Modelos FLUX: de texto a imagem com nitidez e texto legível

Resposta curta: FLUX é a família de modelos de criação e edição de imagens a partir de texto da Black Forest Labs (BFL), empresa europeia de inteligência artificial. A equipe é formada por pesquisadores que desenvolveram modelos como o Stable Diffusion e o Latent Diffusion. Os pontos fortes conhecidos do FLUX são a fidelidade ao prompt, o realismo fotográfico e a capacidade de escrever texto legível dentro da imagem. A família tem tanto modelos disponíveis apenas por API quanto modelos de pesos abertos que você pode baixar e executar no seu computador; as licenças desses dois grupos são diferentes. Neste texto explicamos as versões, para que serve cada uma, as diferenças de licença e como escrever um bom prompt para o FLUX.

O que é o FLUX e quem o desenvolve?

A Black Forest Labs anunciou sua fundação e a primeira família de modelos, o FLUX.1, no mesmo dia: 1º de agosto de 2024. Segundo a apresentação da empresa, a equipe reúne autores de trabalhos como VQGAN, Latent Diffusion, Stable Diffusion, Stable Diffusion XL e Stable Video Diffusion, além de pesquisas sobre transformers de fluxo retificado. A empresa chama de “núcleo aberto” a abordagem de oferecer modelos abertos e modelos comerciais pagos ao mesmo tempo.

Tecnicamente, o FLUX.1 tem 12 bilhões de parâmetros e uma arquitetura híbrida, com blocos de transformer de difusão multimodais e paralelos, e se baseia em um método de treinamento chamado correspondência de fluxo (flow matching). A BFL descreve esse método como uma abordagem conceitualmente mais simples, que inclui a difusão como um caso particular.

A família FLUX: para que serve cada versão?

FLUX.1: pro, dev e schnell

A primeira família chegou com três modelos. O FLUX.1 [pro] era a versão de maior qualidade e foi disponibilizado por API. O FLUX.1 [dev] era um modelo destilado do pro, com pesos abertos, licenciado para uso não comercial. O FLUX.1 [schnell] (“rápido”, em alemão) era a versão mais veloz, pensada para desenvolvimento local e uso pessoal, e foi lançado com licença Apache 2.0. Segundo a BFL, as três versões aceitavam proporções diferentes, entre 0,1 e 2,0 megapixels. Depois vieram o FLUX 1.1 [pro], com o modo Ultra, que gera até 4 megapixels, e ferramentas como o FLUX.1 Fill, para preencher áreas e expandir imagens.

FLUX.1 Kontext: edição com texto

Anunciado em 29 de maio de 2025, o Kontext levou o FLUX para o lado da edição. O modelo recebe texto e imagem e permite alterar uma imagem com uma instrução simples. Os principais recursos listados pela BFL são: consistência de personagens em cenas diferentes, edição local que altera apenas uma parte da imagem, uso do estilo de uma imagem como referência e baixa latência. O Kontext [pro] e o Kontext [max], com melhor aderência ao prompt e tipografia mais forte, foram disponibilizados por API; também foi anunciada uma versão de pesos abertos, o Kontext [dev], com 12 bilhões de parâmetros. Na data em que este texto foi escrito, a BFL recomenda o FLUX.2 para novos projetos, no lugar do Kontext.

FLUX.2: várias referências e 4 megapixels

Lançado em 25 de novembro de 2025, o FLUX.2 foi voltado para trabalhos reais de produção. Segundo o anúncio, ele usa até 10 imagens de referência ao mesmo tempo, faz edições de até 4 megapixels, gera tipografia complexa, gráficos de informação e rascunhos de interface com texto legível e segue melhor instruções em várias partes e estruturadas. A família tem os seguintes integrantes:

• [pro]: equilíbrio entre qualidade e velocidade em escala de produção.
• [flex]: versão forte em texto e detalhes finos, com ajustes como número de passos e escala de orientação.
• [max]: a maior qualidade; quando necessário, pode pesquisar na web para gerar imagens com base em informações atuais.
• [dev]: modelo de pesos abertos com 32 bilhões de parâmetros; o uso comercial exige licença separada.
• [klein]: modelos pequenos e muito rápidos, lançados em janeiro de 2026; a versão de 4 bilhões de parâmetros roda em placas de vídeo de consumo, com cerca de 13 GB de memória de vídeo.

FLUX 3: imagem, vídeo e áudio em um só modelo

Anunciado em 23 de julho de 2026, o FLUX 3 é o modelo multimodal de base da BFL, que aprende imagens, vídeos e áudio em conjunto. A parte de vídeo abriu em acesso antecipado; segundo a BFL, ele consegue gerar em uma única criação vídeo de até 20 segundos, com som. Na parte de imagem, o FLUX 3 Image oferece, segundo a documentação da BFL, até 10 imagens de referência, saída de até 4K e caixas delimitadoras para indicar a posição dos elementos. Em 15 de outubro de 2026, foi publicado o FLUX 3 Image Klein, de pesos abertos e com 5,6 bilhões de parâmetros.

O que destaca o FLUX?

• Fidelidade ao prompt: Ao apresentar o FLUX.1, a BFL destacou a qualidade visual, o acompanhamento do prompt, a flexibilidade de tamanho e proporção, a tipografia e a variedade de resultados. Com o FLUX.2, a adesão a instruções com várias partes e restrições de composição ganhou mais destaque.
• Texto na imagem: Trabalhos com texto, como cartazes, cardápios, gráficos de informação e rascunhos de interface, estão entre as áreas que o anúncio do FLUX.2 descreve como confiáveis para produção.
• Controle total de cor: A documentação do FLUX.2 recomenda informar as cores da marca em códigos hexadecimais; por exemplo, você pode descrever a cor de um vaso como “um degradê de #02eb3c para #edfa3c”.
• Várias referências: FLUX.2 e FLUX 3 Image podem usar até 10 imagens juntas, o que facilita a produção em série de um mesmo produto ou personagem.
• Ecossistema de pesos abertos: Os modelos abertos podem rodar no seu próprio hardware e ser ajustados ao seu estilo com métodos como LoRA.

Uma observação: a maior parte das comparações publicadas pela BFL são avaliações da própria empresa. O melhor teste para o seu trabalho é executar o mesmo prompt em alguns modelos.

Licenças: o que significa peso aberto e posso usar comercialmente?

“Peso aberto” significa que os parâmetros treinados do modelo podem ser baixados; não significa que todo uso seja livre. Na família FLUX, as licenças variam conforme o modelo:

Modelo	Como é acessado	Licença
FLUX.1 [schnell]	Pesos abertos	Apache 2.0
FLUX.1 [dev]	Pesos abertos	Uso não comercial; uso comercial com licença separada
FLUX.2 [dev]	Pesos abertos	Uso não comercial; uso comercial com licença separada
FLUX.2 [klein] 4B	Pesos abertos e API	Apache 2.0
FLUX.2 [klein] 9B	Pesos abertos e API	FLUX Non-Commercial License
FLUX 3 Image Klein	Pesos abertos e API	FLUX Community License
Pro, max, flex e FLUX 3 Image	API	Termos de serviço da API

A licença do FLUX 3 Image Klein permite uso comercial gratuito para pessoas e empresas com receita anual abaixo de 5 milhões de dólares, além de pesquisa e uso não comercial; para organizações maiores há opções de licença ou de API para instalação em servidor próprio. Se for usar um modelo de pesos abertos em um projeto comercial, leia o texto da licença por conta própria; este texto não é uma orientação jurídica.

Como escrever um prompt para o FLUX?

O guia de prompts da BFL sugere esta sequência como esqueleto inicial: assunto, local, estilo, ajustes de câmera, luz, cores, efeito, elementos adicionais. Não é uma fórmula rígida; você pode deixar de fora as partes que não se aplicam. Outras recomendações do guia:

• Escreva em linguagem natural: Descreva as relações com frases: quem segura o quê, o que fica atrás de quê, de onde vem a luz.
• Coloque o texto entre aspas: Coloque entre aspas as palavras que devem aparecer na imagem e diga onde ficarão e como devem parecer.
• Nomeie a câmera em vez de escrever “fotografia profissional”: Diga a câmera, a lente ou o tipo de filme e o efeito que isso tem na imagem: “granulação visível”, “tom de cor quente”.
• Transforme o negativo em positivo: O FLUX 3 Image não tem campo de prompt negativo. Em vez de “sem multidão”, escreva “uma orla deserta”.
• Chame as referências pela ordem: Ao enviar várias imagens, cite-as como “imagem 1”, “imagem 2” e diga o papel de cada uma.
• Mude um detalhe por vez: Comece com uma versão simples, observe o que saiu certo e o que saiu errado e corrija um único detalhe por vez.

Para um cartaz com texto:

Um cartaz vertical de filme mostrando uma rua estreita da cidade, com o calçamento molhado depois da chuva e placas de neon. No alto, em letras grandes, brancas e em negrito, está escrito “MEIA-NOITE”; embaixo, em letras pequenas, “Em breve nos cinemas”. Iluminação cinematográfica, tons de azul e roxo, granulação fina de filme.

Produto com cor de marca:

Uma garrafa de água de cerâmica fosca sobre um fundo de estúdio cinza-claro, com a cor da garrafa #1F6F5C. Luz lateral suave, sombra discreta, lente de 85 mm, profundidade de campo rasa.

Edição com referência:

Coloque a mochila da imagem 1 nas costas da pessoa que caminha na trilha da floresta da imagem 2. Mantenha a cor e o logotipo da mochila exatamente como estão; a luz deve acompanhar o sol da manhã.

A documentação do FLUX.2 também mostra como escrever o prompt em um formato estruturado (JSON), dividido em campos como assunto, fundo, luz, estilo, ângulo de câmera e composição, para automações e trabalhos repetitivos. Os exemplos da documentação estão em inglês; se o resultado não for bom com um prompt em português, tente o mesmo prompt em inglês e deixe o texto que deve aparecer na imagem entre aspas, exatamente como você quer.

Qual modelo FLUX escolher?

• Testes rápidos e grande volume: FLUX.2 [klein] ou FLUX 3 Image Klein; os dois são muito rápidos e de pesos abertos.
• Rodar no seu próprio computador: Modelos de pesos abertos. Segundo a BFL, o FLUX 3 Image Klein, na versão INT8, roda em placas de vídeo com 8 GB de memória.
• Cartaz, gráfico de informação e muito texto: FLUX.2 [flex] ou FLUX 3 Image; texto e detalhes finos são o ponto forte dessas versões.
• Imagem com base em informações atuais: FLUX.2 [max], que pesquisa na web, ou FLUX 3 Image, que pesquisa na web por padrão.
• Produto comercial: Modelos por API ou modelos abertos cuja licença permita uso comercial; confira a tabela de licenças.

Quais são os limites?

• Reprodutibilidade: O FLUX 3 Image não tem campo de seed; executar o mesmo prompt duas vezes pode dar resultados diferentes. A BFL recomenda olhar várias saídas antes de decidir que uma mudança não funcionou.
• Tempo em alta resolução: Segundo a documentação, a geração em 4K pode levar alguns minutos, e mudar a resolução conta como uma nova geração, por isso a composição pode mudar.
• Hardware: Rodar modelos abertos localmente exige uma placa de vídeo potente; modelos grandes como o FLUX.2 [dev] só rodam em hardware de consumo nas versões compactadas.
• Restrições de licença: Antes de usar comercialmente uma imagem gerada com um modelo de licença não comercial, verifique as condições.
• Origem das comparações: A maior parte dos gráficos de desempenho são testes internos da BFL; valide com os seus próprios exemplos.

Erros comuns

• Escrever uma lista de palavras: Em vez de “gato, janela, sol, 4k, obra-prima”, descreva a cena em uma ou duas frases. O guia da BFL sugere detalhes que possam ser vistos na imagem, no lugar de palavras de efeito como “obra-prima”.
• Não colocar o texto entre aspas: Sem aspas, o modelo pode entender o texto como parte da descrição.
• Proporção em conflito com o prompt: Escolher um enquadramento muito amplo e descrever uma cena pequena faz o modelo preencher o espaço vazio por conta própria; descreva o que deve aparecer nas laterais.
• Não ler a licença: “Peso aberto” nem sempre significa “uso comercial liberado”.
• Gerar o rascunho em alta resolução: Refine o prompt em resolução baixa e gere a versão final em tamanho grande.

Resumo

• O FLUX é a família de modelos de imagem da Black Forest Labs, empresa formada por pesquisadores do Stable Diffusion.
• O FLUX.1 veio em três versões (pro, dev e schnell); o Kontext trouxe a edição, e o FLUX.2 trouxe várias referências e 4 megapixels.
• O FLUX 3 reúne imagem, vídeo e áudio em um modelo; o FLUX 3 Image aceita até 10 referências e saída em 4K.
• Os pontos fortes são a fidelidade ao prompt, o realismo fotográfico e o texto legível na imagem.
• As licenças dos modelos abertos são diferentes: Apache 2.0, uso não comercial e uma licença comunitária com limite de receita.
• Bons prompts usam linguagem natural, texto entre aspas, câmera e luz nomeadas e descrições positivas.