一、教程简介

FLUX.2 是由 Black Forest Labs 于 2025 年 11 月推出的 AI 图像模型。专为实际创意工作流程设计。模型支持最多 10 张图片的多图参考，生成高达 4MP 分辨率的高质量图像，具备极强的细节表现力和文本渲染能力。模型结合视觉语言模型与流变换器架构，显著提升现实世界知识理解和图像生成质量，推动视觉智能技术的开放创新与广泛应用。

该教程算力资源采用单卡 RTX PRO 6000，本教程部署的为 4-bit 量化版模型：diffusers/FLUX.2-dev-bnb-4bit 。 本教程提供 multi-reference editing 、 text-to-image generation 两个案例供测试。

二、效果展示

multi-reference editing

text-to-image generation

三、运行步骤

1. 启动容器

2. 使用步骤

若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 2-3 分钟后刷新页面。

1. multi-reference editing

具体参数：

• Seed：一个输入到生成模型随机数生成器中的初始值，用于控制生成过程中的随机性。
• Width：生成图像的宽。
• Height：生成图像的高。
• Number of inference steps：指生成模型在生成最终结果时所经历的迭代次数或处理步骤数。
• Guidance scale：控制生成模型（如扩散模型）中条件输入对最终生成结果的影响程度。

2. text-to-image generation

具体参数：

• Seed：一个输入到生成模型随机数生成器中的初始值，用于控制生成过程中的随机性。
• Width：生成图像的宽。
• Height：生成图像的高。
• Number of inference steps：指生成模型在生成最终结果时所经历的迭代次数或处理步骤数。
• Guidance scale：控制生成模型（如扩散模型）中条件输入对最终生成结果的影响程度。

四、交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓

引用信息

本项目引用信息如下：

@misc{flux-2-2025,
    author={Black Forest Labs},
    title={{FLUX.2: Frontier Visual Intelligence}},
    year={2025},
    howpublished={\url{https://bfl.ai/blog/flux-2}},
}