/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
FLUX.1-dev
Опубликована
17 ноя 2024

Flux.1-Heavy-17B

Генерация изображенийТекст → изображение3 профессии

Экспериментальное слияние FLUX.1-dev примерно до 17 млрд параметров для генерации изображений по текстовым запросам.

58скачиваний за 30 дней26лайковвеса обновлены19 ноя 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

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

Flux.1-Heavy-17B — экспериментальная модель генерации изображений, созданная автором city96 путём слияния слоёв исходной FLUX.1-dev от Black Forest Labs и последующего ограниченного дообучения. В модели около 17,17 млрд параметров; она принимает текстовые запросы и генерирует изображения. Репозиторий содержит веса в форматах Diffusers и safetensors.

Модель задумана прежде всего как proof of concept увеличения FLUX.1-dev повторением и переплетением групп слоёв. Автор сообщает, что она способна создавать связные изображения, однако следование запросу и генерация текста внутри изображений ненадёжны. Для запуска требуется значительный объём памяти: в README указаны ориентировочно 35–40 ГБ видеопамяти с выгрузкой текстового энкодера и около 80 ГБ оперативной памяти для описанного сценария ComfyUI. Совместимость с LoRA ограничена из-за несовпадения блоков. Лицензия в метаданных указана как other; конкретные условия использования следует сверять с карточкой репозитория.

Сценарии применения

  • эксперименты с генерацией изображений на увеличенной архитектуре FLUX
  • проверка способности слияния слоёв расширять модель генерации изображений
  • создание изображений по текстовым описаниям при наличии мощного оборудования

Ограничения

Модель экспериментальная: автор предупреждает о ненадёжном следовании запросам и ошибках в тексте на изображениях, а также не рекомендует её для обычного использования. Для инференса требуется очень много оперативной и видеопамяти; совместимость с LoRA ограничена.

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

Main cover

Do you feel like you have too much VRAM lately? Want to OOM on a 40GB A100? This is the model for you!


About

This is a 17B self-merge of the original 12B parameter Flux.1-dev model.

Merging was done similarly to 70B->120B LLM merges, with the layers repeated and interwoven in groups.

Final model stats:
 p layers: [    32]
 s layers: [    44]
 n params: [17.17B]

Training

Some post-merge training was done to try and reverse the extensive braindamage the model has suffered, but even after that this is mostly a proof of concept due to not having any hardware capable of properly training this. Still, I think it might be the first open source 17B image model that actually generates coherent images, even if it's just a self-merge.

You can see the text recovering with training. Leftmost image is step 0 base merge:

Training


Usage

Good luck.

Diffusers

Should work with inference pipeline, from_single_file seems to need the custom layer counts passed:

model = FluxTransformer2DModel.from_single_file("flux.1-heavy-17B.safetensors", num_layers=32, num_single_layers=44)

Comfy

Just load it normally via the "Load Diffusion Model" node. You need like 80GBs of system RAM on windows for it to not swap to disk lol.

It requires about 35-40GBs of VRAM for inference, assuming you offloat the text encoder and unload it during VAE decoding. Partial offloading works if you have enough system RAM.

Training

Seems to work out of the box with ostris/ai-toolkit, at least it did when I pointed config -> process -> model -> name_or_path to it in a local folder.


Q&A:

Should I use this model?

No unless you want to brag about it or God forbid train it into something usable.

Where is the merge script?

It's a mess of like 3-4 scripts and some questionable manual editing on some of the biases. You can replicate it if you put the layers after each other with some overlap similarly to this, just leave the later single layers alone.

The merged (untrained) weights are in this repo in the raw folder. You can from_single_file -> save pretrained w/ FluxTransformer2DModel if you need those in the diffusers format.

GGUF? FP8?

It's essential to experience this model in BF16 precision for the full experience of running out of every kind of resources at the same time while trying to run it.

(I'd put some up but I'm out out runpod credits again)

Settings? LoRA compatibility?

Just use the same settings you'd use for regular flux. LoRAs do seem to have at least some effect, but the blocks don't line up so don't expect them to work amazingly.

Does this generate coherent images?

Yes but text and general prompt adherence can be questionable. Example failure mode for text:

Main cover

Was the cover image cherrypicked?

Of course.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
88c8cc7

0 моделей