FLUX.2[klein] 开源：本地部署 AI 绘画的轻量级方案

前言

本文介绍 FLUX.2[klein] 紧凑型 AI 绘画模型的本地部署方案，该模型主打亚秒级生成、低显存占用及全能编辑能力。

一、FLUX.2[klein] 核心优势

对比老款 FLUX.1 和其他开源模型，FLUX.2[klein] 优势如下：

对比项	FLUX.2[klein]（4B 版）	FLUX.1	SDXL 1.0
参数规模	4B/9B（轻量化）	12B	3.5B
显存要求	8GB+（RTX4060 可跑）	16GB+	10GB+
生成速度	0.5-1 秒/张（1024×1024）	2-3 秒/张	5-8 秒/张
核心能力	文生图 + 图生图 + 图像编辑	仅文生图	文生图 + 图生图
授权协议	Apache-2.0（商用友好）	非商用	Apache-2.0

简而言之，4B 版在 8G 显存下即可运行，速度较快且支持商用。

二、部署前准备：硬件 + 环境

1. 硬件要求（最低配置）

显卡：NVIDIA RTX 3060 8GB/4060 8GB 及以上（A 卡需用 ONNX，本文主打 N 卡）
内存：16GB 及以上
硬盘：预留 20GB 空间（模型 + 依赖）
系统：Windows10/11 或 Linux（Ubuntu20.04+）

2. 环境安装

先安装 Python3.10+（官网下载，勾选'Add to PATH'），然后打开 CMD/终端，执行以下命令：

# 1. 安装核心依赖（diffusers+transformers+torch，自动匹配 CUDA）
pip install -U diffusers transformers torch accelerate safetensors
# 2. 安装图像工具（用于保存/查看图片）
pip install pillow matplotlib
# 3. 安装 huggingface 工具（下载模型用）
pip install huggingface_hub

提示：如果下载慢，可换国内镜像源，在命令后加 -i https://pypi.tuna.tsinghua.edu.cn/simple

三、极简部署方案

方式 1：Python 脚本一键运行（纯代码，无界面，最快上手）

步骤 1：创建运行脚本

新建一个文本文件，重命名为 flux2_klein_demo.py，复制以下代码：

import torch
from diffusers import Flux2KleinPipeline
from PIL import Image

# 1. 加载模型（4B 版，低显存首选；9B 版换"black-forest-labs/FLUX.2-klein-9B"）
model_id = "black-forest-labs/FLUX.2-klein-4B"
dtype = torch.bfloat16  # 低显存优化，RTX30 系可用 float16

# 加载管道，自动下载模型（首次运行需等 10-20 分钟，看网速）
pipe = Flux2KleinPipeline.from_pretrained(
    model_id, 
    torch_dtype=dtype, 
    cache_dir="./models"  # 模型下载到本地 models 文件夹，避免重复下载
)

# 2. 显存优化（关键！8G 显卡必开）
pipe.enable_model_cpu_offload()  # 模型部分卸载到 CPU，节省显存
# pipe.enable_vae_slicing()  # 额外优化，显存紧张可开启

# 3. 生成图片（核心代码）
prompt = "一只戴着墨镜的橘猫，坐在复古摩托车上，赛博朋克风格，高清细节，1024×1024"
negative_prompt = "模糊，低分辨率，畸形，多余肢体，水印"

# 生成参数（新手直接用，高手可微调）
image = pipe(
    prompt=prompt, 
    negative_prompt=negative_prompt, 
    height=1024, 
    width=1024, 
    guidance_scale=4.0,  # 提示词遵循度，4-6 最佳
    num_inference_steps=20,  # 步数越少越快，20 步足够清晰
    generator=torch.Generator("cuda").manual_seed(42)  # 固定种子，复现结果
).images[0]

# 4. 保存并查看图片
image.save("flux2_klein_cat.png")
print("图片生成完成！已保存为 flux2_klein_cat.png")
Image.open("flux2_klein_cat.png").show()

步骤 2：运行脚本

在脚本所在文件夹打开 CMD，执行：

python flux2_klein_demo.py

首次运行会自动下载模型（约 16GB），耐心等待即可，后续运行直接生成图片！

方式 2：ComfyUI 可视化部署（适合喜欢拖拽操作的用户）

步骤 1：安装 ComfyUI

# 克隆 ComfyUI 仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
# 安装依赖
pip install -r requirements.txt

步骤 2：下载 FLUX.2[klein] 模型

文本编码器：放到 ComfyUI/models/clip/ 目录下载地址：https://huggingface.co/black-forest-labs/FLUX.2-klein-4B/resolve/main/qwen_3_4b.safetensors
扩散模型：放到 ComfyUI/models/unet/ 目录下载地址：https://huggingface.co/black-forest-labs/FLUX.2-klein-4B/resolve/main/flux-2-klein-base-4b.safetensors
VAE 模型：放到 ComfyUI/models/vae/ 目录下载地址：https://huggingface.co/black-forest-labs/FLUX.2-klein-4B/resolve/main/flux2-vae.safetensors

步骤 3：启动 ComfyUI 并加载工作流

# 启动 ComfyUI
python main.py

打开浏览器访问 http://127.0.0.1:8188，在模板页面选择「FLUX.2[klein] 4B」工作流，输入提示词即可生成。

四、常见问题&优化技巧

1. 显存不足怎么办？

换 4B 版模型（9B 版需 12GB+ 显存）
开启 pipe.enable_model_cpu_offload() 和 pipe.enable_vae_slicing()
降低图片分辨率（如 768×768）
减少推理步数（15-20 步即可）

2. 模型下载慢/失败？

用 huggingface 镜像：在代码中添加 HF_ENDPOINT=https://hf-mirror.com 环境变量
手动下载模型文件，放到 ./models 目录（与代码中 cache_dir 一致）

3. 生成效果不好？

优化提示词：加「高清细节、8K、专业摄影」等词，避免模糊描述
调整 guidance_scale（4-6 最佳，越大越遵循提示词）
换 9B 版模型（效果更好，显存要求更高）

五、总结

FLUX.2[klein] 的开源降低了 AI 绘画的本地部署门槛，8G 显存即可实现快速生成，支持图像编辑，适合个人创作及小型商用。

FLUX.2[klein] 开源：本地部署 AI 绘画的轻量级方案

前言

一、FLUX.2[klein] 核心优势

二、部署前准备：硬件 + 环境

1. 硬件要求（最低配置）

2. 环境安装

三、极简部署方案

方式 1：Python 脚本一键运行（纯代码，无界面，最快上手）

步骤 1：创建运行脚本

步骤 2：运行脚本

方式 2：ComfyUI 可视化部署（适合喜欢拖拽操作的用户）

步骤 1：安装 ComfyUI

步骤 2：下载 FLUX.2[klein] 模型

步骤 3：启动 ComfyUI 并加载工作流

四、常见问题&优化技巧

1. 显存不足怎么办？

2. 模型下载慢/失败？

3. 生成效果不好？

五、总结

更多推荐文章

相关免费在线工具

FLUX.2[klein] 开源：本地部署 AI 绘画的轻量级方案

前言

一、FLUX.2[klein] 核心优势

二、部署前准备：硬件 + 环境

1. 硬件要求（最低配置）

2. 环境安装

三、极简部署方案

方式 1：Python 脚本一键运行（纯代码，无界面，最快上手）

步骤 1：创建运行脚本

步骤 2：运行脚本

方式 2：ComfyUI 可视化部署（适合喜欢拖拽操作的用户）

步骤 1：安装 ComfyUI

步骤 2：下载 FLUX.2[klein] 模型

步骤 3：启动 ComfyUI 并加载工作流

四、常见问题&优化技巧

1. 显存不足怎么办？

2. 模型下载慢/失败？

3. 生成效果不好？

五、总结

微信扫一扫，关注极客日志

更多推荐文章

相关免费在线工具