Black Forest Labs (FLUX)

這是什麼

Black Forest Labs（大家習慣叫 BFL）是德國 Freiburg 起家的影像生成模型公司，核心成員就是當年做出 Stable Diffusion 那批人。官網現在把自己寫成「the frontier lab for visual intelligence」，講白話就是：我們不做 App，我們做模型，你們拿去接。

檯面上的主力是 FLUX.2 系列，官網分成幾個檔次：[pro]、[flex]、[max]、[klein]（4B 與 9B 兩種尺寸），另外有一組 FLUX Tools（Outpainting 外擴、Eraser 物件消除），以及專門給電商用的 FLUX VTO 虛擬試穿。2026 年 1 月釋出的 [klein] 是輕量線，官方主打「一秒內完成生成與編輯」。

取得方式有四條：官網 Playground 直接玩、API 接進自己的產品、下載開源權重自架、或談企業合約。授權要看清楚——klein 4B 是 Apache 2.0，可商用可改可散布；klein 9B 與 dev 走的是 FLUX.2-dev 非商用授權，拿去做生意會踩線。官網掛了 SOC 2 Type II 與 ISO 27001:2022，合作名單上看得到 Adobe、Microsoft、Mistral、Picsart。

實際用起來如何

我拿同一組中文情境的提示詞（「台北騎樓下的深夜滷味攤，霓虹反射在濕柏油路面」）分別丟 Playground 的 pro 與 max。max 那張的水氣、招牌光暈、地面反光層次明顯厚一階，pro 已經夠用在社群圖，max 適合要放大輸出的主視覺。這一代最有感的是角色一致性：拿同一張參考人像做多張延伸，五官不會第三張就崩成另一個人，這件事在做品牌 KV 系列圖時省掉大量重跑。

編輯類的表現比生成更值得講。Eraser 拿去清掉商品照裡多餘的道具，補回來的背景紋理接得算乾淨；Outpainting 把 1:1 的圖外擴成 16:9，只要原圖構圖不要太滿，補出來的部分不會有那種「一眼看出是 AI 補的」邊界感。VTO 我用電商情境測，衣服版型與皺褶對得上，但布料細節（例如針織的孔隙）還是會被平滑掉。

弱項也很明確：中文字。要模型在畫面裡寫出正確的繁體招牌字，成功率低到不建議指望，英文字反而穩很多。我的做法是圖歸圖、字歸字，文字後製在 Figma 補。

計價是純用量制，沒有月費也沒有席次費，按輸出解析度（megapixel）算錢。第三方彙整的行情大約落在每張 US$0.03 起跳，越高解析度越貴——但這個數字官方沒有列成靜態表格，而是要用官網的計算機自己拉，實際請以官方頁面為準。

優點

• 開源權重這條路是真的能走：klein 4B 掛 Apache 2.0，自架後不用再看任何人臉色，也不用擔心哪天 API 漲價或關閉。
• 影像編輯（Eraser、Outpainting）的品質，比多數只做「文字生圖」的服務完整一個檔次，實務上編輯需求往往比生成需求多。
• 角色與物件一致性做得紮實，適合需要系列圖、分鏡、商品多角度的商業場景。
• 純用量計價，沒有訂閱綁約，小團隊可以先花幾百塊台幣測完再決定要不要導入。
• 有 SOC 2 Type II 與 ISO 27001，企業採購的資安問卷比較好過。

缺點與限制

• 對非技術使用者不友善。它本質是模型供應商，Playground 只是展示櫥窗，沒有專案管理、素材庫、團隊協作這些東西，你得自己包一層。
• 中文（尤其繁體）文字渲染很不可靠，海報、包裝、社群圖只要有中文標題，幾乎都得後製。
• 授權分層容易踩雷：klein 9B 與 dev 是非商用，很多人下載時沒看清楚就拿去接客案，這在台灣的中小型設計公司是實際會發生的風險。
• 按 megapixel 計價在高解析度需求下會失控，做 4K 主視覺又要反覆迭代時，帳單體感會比想像中快。
• 沒有影片生成。要動態素材得另外找 Runway、Veo 或可靈，等於工具鏈得拆成兩套。

適合誰／不適合誰

適合：要把生圖能力接進自家產品的工程團隊、需要大量商品圖與情境圖的電商、對資料落地有要求所以想自架的企業、以及願意讀 API 文件的設計技術總監。

不適合：只想開個網頁打幾行字就出圖的行銷個人戶（去用 Midjourney 或 ChatGPT 的內建生圖就好）、需要中文排版直接進圖的社群小編、以及主要做影片的內容團隊。

替代方案

Midjourney：美感基線更高、社群 preset 更多，開箱即用，但沒有開源權重、API 生態薄，商用整合彈性遠不如 FLUX。

Google Imagen / Nano Banana 系列：與 Gemini 生態綁得深，圖像編輯的語意理解強，中文提示詞理解也好，但完全封閉，無法自架。

Stable Diffusion（Stability AI）：同樣是開源路線且社群 LoRA 資源最豐富，成本最低，但基礎模型品質已被 FLUX.2 拉開，維護生態也比較零散。

台灣觀點

台灣真正會導入 BFL 的，是有工程能力的電商與遊戲美術團隊。我看到的實際用法有兩種：一是接 API 做商品情境圖量產，把攝影棚的邊際成本壓掉；二是自架 klein 4B 在自己的 GPU 機器上，理由通常不是省錢，而是商品未上市的圖不能往外傳。第二種在美妝、消費電子這類重視上市前保密的產業特別常見。

成本體感：一張 US$0.03 換算大約新台幣一塊上下，聽起來很便宜，但實務上一個滿意的商品情境圖平均要跑二十到四十次，一組系列圖抓個兩三百元台幣比較實際。跟找攝影師比還是壓倒性划算，跟自己想像的「幾乎免費」則有落差。

法遵面要提醒兩件事：一是非商用授權的模型不要拿去接客戶案子，台灣很多接案工作室對這條線相當隨便；二是若圖中出現可辨識的人物或既有品牌元素，責任仍在使用者身上，BFL 不會幫你擔。目前台灣沒有官方代理，採購要直接刷卡開國際帳號，發票是境外電子勞務，報帳前先跟會計確認。

TheAI學院 評分與一句話

4.4 / 5

它不討好一般使用者，但如果你是要把生圖真的做進產品裡的人，FLUX 幾乎是目前彈性與品質平衡得最好的那一個。