/ Модель

Характеристики

Лицензия
Не указана
Базовая модель
FLUX.1-dev
Опубликована
13 июл 2026

flux1-dev-turbo-GGUF

Генерация изображенийТекст → изображение3 профессии

FLUX.1-dev Turbo v4 GGUF — это квантизированная 12-миллиардная модель генерации изображений, опубликованная ChrisColeTech на основе black-forest-labs/FLUX.1-dev.

286скачиваний за 30 дней0лайковвеса обновлены9 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Репозиторий содержит веса в разделённом формате GGUF и представляет собой повторно квантизированную turbo-merge-версию без дополнительного обучения.

Модель предназначена для генерации изображений по текстовому описанию (text-to-image) и преобразования изображений по тексту (img2img). В README приведены примеры фотореалистичных сцен и портретов с разрешением 1024×1024, а также стилизации исходных фотографий и синтетических изображений под масляную живопись. Для turbo-версии рекомендуются guidance 1.0 и 20–30 шагов; 12 шагов подходят при приоритете скорости. В img2img strength 0.5 обычно сохраняет композицию исходника, а значение 0.9 существенно заменяет сцену. Повышение guidance примерно выше 1.5 может ухудшать результат и добавлять отсутствующие в исходном изображении объекты.

Ключевые характеристики включают архитектуру FLUX.1-dev, размер около 12B параметров, поддержку текстового и визуального входа в сценарии img2img и формат весов GGUF. Сильными сторонами являются универсальная генерация и управляемая стилизация изображений при низком числе шагов. Ограничения включают чувствительность img2img к параметрам strength и guidance, а также отсутствие в README сведений о поддерживаемых языках, максимальном контексте, точных вариантах квантизации, требованиях к оборудованию и производительности за пределами приведённых примеров. Лицензия указана как unknown, поэтому условия использования по карточке модели определить нельзя.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FLUX.1-dev Turbo v4 — GGUF build

12B FLUX.1-dev turbo-merge. Split GGUF layout.

What this repo is: a requantized, split-layout build of the upstream model — weights only, not a retrain. The recommended settings below are the values these weights are actually run with day to day, not copied from the upstream card.


Samples


img2img

This model does img2img as well as txt2img. All four results below use the same prompt; the captions give the settings that produced each.

Keep guidance at 1.0

This repo holds the turbo v4 merge. Flux uses embedded guidance — the scale is a conditioning input to the transformer, not a second unconditional pass — and this merge is distilled for a low value. engines/flux1.py presets guidance 1.0 and records degradation above roughly 1.5.

Raising it does not sharpen prompt adherence; it adds content that is not in the source. The third image above is the same source and seed at guidance 3.5 — the figure used throughout tests/flux1-dev, which was written for the full flux1-dev checkpoint — and it contains a person who does not exist in the input.

Across the sweep at strength 0.7, guidance 1.0 / 2.0 / 3.5 gave mean pixel differences of 27.5 / 27.6 / 30.5 with luminance flat at ~112: the parameter barely moves tone, it changes content. Invented figures appeared at 3.5 and 5.0, not at 1.0 or 2.0.

strength 0.5 preserves the scene; 0.9 replaces it

strengthresult on a photographic source
0.5composition preserved — ridgeline, valley, sun position and cloud structure hold
0.7preserved, with more freedom in the foreground
0.9scene replaced — the mountain source returned a coastline

Steps

12, 20 and 30 all restyle. 30 is the preset and gives the cleanest result; 12 suffices when speed matters. Step count does not change tone (luminance ~112 across all three), only refinement.

On the synthetic source

The bottom row uses a generated gradient, the source form tests/flux1-dev builds at runtime via create_synthetic_test_image().

It needs strength 0.9 to transform at all. At the photographic preset (strength 0.5) the same source returns a mean pixel difference of 3.7 — visually identical to the input — because a uniform circle and smooth gradient carry no detail for the sampler to work from. At 0.9 the difference is 47.5 and the gradient becomes radial paint strokes with drips and impasto ridges, though the flat circle still reproduces flat.

So the strength that suits a photograph and the strength that suits this fixture are not the same number. Subject preservation also cannot be observed against a source with no subject — validate img2img against a real image as well.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-версии diffusion-моделей не запускаются: нужен репозиторий diffusers.

Ревизия весов
78b4126

0 моделей