Black Forest Labsが3100万ドル調達し発足、画像生成AI「FLUX.1」を公開

Stable Diffusionの生みの親たちによる再始動です。

元Stability AIの中核研究者らが立ち上げた新会社Black Forest Labsは、Andreessen Horowitz（a16z）が主導する3100万ドルのシードラウンド調達を発表しました。それと同時に、MidjourneyやDALL·E 3を照準に捉えた新型画像生成AI「FLUX.1」を一挙に公開しました。

用途に合わせて選べる3つのバリアント

FLUX.1は、商用APIから完全オープンソースまで3種類が用意されています。

最上位のFLUX.1 [pro]は、最高の画質とプロンプト再現性を誇るフラッグシップです。こちらはAPI経由、あるいはReplicateやfal.aiを通じて提供され、企業向けの商用利用を想定しています。

中間に位置するFLUX.1 [dev]は、proから直接蒸留されたオープンウェイトモデルです。極めて高い描写能力を保ちつつ推論効率が向上しており、非商用の研究目的であればHugging Faceから誰でも入手できます。

そして個人開発者に向けたのがFLUX.1 [schnell]（ドイツ語で速いの意）です。数ステップで生成可能な高速モデルで、なんと商用利用も可能なApache 2.0ライセンスで公開されました。公開初日からComfyUIやDiffusersへの統合も完了しており、ローカル環境で即座に動作させられます。

120億パラメータとFlow Matchingへの刷新

技術面でも大きな進化を遂げています。FLUX.1は120億（12B）パラメータ規模を持ち、マルチモーダルかつ並列Diffusion Transformerブロックで構成されたハイブリッドアーキテクチャを採用しています。

従来の拡散モデルを発展させたFlow Matching技術を基盤とし、回転位置埋め込み（RoPE）や並列アテンションを導入してハードウェア効率を極限まで高めました。対応解像度は10万画素から200万画素まで柔軟に変更可能です。

特に目を見張るのが文字描画（タイポグラフィ）とプロンプト忠実度です。看板のスペルミスや読めない記号に悩まされてきた生成画像ですが、同社はMidjourney v6.0やSD3-Ultraを上回る文字生成精度をアピールしています。さらに、今後は最先端の動画生成モデルの投入も予告しています。

なぜ重要か

私たちは、この発表が停滞しかけていたオープンソース画像生成の潮目を一変させたと考えています。SD3のライセンス問題や人物描画の破綻でコミュニティが揺れていたタイミングで、かつての開発リーダーたちが理想的な形で決定打を打ち込んできました。

ユーザーやクリエイターにとっての価値は明確です。ComfyUIですぐにschnell版を試せるため、ローカル生成環境のクオリティを今日から引き上げることができます。看板やロゴなどの文字を綺麗に配置したいデザイナーにとって、試す価値は十分にあります。

商用APIで収益を上げつつ、高速版をApache 2.0で開放して開発者を囲い込む手法は非常に巧みです。懸念点としては、12Bという巨大なパラメータによるローカルVRAMへの負荷が挙げられますが、Midjourney一強の閉鎖的な市場に強力なオープン対抗馬が現れた意義は計り知れません。