目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步。想要系统学习AI知识的朋友可以看看我的教程http://blog.csdn.net/jiangjunshow，教程通俗易懂，风趣幽默，从深度学习基础原理到各领域实战应用都有讲解。

前言

哈喽各位AI绘画爱好者、技术党们！今天给大家带来一个炸裂消息——FLUX.2[klein]正式开源！堪称“小香蕉”的完美平替，速度更快、显存占用更低，消费级显卡就能本地跑，新手也能10分钟搞定部署，话不多说，直接开干！

一、FLUX.2[klein]到底香在哪？

FLUX.2[klein]是黑森林实验室（Black Forest Labs）2026年1月最新发布的紧凑型AI绘画模型，主打亚秒级生成+低显存+全能编辑，对比老款FLUX.1和其他开源模型，优势直接拉满：

对比项	FLUX.2[klein]（4B版）	FLUX.1	SDXL 1.0
参数规模	4B/9B（轻量化）	12B	3.5B
显存要求	8GB+（RTX4060可跑）	16GB+	10GB+
生成速度	0.5-1秒/张（1024×1024）	2-3秒/张	5-8秒/张
核心能力	文生图+图生图+图像编辑	仅文生图	文生图+图生图
授权协议	Apache-2.0（商用友好）	非商用	Apache-2.0

简单说：4B版8G显存就能跑，速度比小香蕉快3倍，还能直接编辑图片，商用还不违规，这性价比直接封神！

二、部署前准备：硬件+环境一键搞定

1. 硬件要求（最低配置）

• 显卡：NVIDIA RTX 3060 8GB/4060 8GB及以上（A卡需用ONNX，本文主打N卡）
• 内存：16GB及以上
• 硬盘：预留20GB空间（模型+依赖）
• 系统：Windows10/11 或 Linux（Ubuntu20.04+）

2. 环境安装（3行命令搞定）

先装Python3.10+（官网下载，勾选“Add to PATH”），然后打开CMD/终端，执行以下命令：

# 1. 安装核心依赖（diffusers+transformers+torch，自动匹配CUDA）
pip install -U diffusers transformers torch accelerate safetensors

# 2. 安装图像工具（用于保存/查看图片）
pip install pillow matplotlib

# 3. 安装huggingface工具（下载模型用）
pip install huggingface_hub

小贴士：如果下载慢，可换国内镜像源，在命令后加 -i https://pypi.tuna.tsinghua.edu.cn/simple

三、极简部署方案：2种方式任选（新手首选方式1）

方式1：Python脚本一键运行（纯代码，无界面，最快上手）

步骤1：创建运行脚本

新建一个文本文件，重命名为 flux2_klein_demo.py，复制以下代码：

import torch
from diffusers import Flux2KleinPipeline
from PIL import Image

# 1. 加载模型（4B版，低显存首选；9B版换"black-forest-labs/FLUX.2-klein-9B"）
model_id = "black-forest-labs/FLUX.2-klein-4B"
dtype = torch.bfloat16  # 低显存优化，RTX30系可用float16

# 加载管道，自动下载模型（首次运行需等10-20分钟，看网速）
pipe = Flux2KleinPipeline.from_pretrained(
    model_id,
    torch_dtype=dtype,
    cache_dir="./models"  # 模型下载到本地models文件夹，避免重复下载
)

# 2. 显存优化（关键！8G显卡必开）
pipe.enable_model_cpu_offload()  # 模型部分卸载到CPU，节省显存
# pipe.enable_vae_slicing()  # 额外优化，显存紧张可开启

# 3. 生成图片（核心代码）
prompt = "一只戴着墨镜的橘猫，坐在复古摩托车上，赛博朋克风格，高清细节，1024×1024"
negative_prompt = "模糊，低分辨率，畸形，多余肢体，水印"

# 生成参数（新手直接用，高手可微调）
image = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    height=1024,
    width=1024,
    guidance_scale=4.0,  # 提示词遵循度，4-6最佳
    num_inference_steps=20,  # 步数越少越快，20步足够清晰
    generator=torch.Generator("cuda").manual_seed(42)  # 固定种子，复现结果
).images[0]

# 4. 保存并查看图片
image.save("flux2_klein_cat.png")
print("图片生成完成！已保存为 flux2_klein_cat.png")
Image.open("flux2_klein_cat.png").show()

步骤2：运行脚本

在脚本所在文件夹打开CMD，执行：

python flux2_klein_demo.py

首次运行会自动下载模型（约16GB），耐心等待即可，后续运行直接生成图片！

方式2：ComfyUI可视化部署（适合喜欢拖拽操作的用户）

步骤1：安装ComfyUI

# 克隆ComfyUI仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 安装依赖
pip install -r requirements.txt

步骤2：下载FLUX.2[klein]模型

• 文本编码器：放到 ComfyUI/models/clip/ 目录
  下载地址：https://huggingface.co/black-forest-labs/FLUX.2-klein-4B/resolve/main/qwen_3_4b.safetensors
• 扩散模型：放到 ComfyUI/models/unet/ 目录
  下载地址：https://huggingface.co/black-forest-labs/FLUX.2-klein-4B/resolve/main/flux-2-klein-base-4b.safetensors
• VAE模型：放到 ComfyUI/models/vae/ 目录
  下载地址：https://huggingface.co/black-forest-labs/FLUX.2-klein-4B/resolve/main/flux2-vae.safetensors

步骤3：启动ComfyUI并加载工作流

# 启动ComfyUI
python main.py

打开浏览器访问 http://127.0.0.1:8188，在模板页面选择「FLUX.2[klein] 4B」工作流，输入提示词即可生成，拖拽式操作，新手也能轻松上手！

四、常见问题&优化技巧

1. 显存不足怎么办？

• 换4B版模型（9B版需12GB+显存）
• 开启 pipe.enable_model_cpu_offload() 和 pipe.enable_vae_slicing()
• 降低图片分辨率（如768×768）
• 减少推理步数（15-20步即可）

2. 模型下载慢/失败？

• 用huggingface镜像：在代码中添加 HF_ENDPOINT=https://hf-mirror.com 环境变量
• 手动下载模型文件，放到 ./models 目录（与代码中cache_dir一致）

3. 生成效果不好？

• 优化提示词：加「高清细节、8K、专业摄影」等词，避免模糊描述
• 调整 guidance_scale（4-6最佳，越大越遵循提示词）
• 换9B版模型（效果更好，显存要求更高）

五、总结与展望

FLUX.2[klein]的开源，彻底降低了AI绘画的本地部署门槛，8G显存就能实现亚秒级生成，还支持图像编辑，无论是个人创作还是小型商用，都非常实用。

赶紧动手试试吧！有任何部署问题，欢迎在评论区留言，一起交流进步～