官方說的「沒改的地方完全不動」在開源版本上看不出來：它沒被要求改的區域，平均改動比其他編輯模型還多
測試方法
這次比了七項，除了框選是新出的題目，其他都是之前評比的現成題目，對手的圖都是當時生成的。
| 項目 | 題數 | 跟誰比 | Klein 3 的結果 |
|---|---|---|---|
| 物件移除 | 21 | Qwen-Image-2.1＋Prompt Enhancer、Klein 9B、Qwen-Image-Edit-2511 | 成功 20 |
| 框選排版與局部修改 | 9 | 同一題不畫框、改用文字寫位置 | 成功 7 |
| 一般文生圖 | 35 | Qwen-Image-2.1、Krea2 Turbo | 5 勝 28 平 2 輸 |
| 指令遵循（數量、顏色、位置） | 12 | Klein 9B | 1 勝 10 平 1 輸 |
| 英文長段文字 | 6 | Z-Image Turbo、Qwen-Image 2512 等 | 0 勝 4 平 2 輸 |
| 繁體中文 | 53 | Qwen-Image-2.1、SenseNova U1.5 | 1 勝 6 平 46 輸 |
| 換頭、換臉 | 各 24 | Qwen-Image-2.1＋換頭 LoRA、InstantID、PuLID-Flux | 0 勝 3 平 21 輸、2 勝 1 平 21 輸 |
用的是哪個版本：官方釋出兩種模型——給人微調用的完整版（50 步），和給一般使用的蒸餾版（16 步）。這次全部用蒸餾版。每種模型又有原始精度（bf16）、壓縮過的 int8、以及只有新款 NVIDIA 顯示卡才能加速的 nvfp4 三種檔案。我先拿同一批題目比了四種「生成器＋文字編碼器」的組合：
bf16 和 int8 生出來的圖幾乎一樣，看不出好壞；nvfp4 把海報大標題「士林夜市美食節」寫成了別的字。所以後面全部用 生成器和文字編碼器都是 int8 的版本，佔用的顯示記憶體大約是原始版本的一半，速度也比較快。
官方附了一個 prompt 擴寫模型：它是另一個 9B 的語言模型，會把你打的一句短描述擴寫成 100 到 350 字的完整英文描述，再交給 Klein 3 生成。官方說明裡直接寫「不要在沒有擴寫的情況下使用這個模型」，所以文生圖的題目我都照官方範本接上它。編輯題（物件移除、換頭換臉）則不擴寫，用跟其他模型一模一樣的原句，這樣比較公平。
幾個要誠實揭露的地方：測試圖都是 AI 生成的；每題只跑一次，用同一個隨機種子（seed，決定畫面初始雜訊的一個數字，換一個數字結果就會不同）；文生圖題 Klein 3 有接擴寫模型，對手大多是照原句生成的，這對 Klein 3 比較有利；成功或勝負都是我一張一張看的，屬於主觀判斷。
一、物件移除：目前測過最好的一個
物件移除的做法跟上一篇物件移除評比一樣：不畫遮罩，只給一句「把某某拿掉，用周圍的背景自然補上，其他地方完全不變」，模型自己找出要拿掉的東西。
寺廟前十幾位遊客擋住大半個畫面，Klein 3 把人全部拿掉，補出一條延伸到大門的石板路，透視也對。
這題是上一輪最難的一題：地毯上散著玩具卡車、積木和泰迪熊，當時只有 Qwen-Image-2.1 加 Prompt Enhancer 全部拿乾淨，上一代 Klein 9B 留下了泰迪熊。Klein 3 一句話就全部拿乾淨，地毯花紋也接得很自然，而且不需要另外跑一個改寫指令的模型。
細長的電線也處理得很乾淨，天空沒有留下殘段。
21 題裡唯一失敗的是磚牆上的海報：Klein 3 把海報的紙拿掉了，但字還半透明地留在牆上，跟上一代 Klein 9B 一樣。這題只有 Qwen 系列的模型補出了乾淨的磚牆。
沒被要求改的地方，其實也被動到了。 編輯模型拿掉一個東西時，其實是把整張圖重新畫一次。我計算了「遮罩以外、照理不該被動到的區域」平均每個點的顏色差（0 到 255，0 代表完全沒動）：Klein 3 是 6.6，Qwen-Image-Edit-2511 是 3.6、Qwen-Image-2.1 加 Prompt Enhancer 是 5.0、Klein 9B 是 6.0。肉眼大多看不出來，但如果你需要沒改的地方一個像素都不變，Klein 3 不是最好的選擇。官方說的「像素級編輯」，在他們的線上服務有一個專門還原未編輯區域的選項，開源版本沒有。
二、框選：指定東西放哪裡、改哪一個
這是 Klein 3 新出的功能。在 ComfyUI 裡用 Create Bounding Boxes 節點在畫布上畫框，每個框寫一句描述；prompt 裡用 <obj_1>、<obj_2> 指到對應的框；最後由 FLUX.3 Layout Prompt 節點把每個框的座標整理成一個表格，接在 prompt 後面一起送進模型。
我出了 9 題：5 題是文生圖排版，4 題是拿現成照片、框住一樣東西只改它。每題同一個隨機種子另外跑一張不畫框、把位置用文字寫出來的版本當對照。結果 9 題成功 7 題，排版 5 題全部成功。
框最有用的地方是比較極端的位置和大小。叫它「把人放在最右邊」，沒畫框的版本把人縮成邊緣一個小點；畫了框，人就照框的大小站在右邊。
一般的排版，有沒有畫框差別不大：標題、樂器、日期都落在各自的框裡，但用文字寫「標題在上、樂器在中間、日期在下」也一樣排得出來。
修改照片時，框最大的用處是指定改哪一個。兩個穿著相似的人，我要把左邊那位的襯衫改成紅色連帽衫：畫了框，改的正是框住的那一位；沒畫框、只寫「其中一個人」，它改到了右邊那位。
失敗的兩題都跟框畫得不夠準有關。上面這題我的框比車子大一圈，結果車子被放大到跟框一樣大——它會把框當成東西應該有的大小。另一題我框住了地毯上一整堆玩具，指令卻只寫「把那個玩具換成仙人掌」，它只換掉了其中一個。所以用法很簡單：框要貼齊要改的那一樣東西，一個框只框一樣。
另外，框選不能接擴寫模型：擴寫模型的說明裡寫著要刪掉座標和 <obj_1> 這類代號，接上去框的資訊就不見了。
三、一般文生圖：跟 Qwen-Image-2.1、Krea2 同一級
這 35 題是我每次評比都會跑的固定題目，有人像、插畫、廣告、街拍、動物。比較的對象是 Qwen-Image-2.1 和我平常用的 Krea2 Turbo，每題跟兩者中比較好的那張比。結果 5 勝 28 平 2 輸。
先看我判 Klein 3 勝出的三題。第一題要的是高對比的黑白肖像：年老的漁夫抱著一綑漁網，閉著眼睛，用林布蘭式的明暗打光。
第二題是一隻由幾何多邊形拼成的狐狸，背後一個巨大的月亮。
第三題是歐洲城市正午、穿過斑馬線的女子街拍，一手拿咖啡、一手插在大衣口袋。
35 題裡大部分是三個模型各有特色、分不出高下。輸的有兩題，第一題是手錶廣告，Klein 3 多畫了一根手指：
第二題是沙漠中的巨獸骨架，骨頭排列不合理，看不出是什麼動物：
另外有一個小毛病是擴寫模型造成的：它偶爾會自己在畫面上加字，原本的 prompt 並沒有要求。
四、指令遵循與英文長段文字：跟上一代差不多
指令遵循的 12 題考的是數量、顏色有沒有配對對、東西的左右上下位置，主要跟上一代 Klein 9B 比，看官方說的大幅進步有沒有出現在這裡。結果 1 勝 10 平 1 輸，大部分兩者都對或都錯。
這題 Klein 3 是對的（四張一樣的木椅，左邊數來第二張是藍色），Klein 9B 把另一張椅子畫成白色。
這題 Klein 3 輸了：章魚跟鋼琴都有，但章魚並沒有在彈琴。
英文長段文字 6 題（黑板、書頁、博物館說明牌、活動海報、語錄卡、果醬標籤）是 0 勝 4 平 2 輸，每題跟當時表現最好的那張比。
黑板這題四行英文全對，跟 Z-Image Turbo、Qwen-Image 2512 打平；Klein 9B 有錯字和重複的字。
書頁這種一整段小字的題目就輸了，小字會模糊、抖動。語錄卡那題它還自己多加了三行小字。
五、繁體中文：不能用
繁體中文 53 題是我測每個新模型都會跑的，目前最穩的是 Qwen-Image-2.1 和 SenseNova U1.5（見 Qwen-Image-2.1 官方宣稱驗證）。Klein 3 的結果是 1 勝 6 平 46 輸，幾乎每題都有錯字。
畫面本身常常很好看，像這張電影海報的構圖和質感我很喜歡，但「暑假」寫成了「暑限」。
大字大多寫得出來，小字就模糊了，資訊圖這類有很多小字的版面不適合用它。
唯一勝出的是這張老街：招牌的字一樣有錯，但街景、計程車、機車上的一家人這些內容都照 prompt 畫出來了，整體最接近要求。另外，有幾題跟文字無關的人像題（指定側光、林布蘭光、單手撐地的動作）它也沒做到。
要做繁體中文的海報、招牌、資訊圖，還是用 Qwen-Image-2.1 或 SenseNova。
六、換頭與換臉：不建議
這兩項沿用換臉 vs 換頭評比的 24 題。Klein 3 沒有專用的 LoRA，我直接用文字指令：換頭用的句子跟換頭 LoRA 的官方範本一樣（只拿掉 LoRA 的觸發詞），換臉用的句子跟其他編輯模型一樣。換頭跟 Qwen-Image-2.1 加換頭 LoRA 比，換臉跟 InstantID（重繪幅度 0.5）和 PuLID-Flux 加 FaceDetailer（重繪幅度 0.65）比。
結果換頭 0 勝 3 平 21 輸，換臉 2 勝 1 平 21 輸。
最常見的問題是表情和角度不會跟著目標圖：目標圖在大笑，換上去的頭卻是身份照那種中性表情；目標圖是側臉，它只轉到 45 度；目標圖在仰頭，它沒有仰。
另一個問題是換上去的頭像貼紙：亮度、色調比周圍亮，跟原圖接不起來，老照片這題最明顯。
換臉同樣有表情不跟、偏亮的問題，有時還不只換臉：這題連頭髮也換成身份照的，戴的眼鏡也被拿掉了，等於做了換頭。
有一點值得一提：用自動辨識臉孔的工具算「像不像身份照」，Klein 3 換頭的分數跟 Qwen-Image-2.1 加換頭 LoRA 幾乎一樣。但這個分數只量臉像不像，量不到表情、角度、亮度接不接得上，實際看圖差很多。
情境推薦
| 你要做的事 | 用 Klein 3 嗎 | 備註 |
|---|---|---|
| 一般照片拿掉路人、雜物、零散小東西 | 用 | 21 題成功 20 題，不用畫遮罩，也不用另外跑改寫指令的模型 |
| 拿掉東西，但沒改的地方要完全不動 | 不建議 | 改用畫遮罩、貼回原圖的做法（見物件移除評比） |
| 照片裡有好幾個相似的人或物，只改其中一個 | 用，加畫框 | 框要貼齊要改的那一樣東西 |
| 指定東西放在畫面哪裡、多大 | 用，加畫框 | 一般位置用文字寫也大致會對 |
| 日常生圖 | 可以用 | 跟 Qwen-Image-2.1、Krea2 同一級 |
| 繁體中文海報、招牌、資訊圖 | 不用 | 用 Qwen-Image-2.1 或 SenseNova |
| 英文長段小字 | 不用 | 大字可以，小字會糊 |
| 換頭、換臉 | 不用 | 換頭用 Qwen-Image-2.1 加換頭 LoRA；換臉用 InstantID 或 PuLID-Flux 加 FaceDetailer |
授權：Klein 3 是 FLUX Kommunity License，個人和年營收低於 500 萬美元的公司可以免費商用。
在 ComfyUI 裡怎麼用
- ComfyUI 要更新到 0.41 以上，舊版不認得這個模型。
- 範本庫裡有四個官方範本：FLUX 3 Image Klein 的文生圖、蒸餾版文生圖、圖片編輯、蒸餾版圖片編輯。照這次的結果，日常用蒸餾版就好。
- 文生圖範本預設會接擴寫模型，有開關可以關掉；如果你已經寫好一段完整的長 prompt，可以關掉直接生成。
- 編輯時 prompt 裡用
<ref_image_0>代表你給的那張照片，第二張參考圖是<ref_image_1>，以此類推。 - 框選要用 Create Bounding Boxes 和 FLUX.3 Layout Prompt 兩個節點，記得不要接擴寫模型。
附錄：這次用的指令
物件移除（all the tourists 換成要拿掉的東西；跟上一篇物件移除評比的指令一樣，只把 the image 換成 Klein 3 的照片代號 <ref_image_0>）：
Remove all the tourists from <ref_image_0>. Fill the area naturally so it matches the surrounding background. Keep everything else in the image exactly the same.
框選局部修改（兩人合照那題。框畫在左邊那位的上半身，描述寫 the man on the left, his shirt；送進模型時，FLUX.3 Layout Prompt 節點會自動在句子後面接上框的座標）：
In <ref_image_0>, change the shirt of the man <obj_1> into a red hoodie. Keep everything else unchanged.
框選排版（海報那題。三個框分別是標題、樂器、日期；標題框和日期框選「文字」類型，填入要寫的字 MIDNIGHT JAZZ、FRIDAY 9PM）：
Minimal jazz concert poster, dark navy background. The title <obj_1> in bold cream letters, a golden saxophone <obj_2> illustration, and the date line <obj_3> in small letters.
換頭（<ref_image_0> 是要被換的照片，<ref_image_1> 是身份照）：
Start with <ref_image_0> as the base image, keeping its lighting, environment, and background. Remove the head from <ref_image_0> completely and replace it with the head from <ref_image_1>, strictly preserving the hair, eye color, and nose structure of <ref_image_1>. Copy the eye direction, head rotation, and micro-expressions from <ref_image_0>. Keep the body, clothing, pose, framing, and background intact.
換臉：
Replace the face of the person in <ref_image_0> with the face of the person in <ref_image_1>. Keep the hairstyle, head pose, facial expression, clothing, lighting and background of <ref_image_0> unchanged.
模型下載
模型在 Hugging Face 的 black-forest-labs/flux-3-image-klein-comfy，要先登入並同意授權條款才能下載。這次用到的四個檔案：
| 檔案 | 用途 | 放置位置 |
|---|---|---|
flux3_image_klein_sd_int8_convrot.safetensors | 生成模型（蒸餾版，int8） | diffusion_models/ |
qwen3vl_4b_int8_convrot.safetensors | 文字編碼器（int8） | text_encoders/ |
qwen3.5_9b_flux3_prompt_upsampler_w4a8.safetensors | prompt 擴寫模型 | text_encoders/ |
flux2-vae.safetensors | VAE，跟 FLUX.2 共用 | vae/ |
檔名裡有 sd 的是蒸餾版，沒有的是給人微調用的完整版。如果你的 text_encoders/ 裡已經有其他模型用的同名檔案（例如 qwen3vl_4b_bf16），內容不一定一樣，建議放進子資料夾，避免互相覆蓋。
相關文章
- ComfyUI 物件移除大評比：12 條路線同圖實測 — 這次物件移除的題目與對手
- ComfyUI 換臉 vs 換頭：12 種做法實測 — 這次換頭換臉的題目與對手
- Qwen-Image-2.1 官方宣稱驗證 — 繁體中文 53 題目前最穩的模型
- 開源圖像編輯模型大亂鬥 — 上一代 Klein 9B 的一般編輯能力
