FLUX 3 Image Kleinの料金と商用利用：「8GBで動く」の前提とAPIとの使い分け

ブログのアイキャッチを月30枚作っても、APIなら1ドル150円換算で50円ほど。Black Forest Labs（BFL）が10月15日に公開した画像生成モデル「FLUX 3 Image Klein」は、1枚0.008ドルから使えます。しかも重みが公開されていて、8GBのGPUでも動くとされています。

ただ、「8GBで動く」という見出しだけを信じて手元のPCに入れると、つまずきます。公式のモデルカードには「プロンプトアップサンプラーなしで使わないこと」とはっきり書かれていて、そのアップサンプラーだけで9.8GBあるからです。

私の答えはこうです。月に数千枚までならAPIで十分。ローカルで動かすなら、アップサンプラーの代わりにChatGPTやClaudeでプロンプトを書き広げる運用を前提にする。料金、ライセンス、ローカルの条件の順に見ていきます。

FLUX 3 Image Kleinは上位モデルの機能を56億パラメータに収めた版

Kleinは、BFLの上位モデルFLUX 3 Imageの小型版です。BFLの発表によると、パラメータ数は56億。テキストからの生成、画像の編集、最大10枚の参照画像を使った生成に対応し、4Kで直接出力できます。画像のどこに何を置くかを枠で指定するバウンディングボックスの機能も、上位モデルと共通です。

重みは、手順を減らした蒸留版と、元のベース版の2種類がHugging Faceで公開されています。BFLの社内評価では、前世代のFLUX.2 [klein] 9Bより、生成でElo+91、編集で+70。Ideogram V4.5やQwen-Image 2.1、Krea 2より上位だとしています。ただし、どの数字もBFLが出したもので、第三者の比較はまだありません。

API料金は1枚0.008〜0.036ドル。生成も編集も同じ値段

BFLの料金表は解像度ごとの定額で、生成と編集は同じ値段です。上位のFLUX 3 Imageと並べると、差がよく分かります。

FLUX 3 Imageの価格は、OrcaRouterがBFLの料金表から整理した数字です。4Kでは約17分の1になります。Kleinには768×768の0.008ドル、1.5Kの0.011ドルという段もあります。

使い方に当てはめて計算してみます。為替は1ドル150円と仮定します。

• ブログのアイキャッチを1.5Kで月30枚：0.011ドル×30枚＝0.33ドル、約50円
• ECの商品写真の背景差し替えを2Kで月1,000枚：0.014ドル×1,000枚＝14ドル、約2,100円
• 印刷用に4Kで月100枚：0.036ドル×100枚＝3.6ドル、約540円

APIの料金にはプロンプトの自動展開も含まれていて、後で書くアップサンプラーの問題を気にせず使えます。お試しなら、BFLのPlaygroundで生成できます。商品写真の背景差し替えをほかの選択肢と比べたい人は、Krea 3の料金と使い方の記事も参考になります。

商用利用は年商500万ドル未満なら無料。ただし3つの線引きがある

重みは「FLUX Kommunity License」で公開されています。Hugging Faceのモデルカードによると、非商用の利用に加え、年商500万ドル未満の利用者は出力を商用目的で生成できます。1ドル150円なら約7億5,000万円で、個人や多くの中小企業は収まります。

見落としやすい線引きが3つあります。

一つ目は、売上を関連会社と合算して判定することです。小さな子会社でも、グループ全体の売上が基準を超えれば対象外です。

二つ目は、モデルや出力を、FLUXと同じような機能を持つ別のAIモデルの改善に使ってはいけないことです。Kleinで作った画像を、別の画像生成モデルの学習データにする使い方はできません。

三つ目は、商用の例外が、ファインチューニングや再配布までまとめて認めるものではないことです。自社の商品写真でLoRAを作って社外に配る、といった使い方は、別途確認が必要です。

年商が基準を超える会社は、APIを使うか、BFLからセルフホスト用のライセンスを受けることになります。迷ったら、まずAPIで始めるのが手堅い選択です。

「8GBで動く」の前提：アップサンプラーは必須、ファイルは最小でも約10GB

BFLの発表どおり、画像を作る本体はINT8版なら8GBのGPUで動きます。生成速度は、蒸留版16ステップでRTX 5090が約4秒、RTX 4070が9秒弱です。これはNVIDIAの計測です。

問題は本体の外側です。モデルカードは、短いプロンプトをそのまま入れるとありきたりな画像になるとして、アップサンプラーで1つの詳しい情景説明に書き広げてから使うよう求めています。BFLが用意したアップサンプラーはQwen3.5-9Bを使ったもので、INT8版でも9.8GBあります。

OrcaRouterの集計では、BF16で一式をそろえると約39GBになります。量子化版を選んでも、画像の本体、テキストエンコーダ、画像の復元部分だけで約10.5GB、アップサンプラーを足すと約20GBです。部品は順番に読み込むので、ファイルの合計がそのままGPUメモリの必要量になるわけではありません。それでも、8GBのノートPCで気軽に試せる、という印象とは差があります。

Macでの報告もあります。M5 Max・メモリ128GBで試したQiitaの記事では、1024×1024の生成に約18.5秒、16:9で約28秒かかり、モデル単体で約40GBのメモリを使ったそうです。

アップサンプラーはChatGPTやClaudeで代用できる

ここで効いてくるのが、モデルカードの一文です。アップサンプラーは「BFL製か、自分のLLM」でよいとされています。つまり、9.8GBのアップサンプラーを手元で動かさなくても、ChatGPTやClaudeでプロンプトを詳しい情景説明に書き広げてから渡せば、条件を満たせます。

私なら、次のような指示文を用意しておきます。

次の画像の依頼を、画像生成モデルに渡す英語の情景説明に書き直してください。
1段落で、被写体、構図、カメラの位置、光、色、背景、質感を具体的に書くこと。
画像に入れる文字がある場合は、その文字と位置を明記すること。
説明や前置きは書かず、情景説明だけを出力すること。

依頼：白い背景の上に置かれた革の名刺入れ。EC商品写真。

この方法なら、手元に必要なのは本体とテキストエンコーダなどの約10GBで済みます。ただし、BFL製のアップサンプラーと同じ品質の説明になるかは、私はまだ確かめていません。BFLのアップサンプラーはFLUX 3向けに調整されているので、まず同じ依頼をAPIとローカルの両方で作って見比べ、差が許せる範囲かを確認するのが安全です。

日本語の文字入れは、まだ当てにしないほうがいい

アイキャッチに日本語の見出しを入れたい人は多いはずです。ここは評価が割れています。GIGAZINEの記事は、日本語のテキストも高品質に描画できるようだとして生成例を載せました。一方、先のQiitaの検証では、「操」の字が13枚中13枚で崩れ、「品」の口が2つになるなど、画数の多い漢字で失敗が続いています。

同じ検証では、枠で指定した位置に要素を置く精度はKleinがGPT Image 2.5を上回り、日本語の見出しはGPT Image 2.5のほうが正確でした。現時点では、画像はKleinで作り、日本語の文字はCanvaなどで後から載せるのが確実だと私は考えます。

APIかローカルか：損益分岐は数万枚

選び方は、月の枚数と手元の機材で決まります。

APIが向くのは、ほとんどの個人と中小企業です。月1,000枚を2Kで作っても約2,100円で、アップサンプラーも込みです。GPUを持っていないなら、ローカルのために買う理由はまずありません。仮に10万円のGPUを買うとすると、2Kで1枚約2.1円のAPIに対して元を取るには約4万8,000枚が必要です。電気代や設定の手間を入れれば、さらに増えます。

ローカルが向くのは、すでに8GB以上、余裕を見れば12GB以上のGPUを持っていて、月に数万枚を作る人か、画像を社外に出せない事情がある人です。商品画像の大量生成や、未発表の製品を扱う作業がこれに当たります。この場合も、年商500万ドルの基準と、出力を他の画像モデルの学習に使わないという条件は守る必要があります。

今日やるなら、Playgroundで自分のブログや商品の画像を10枚作ってみるところからで十分です。1Kなら合計0.09ドル、15円もかかりません。その10枚を見て、今使っているサービスより良いと思えたら、APIに切り替えるかローカルに入れるかを考えれば遅くありません。