Локальная генерация изображений — Пиксели без разрешения

Тяжеловес среди генераторов изображений с открытым исходным кодом. Архитектура с 27 миллиардами параметров, объединяющая диффузионный трансформер с визуально-языковой моделью, создающая фотореалистичных людей и рендеринг текста на двух языках, который конкурирует с облачными сервисами — и все это под лицензией Apache 2.0, что означает, что вы владеете каждым сгенерированным пикселем.

Занимает самую высокую позицию среди моделей с открытыми весами Apache 2.0 на Arena.ai (Elo ~1,130). Фотореалистичные человеческие лица без эффекта «зловещей долины». Рендеринг текста на английском и китайском языках. Полные коммерческие права без каких-либо ограничений.

27 миллиардов параметров — это огромная нейросеть для домашнего использования. Вам понадобится RTX 4090 с квантованием INT4, чтобы уместить ее в ~14 ГБ VRAM, и даже тогда вы будете работать на пределе возможностей оборудования. Документация в основном ориентирована на китайский язык.

Народный генератор изображений. Созданный той же командой, что и Stable Diffusion, FLUX.2 Klein упаковывает фотореализм семейства FLUX в модели, достаточно маленькие для работы на игровом ноутбуке среднего класса. Варианту 4B требуется всего 8 ГБ видеопамяти — это означает, что RTX 4060 в вашем студенческом ноутбуке теперь может создавать изображения студийного качества. Лицензия Apache 2.0.

Самая доступная из высококачественных локальных моделей — вариант 4B работает на 8 ГБ VRAM. Лицензия Apache 2.0 без коммерческих ограничений. Наследует фотореализм FLUX. Лучший в своем классе рендеринг текста на изображениях для своего размера. Массивная экосистема ComfyUI и LoRA.

Klein — это потребительский уровень: Black Forest Labs оставляет лучшее качество для своих проприетарных моделей Pro и Max. Существует вариант FLUX.2 Dev, но он некоммерческий. Специфичных для Klein LoRA-моделей пока не так много по сравнению с огромной библиотекой FLUX.1.

Демон скорости локальной генерации изображений. Модель с 6 миллиардами параметров, которая генерирует изображения за 8 шагов вывода — часто менее чем за секунду — на оборудовании настолько скромном, что другие ИИ-модели завидуют. Работает на 6 ГБ VRAM с квантованием. Под лицензией Apache 2.0. Если FLUX.2 Klein демократизировал качество, то Z-Image демократизировал *скорость*.

Генерация изображения менее чем за секунду за 8 шагов вывода. Работает всего на 6 ГБ VRAM при квантовании — самая доступная локальная модель, точка. Apache 2.0 с полными коммерческими правами. Несколько специализированных вариантов (Turbo, Edit, Omni-Base) для разных рабочих процессов. Двуязычный рендеринг текста на английском и китайском языках.

Новейшая из трех с самой маленькой экосистемой сообщества. Качество на максимальных настройках немного уступает Qwen-Image и FLUX в их лучших проявлениях. Библиотека LoRA все еще находится в зачаточном состоянии по сравнению с многолетней коллекцией FLUX.