Black Forest Labs、画像生成・編集モデル「FLUX.1 Kontext」を発表

FLUX.1 Kontextは、Black Forest Labsが公開した画像生成および画像編集モデル群です。テキストだけでなく既存の画像を参照として同時に渡せる「インコンテクスト画像生成」に対応しています。

フロー・マッチング（Flow Matching）アーキテクチャを採用しており、追加の微調整や複雑なパイプラインを組むことなく、簡単なテキスト指示だけで元画像を理解して編集できます。

何ができるのか

従来の画像生成で課題だったキャラクターやオブジェクトの一貫性維持を、編集を重ねても保ち続けられるのが特徴です。

例えば人物の写真を渡し、顔の遮蔽物を取り除かせたり、別の街で自撮りさせたり、雪を降らせたりといった指示を段階的に与えられます。元画像の特徴を保ったまま、シーン全体の変更や部分的な修正が可能です。

局所的な領域編集のほか、参照画像の画風を受け継ぐスタイル参照機能や、画像内のタイポグラフィ生成にも対応しています。

3つのモデルとオープンウェイト版

用途に合わせて3種類のバリアントが用意されています。

最上位の「FLUX.1 Kontext [max]」は、テキスト追従性や文字生成の精度、編集時の一貫性を高いスピードで両立させたプレミアムモデルです。

「FLUX.1 Kontext [pro]」は反復的な画像編集向けに設計されており、高速なレスポンスで部分修正やシーン変換を行えます。

開発者にとって注目なのは「FLUX.1 Kontext [dev]」です。12B（120億）パラメータのオープンウェイトモデルで、商用専用モデル並みの編集精度を持ちながら、一般的なコンシューマー向けハードウェアで動作します。

試したい場合は、同時に公開されたWebツール「BFL Playground」から即座にテストできるほか、ローカル環境でdev版の重みを利用することも可能です。

なぜ重要か

これまでオープン系モデルでキャラの固定や部分修正を行うには、LoRAの学習や複雑なControlNet環境が不可欠でした。Kontextがプロンプトと画像だけでこれらを解決できるようになった意味は大きいです。

特に12Bのdev版がコンシューマー向けGPUで動かせる点は、個人クリエイターやインディー開発者にとって試す価値が十分にあります。制作現場の実用ツールとして、オープンソース画像生成の利便性を大きく底上げする一手と言えます。