Black Forest Labs 獲 3100 萬美元融資：釋出 120 億引數 FLUX.1 文生圖模型

還記得一手打造出 Stable Diffusion 的那幫歐洲核心研究員嗎？在經歷了原東家 Stability AI 的一系列動盪之後，他們帶著新團隊回來了。更狠的是，他們這次不僅宣佈拿到了 3100 萬美元融資，還順手甩出了一個直接把 Midjourney 和 DALL·E 3 當靶子打的文生圖模型家族：FLUX.1。

這家新公司名叫 Black Forest Labs（黑森林實驗室），創始成員不僅做過 VQGAN 和 Latent Diffusion，還主導了 SDXL、Stable Video Diffusion 以及對抗擴散蒸餾演算法的研發。本輪 3100 萬美元種子輪由 a16z 領投，投資人裡還包括 Garry Tan、Brendan Iribe，以及好萊塢知名經紀人 Michael Ovitz。他們不僅做圖，還預告了下一步就是釋出高畫質、超高速度的文生影片模型。

一口氣端出三碗飯，開源與閉源並進

黑森林實驗室並沒有把能力捂著，而是一口氣推出了三個不同定位的 FLUX.1 模型。

最頂級的叫 FLUX.1 [pro]。這個版本主打極致畫質和複雜場景還原，不公開權重，使用者可以通過官方 API、Replicate 或者 fal.ai 呼叫，主要面向企業級定製和商業生產。

中間檔是 FLUX.1 [dev]。它是直接從 pro 版蒸餾出來的開源權重模型，保持了極高水準的提示詞遵循能力，但它限制在非商業用途，適合研究者和極客在 Hugging Face 下載跑評測。

最接地氣的是 FLUX.1 [schnell]。schnell 在德語裡是快的意思，這個版本專門為本地部署和個人電腦最佳化，採用了少步數蒸餾技術，而且極其大方地採用了完全開放的 Apache 2.0 開源協議。發售當天，ComfyUI 和 Hugging Face Diffusers 就已經同步完成了支援，只要機器視訊記憶體夠，任何人都能拉回本地隨便改。

120 億引數的混合架構，專治畫不對字

在底層架構上，FLUX.1 全系塞進了 120 億引數。他們沒有沿用老舊的擴散骨架，而是轉向了流匹配（Flow Matching）路線，並結合了多模態並行 Diffusion Transformer 架構。

為了讓推理更快、吞吐更高，團隊在模型中引入了旋轉位置編碼（RoPE）和並行注意力機制。模型不僅能原生支援從 10 萬到 200 萬畫素的不同比例解析度，而且宣稱在畫質、提示詞遵循度、輸出多樣性以及文字排版（Typography）上全面壓過了 Midjourney v6.0 和 SD3-Ultra。

尤其是 AI 畫圖最讓人頭疼的英文拼寫問題，FLUX.1 在官方對比中展現了相當高的排版準確度，招牌上的文字、書本封面的標題終於不再是一團亂碼。

為什麼重要

我們認為，FLUX.1 的出現幾乎宣告了開源影像生成賽道重回正軌。過去幾個月裡，原版 SD3 的釋出由於協議收緊和解剖學翻車飽受社群質疑，Midjourney 這種閉源巨頭眼看要吃下全部市場。這批原班人馬的獨立創業，給開源社群重新補上了一張最頂級的王牌。

對創作者和開發者來說，這件事立竿見影。如果你做商業產品，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 協議和首日接入 ComfyUI 幾乎沒有任何遷移門檻。你甚至可以立刻用消費級顯示卡試一試它在文字渲染和多物件場景上的表現，這大概是目前本地能跑到的最高水平。

從商業和競爭角度看，團隊採取了非常精明的兩手抓策略。用商用閉源的 pro 版向企業收費、維繫造血，同時用開源的 dev 和 schnell 版維繫全球研究者和開發者生態，牢牢鎖定工具鏈入口。不過這也帶來了一個現實問題：12B 引數量對個人本地硬體的視訊記憶體要求並不低，而且 dev 版的非商用限制可能會把一部分中小創業團隊擋在門外。但無論如何，一個能把文字畫準、畫質不輸 Midjourney 的頂級開源模型，已經逼得對手們不得不重新加快迭代節奏了。