Black Forest Labs 获 3100 万美元融资：发布 120 亿参数 FLUX.1 文生图模型

还记得一手打造出 Stable Diffusion 的那帮欧洲核心研究员吗？在经历了原东家 Stability AI 的一系列动荡之后，他们带着新团队回来了。更狠的是，他们这次不仅宣布拿到了 3100 万美元融资，还顺手甩出了一个直接把 Midjourney 和 DALL·E 3 当靶子打的文生图模型家族：FLUX.1。

这家新公司名叫 Black Forest Labs（黑森林实验室），创始成员不仅做过 VQGAN 和 Latent Diffusion，还主导了 SDXL、Stable Video Diffusion 以及对抗扩散蒸馏算法的研发。本轮 3100 万美元种子轮由 a16z 领投，投资人里还包括 Garry Tan、Brendan Iribe，以及好莱坞知名经纪人 Michael Ovitz。他们不仅做图，还预告了下一步就是发布高画质、超高速度的文生视频模型。

一口气端出三碗饭，开源与闭源并进

黑森林实验室并没有把能力捂着，而是一口气推出了三个不同定位的 FLUX.1 模型。

最顶级的叫 FLUX.1 [pro]。这个版本主打极致画质和复杂场景还原，不公开权重，用户可以通过官方 API、Replicate 或者 fal.ai 调用，主要面向企业级定制和商业生产。

中间档是 FLUX.1 [dev]。它是直接从 pro 版蒸馏出来的开源权重模型，保持了极高水准的提示词遵循能力，但它限制在非商业用途，适合研究者和极客在 Hugging Face 下载跑评测。

最接地气的是 FLUX.1 [schnell]。schnell 在德语里是快的意思，这个版本专门为本地部署和个人电脑优化，采用了少步数蒸馏技术，而且极其大方地采用了完全开放的 Apache 2.0 开源协议。发售当天，ComfyUI 和 Hugging Face Diffusers 就已经同步完成了支持，只要机器显存够，任何人都能拉回本地随便改。

120 亿参数的混合架构，专治画不对字

在底层架构上，FLUX.1 全系塞进了 120 亿参数。他们没有沿用老旧的扩散骨架，而是转向了流匹配（Flow Matching）路线，并结合了多模态并行 Diffusion Transformer 架构。

为了让推理更快、吞吐更高，团队在模型中引入了旋转位置编码（RoPE）和并行注意力机制。模型不仅能原生支持从 10 万到 200 万像素的不同比例分辨率，而且宣称在画质、提示词遵循度、输出多样性以及文字排版（Typography）上全面压过了 Midjourney v6.0 和 SD3-Ultra。

尤其是 AI 画图最让人头疼的英文拼写问题，FLUX.1 在官方对比中展现了相当高的排版准确度，招牌上的文字、书本封面的标题终于不再是一团乱码。

为什么重要

我们认为，FLUX.1 的出现几乎宣告了开源图像生成赛道重回正轨。过去几个月里，原版 SD3 的发布由于协议收紧和解剖学翻车饱受社区质疑，Midjourney 这种闭源巨头眼看要吃下全部市场。这批原班人马的独立创业，给开源社区重新补上了一张最顶级的王牌。

对创作者和开发者来说，这件事立竿见影。如果你做商业产品，可以直接接入 pro 的 API；如果你想在本地跑工作流，schnell 版的 Apache 2.0 协议和首日接入 ComfyUI 几乎没有任何迁移门槛。你甚至可以立刻用消费级显卡试一试它在文字渲染和多对象场景上的表现，这大概是目前本地能跑到的最高水平。

从商业和竞争角度看，团队采取了非常精明的两手抓策略。用商用闭源的 pro 版向企业收费、维系造血，同时用开源的 dev 和 schnell 版维系全球研究者和开发者生态，牢牢锁定工具链入口。不过这也带来了一个现实问题：12B 参数量对个人本地硬件的显存要求并不低，而且 dev 版的非商用限制可能会把一部分中小创业团队挡在门外。但无论如何，一个能把文字画准、画质不输 Midjourney 的顶级开源模型，已经逼得对手们不得不重新加快迭代节奏了。