Характеристики

Лицензия: Apache 2.0
Базовая модель: FLUX.2-klein-4B
Библиотека: diffusers
Опубликована: 21 апр 2026

Ссылки

FLUX.2-klein-AIO-SDNQ-4bit-dynamic

Генерация изображенийТекст → изображение3 профессии

Квантованная дообученная FLUX.2-klein-4B для генерации и пакетного редактирования изображений, включая подготовку квадратных композиций для обучения LoRA.

50скачиваний за 30 дней4лайкавеса обновлены10 мая 2026

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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Открыть конструктор бенчмарка

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

Это квантованная версия дообученной модели FLUX.2-klein-4B от Black Forest Labs, опубликованная codeShare. Она предназначена для генерации и редактирования изображений по текстовым инструкциям, в частности для пакетной компоновки объектов переднего плана и фонов в квадратные изображения 1024×1024 для подготовки данных к обучению LoRA-моделей генерации изображений. Карточка описывает запуск в Google Colab или Kaggle на GPU T4; для двух T4 автор указывает примерно вдвое более быструю обработку по сравнению с одной T4.

Модель распространяется в формате Diffusers и Safetensors с лицензией Apache-2.0. В метаданных указаны английский язык и задача text-to-image. Карточка также описывает редактирование изображений с помощью промпта и входных изображений переднего плана и фона. Точные параметры квантования и размер модели в метаданных не приведены.

Сценарии применения

компоновка объекта переднего плана на заданном фоне
пакетная обработка фотографий для замены фона
создание квадратных изображений 1024×1024 для датасета LoRA
генерация изображений по текстовому промпту
редактирование изображений по инструкции

Ограничения

Карточка ориентирует запуск на Google Colab или Kaggle с GPU T4, поэтому применимость на других конфигурациях не описана. Для зашифрованного рабочего процесса нужно сохранить пароль, иначе результаты нельзя будет расшифровать.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model is a finetuned Flux.2-Klein-4B model. The model as been quantized for use on the T4 in the Google Colab environment. Code on how to use this quantization is provided in this model card ⬇️.

From: https://civitai.red/models/2327389/flux2-klein-aio?modelVersionId=2618128 (the most popular Klein 4B finetune currently)

Step 1: To Use in google Colab , first make sure to fill 2 zip files on your Googoe drive called foregrounds.zip and backgrounds.zip

Then run the encrypt cell https://huggingface.co/codeShare/FLUX.2-klein-AIO-SDNQ-4bit-dynamic/blob/main/colab_notebooks/twin_input_setup/%F0%9F%94%93encrypt_kaggle_dataset.ipynb

This will create a folder of encrypted images + settings and the edit prompt for batch processing.

Step 2: Then you can either run the encrypted image folder in the run cell for google colab: https://huggingface.co/codeShare/FLUX.2-klein-AIO-SDNQ-4bit-dynamic/blob/main/colab_notebooks/twin_input_setup/dual_pipe_klein_edit_colab.ipynb

Or alternatively , as I prefer it , run the cell on Kaggle: https://huggingface.co/codeShare/FLUX.2-klein-AIO-SDNQ-4bit-dynamic/blob/main/kaggle_notebooks/twin_input_setup/fg-bg-klein.ipynb Running on kaggle.com has the advantage of using 2xT4 instead of one which are twice as fast (one image edit every 15 seconds roughly , compare to colab one every 30 seconds) , and the script can be run and will auto disconnect upon completion. Unlike the Google colab variant which needs to be kept open in browser.)

Step 3: Finally , decrypt the results using the decrypt cell: https://huggingface.co/codeShare/FLUX.2-klein-AIO-SDNQ-4bit-dynamic/blob/main/colab_notebooks/twin_input_setup/decrypt_results.ipynb

For this step you need to remember the password in order to decrypt the contents.

//--//

Output example

Suppose you have a foreground image of a fashion photo from dollskillz fashion brand:

And have this background (you can find alot of gradient backgrounds and such on pinterest):

Then , assuming you have an edit_prompt sorta similiar to 'place the character on image 1 on the background in image 2' , the output result from the SDNQ klein 4b edit model as a 1024x1024 square will be

//--//

This us the main task I intented of this SDNQ klein 4B version; to process foregrounds and backgrounds into 1024x1024 squares that can be used for lora training text to image models.

Here are other examples:

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов: 9911dd2