Workflow FLUX.2 Klein 9B: Panduan Setup Lokal

Jawaban singkat: cara tercepat menjalankan FLUX.2 Klein 9B secara lokal adalah ComfyUI dengan tiga file: model difusi FP8 dari Black Forest Labs, text encoder Qwen3 8B, dan VAE FLUX.2. Gunakan checkpoint distilled dengan 4 langkah dan CFG 1.0 untuk kecepatan, atau checkpoint Base dengan 20 sampai 50 langkah dan CFG sekitar 4 sampai 5 jika Anda butuh variasi lebih banyak atau berencana melatih LoRA. Bobot 9B dirilis di bawah FLUX Non-Commercial License, jadi periksa ketentuan lisensinya sebelum memasukkan model ini ke produk berbayar.

Jika Anda tidak ingin mengurus GPU, driver, dan file model, model hosted FLUX.2 Pro, Flex, dan Max di APIMart menangani pekerjaan text-to-image dan edit berbasis referensi yang sama melalui satu API. APIMart tidak meng-host Klein; panduan ini membahas cara menjalankan Klein di mesin Anda sendiri dan menunjukkan kapan model FLUX.2 hosted menjadi pilihan yang lebih praktis.

Poin Utama

• FLUX.2 Klein dirilis oleh Black Forest Labs pada 15 Januari 2026 dalam ukuran 4B dan 9B, masing-masing sebagai model distilled 4 langkah dan model Base yang tidak di-distill (pengumuman BFL).
• Klein 9B memadukan flow transformer 9B dengan text encoder Qwen3 8B dan membutuhkan sekitar 29GB VRAM pada presisi penuh, menurut model card Hugging Face.
• Model 9B distilled berjalan dengan 4 langkah dan guidance 1.0; contoh di card Base 9B memakai 50 langkah dengan guidance 4.0, dan template text-to-image 9B di ComfyUI memakai 20 langkah dengan CFG 5.
• Kedua checkpoint 9B memakai FLUX Non-Commercial License, sedangkan kedua checkpoint 4B berlisensi Apache 2.0.
• Bobot FP8 memangkas penggunaan VRAM hingga 40% dan NVFP4 hingga 55%, berdasarkan angka BFL untuk GPU RTX.
• Satu model Klein menangani text-to-image, edit satu referensi, dan edit multi-referensi; di ComfyUI, workflow edit cukup menambahkan node ReferenceLatent ke graph yang sama.

Sekilas FLUX.2 Klein

Sumber: pengumuman BFL, card Klein 9B, card Klein Base 9B, card Klein 4B, dan tutorial Klein di ComfyUI.

Varian Klein Mana yang Sebaiknya Diunduh?

Distilled vs Base

Checkpoint distilled telah di-distill menjadi 4 langkah sampling. Inilah yang membuat Klein cepat: BFL menyebut keluarga model ini bisa menghasilkan atau mengedit gambar dalam waktu kurang dari 0,5 detik di perangkat keras modern, dan tim ComfyUI mengukur sekitar 1,2 detik end-to-end untuk model 4B distilled di RTX 5090.

Checkpoint Base tidak di-distill. Model ini butuh lebih banyak langkah, tetapi BFL menyebut keragaman output-nya lebih tinggi, dan inilah yang dipakai untuk fine-tuning dan pelatihan LoRA. Model card Base 9B menyebutnya "ideal for fine-tuning, LoRA training, research, and custom pipelines where control matters more than speed."

4B vs 9B

Model 9B adalah model Klein unggulan BFL; BFL menyatakan model ini menyamai atau melampaui model yang lima kali lebih besar. Model 4B adalah opsi yang lebih terjangkau: muat dalam sekitar 13GB VRAM, yang menurut BFL setara RTX 3090 atau 4070 ke atas. Jika GPU Anda kurang dari 24GB, mulailah dengan workflow 4B atau bobot 9B FP8 ditambah tips VRAM rendah di bawah.

Lisensi: apa yang boleh dan tidak boleh

Bagian ini sering dilewati panduan lokal lain. Klein 4B dan Base 4B berlisensi Apache 2.0 yang mengizinkan penggunaan komersial. Klein 9B dan Base 9B memakai FLUX Non-Commercial License. Berdasarkan lisensi itu, model dan turunannya hanya boleh dipakai untuk tujuan non-komersial, dan lisensi secara eksplisit mengecualikan penggunaan model untuk keperluan komersial atau produksi. Lisensi yang sama menyatakan BFL tidak mengklaim kepemilikan atas output, dan output boleh dipakai untuk tujuan apa pun termasuk komersial, kecuali yang dilarang lisensi, misalnya memakai output untuk melatih model pesaing.

Dalam praktiknya: eksperimen, riset, dan proyek pribadi dengan 9B tidak masalah. Menjalankan 9B di dalam produk berbayar atau pipeline produksi membutuhkan lisensi komersial dari BFL (bfl.ai/licensing), atau Anda bisa beralih ke model 4B berlisensi Apache atau model FLUX.2 hosted. Ini bukan nasihat hukum, jadi baca sendiri teks lisensinya.

Prasyarat: Perangkat Keras, Perangkat Lunak, dan Akses

GPU dan memori

BFL juga melaporkan FP8 hingga 1,6x lebih cepat dan NVFP4 hingga 2,7x lebih cepat, diukur di RTX 5080 dan 5090 pada 1024x1024.

Versi ComfyUI

Klein memakai node FLUX.2 yang lebih baru seperti Flux2Scheduler dan EmptyFlux2LatentImage. Dokumentasi ComfyUI menyebutkan bahwa jika template Klein tidak muncul atau node gagal dimuat, instalasi Anda sudah usang, dan menyarankan build terbaru (Nightly). Aplikasi Desktop bisa tertinggal dari rilis utama, jadi lakukan update sebelum memecahkan masalah lain.

Akses Hugging Face

Repositori 9B bersifat gated. Masuk ke Hugging Face, buka repositori Klein 9B FP8, setujui lisensi dan Acceptable Use Policy, lalu buat token baca untuk unduhan lewat command line.

Langkah 1: Unduh File Model

Tutorial ComfyUI mencantumkan file berikut untuk workflow 9B:

Untuk memulai, Anda cukup butuh satu model difusi. Pilih file distilled untuk kecepatan, atau file Base jika berencana melatih LoRA.

export HF_TOKEN=hf_xxx

curl -L -H "Authorization: Bearer $HF_TOKEN" \
  -o ComfyUI/models/diffusion_models/flux-2-klein-9b-fp8.safetensors \
  https://huggingface.co/black-forest-labs/FLUX.2-klein-9b-fp8/resolve/main/flux-2-klein-9b-fp8.safetensors

curl -L -o ComfyUI/models/text_encoders/qwen_3_8b_fp8mixed.safetensors \
  https://huggingface.co/Comfy-Org/flux2-klein-9B/resolve/main/split_files/text_encoders/qwen_3_8b_fp8mixed.safetensors

curl -L -o ComfyUI/models/vae/flux2-vae.safetensors \
  https://huggingface.co/Comfy-Org/flux2-dev/resolve/main/split_files/vae/flux2-vae.safetensors

Struktur foldernya akan terlihat seperti ini:

ComfyUI/
└── models/
    ├── diffusion_models/
    │   └── flux-2-klein-9b-fp8.safetensors
    ├── text_encoders/
    │   └── qwen_3_8b_fp8mixed.safetensors
    └── vae/
        └── flux2-vae.safetensors

Jangan mencampur encoder antar ukuran. Workflow 4B memakai qwen_3_4b.safetensors, sedangkan workflow 9B memakai encoder Qwen3 8B.

Langkah 2: Susun Workflow Text-to-Image

Cara termudah adalah memakai template bawaan. Di ComfyUI, buka browser template dan muat Flux.2 Klein 9B Text to Image (image_flux2_text_to_image_9b). JSON template ini publik di repositori Comfy-Org workflow_templates, jadi Anda bisa memeriksanya sebelum dijalankan.

Node di dalam graph

Template 9B bawaan memuat checkpoint Base dengan 20 langkah dan CFG 5. Jika Anda mengganti UNETLoader ke file distilled, ubah Flux2Scheduler menjadi 4 langkah dan CFGGuider menjadi 1.0, sesuai model card distilled dan template edit distilled di ComfyUI. Membiarkan setelan ala Base pada model distilled hanya membuang waktu dan bisa membuat gambar terlihat "gosong".

Setelan yang terbukti jalan

Jaga lebar dan tinggi Flux2Scheduler tetap sama dengan ukuran latent. Template resmi mengambil keduanya dari nilai lebar dan tinggi yang sama, jadi tiru pola itu saat menyusun graph sendiri atau beralih ke ukuran non-persegi.

Prompt untuk menguji pipeline

Klein memahami deskripsi bahasa alami dengan baik, jadi tulis prompt sebagai kalimat utuh berisi subjek, latar, pencahayaan, dan teks yang ingin dirender:

A vintage motorcycle parked outside a 1950s roadside diner at dusk, neon sign reading "OPEN LATE", wet asphalt reflecting pink and teal light, 35mm photo, shallow depth of field

Jika gambar pertama keluar dalam beberapa detik dan teks pada papan nama terbaca, instalasi Anda sudah berfungsi. Untuk ide struktur prompt yang juga berlaku bagi model FLUX secara umum, lihat panduan prompting FLUX 3 kami.

Langkah 3: Susun Workflow Edit Gambar

Klein memakai model yang sama untuk edit, jadi Anda tidak butuh checkpoint terpisah ala Kontext. ComfyUI menyediakan dua template edit 9B: image_flux2_klein_image_edit_9b_distilled dan image_flux2_klein_image_edit_9b_base.

Perbedaan graph edit

Latent referensi ditempelkan ke prompt positif dan ke conditioning negatif yang sudah dinolkan, lalu keduanya masuk ke CFGGuider. Karena GetImageSize mengatur EmptyFlux2LatentImage dan Flux2Scheduler, output mempertahankan rasio aspek gambar referensi pertama Anda.

Edit dengan satu referensi

Muat satu gambar dan jelaskan perubahannya, bukan seluruh adegan. Template edit distilled memakai 4 langkah dan CFG 1, dan setelan yang sama adalah titik awal yang tepat untuk edit Anda sendiri.

Change the jacket to deep red leather, keep the face, pose, background and lighting unchanged

Edit dengan banyak referensi

Untuk dua gambar atau lebih, template merangkai satu ReferenceLatent per gambar di jalur positif maupun negatif. Sebut gambar berdasarkan urutannya di prompt:

Place the white handbag from image 2 on the woman's shoulder in image 1, match the soft window light of image 1

Dokumentasi BFL mencantumkan dukungan hingga 4 gambar referensi untuk Klein melalui API-nya (ikhtisar FLUX.2); di graph lokal, makin banyak referensi berarti makin besar memori dan makin lambat prosesnya.

Pemecahan Masalah dan Optimasi VRAM Rendah

Error umum dan solusinya

Daftar cek VRAM rendah

• Pakai checkpoint FP8 terlebih dahulu; BFL menyebut VRAM hingga 40% lebih rendah. NVFP4 lebih hemat lagi di kartu RTX yang mendukung.
• Gunakan text encoder fp8mixed, bukan versi presisi penuh.
• Jalankan ComfyUI dengan --lowvram agar bagian model dipindahkan ke RAM sistem saat GPU penuh.
• Generate pada 1024x1024 atau lebih kecil lalu upscale, alih-alih sampling di ukuran sangat besar.
• Pertahankan batch size 1 dan kurangi jumlah gambar referensi di graph edit.
• Jika 9B tetap tidak muat, model 4B distilled berjalan dengan 8,4GB menurut pengukuran ComfyUI.

python main.py --lowvram

Menjalankan Klein 9B dengan Diffusers

Jika Anda lebih suka Python daripada graph node, model card menyertakan contoh Diffusers. Contoh ini butuh Diffusers versi development:

pip install git+https://github.com/huggingface/diffusers.git

import torch
from diffusers import Flux2KleinPipeline

pipe = Flux2KleinPipeline.from_pretrained(
    "black-forest-labs/FLUX.2-klein-9B", torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()  # offloads idle parts to CPU to save VRAM

image = pipe(
    prompt="A cat holding a sign that says hello world",
    height=1024,
    width=1024,
    guidance_scale=1.0,
    num_inference_steps=4,
    generator=torch.Generator("cuda").manual_seed(0),
).images[0]
image.save("flux-klein.png")

Untuk Base 9B, ganti repositori ke black-forest-labs/FLUX.2-klein-base-9B dan gunakan guidance_scale=4.0 dengan num_inference_steps=50, seperti contoh di card tersebut.

Kapan FLUX.2 Pro atau Flex Hosted Lebih Tepat

Klein lokal sangat bagus untuk iterasi cepat, eksperimen privat, dan pekerjaan LoRA. Namun kurang praktis jika Anda butuh hak komersial atas model 9B, uptime yang terjamin, atau kapasitas melebihi satu GPU.

Klein 9B lokal vs FLUX.2 hosted

Memilih model hosted

APIMart menyediakan tiga ID model FLUX.2 di endpoint /v1/images/generations: flux-2-pro untuk produksi harian yang seimbang, flux-2-flex jika Anda ingin menyetel langkah dan guidance (misalnya poster yang banyak tipografi), dan flux-2-max untuk kualitas tertinggi dengan kecepatan lebih lambat. Harga bergantung pada tingkat resolusi output dan jumlah gambar referensi; cek halaman model FLUX.2 sebelum menyusun anggaran.

curl --request POST \
  --url https://api.apimart.ai/v1/images/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "flux-2-flex",
    "prompt": "Minimal poster with the headline SUMMER SALE and a small line reading 50% OFF",
    "resolution": "2K",
    "size": "3:4",
    "steps": 50,
    "guidance": 6.5
  }'

Panggilan ini asinkron dan mengembalikan data[0].task_id. Lakukan polling GET https://api.apimart.ai/v1/tasks/{task_id} sampai status bernilai completed, lalu ambil URL gambar dari result.images. Untuk edit dengan referensi, kirim hingga 8 URL publik di image_urls. Untuk pola produksi dengan retry dan penyimpanan, lihat panduan kami tentang workflow gambar FLUX untuk developer, dan untuk perbandingan kecepatan serta VRAM dengan model open lain yang cepat, baca Z-Image Turbo vs Flux.

Pendekatan hybrid yang praktis

Banyak tim membuat prototipe prompt dan LoRA di Klein lokal, lalu mengirim render final atau render untuk klien ke model FLUX.2 hosted. Prompt yang ditulis sebagai kalimat deskriptif biasa mudah dipindahkan di antara keduanya, jadi Anda jarang perlu menulis ulang.

Pertanyaan Umum

Apa beda FLUX.2 Klein 9B dan Klein Base 9B?

Klein 9B telah di-distill agar berjalan dalam 4 langkah dengan guidance 1.0, sehingga cukup cepat untuk generasi yang hampir real-time. Klein Base 9B adalah model fondasi yang tidak di-distill; butuh 20 sampai 50 langkah tetapi menghasilkan output yang lebih beragam dan menjadi titik awal yang disarankan untuk fine-tuning serta pelatihan LoRA.

Bolehkah FLUX.2 Klein 9B dipakai secara komersial?

Modelnya sendiri tidak, tanpa perjanjian terpisah. Kedua checkpoint 9B memakai FLUX Non-Commercial License yang membatasi penggunaan model untuk tujuan non-komersial; BFL menawarkan lisensi komersial di bfl.ai/licensing. Lisensi tersebut menyatakan output boleh dipakai untuk tujuan apa pun, termasuk komersial, dengan beberapa pengecualian, jadi baca selengkapnya. Klein 4B berlisensi Apache 2.0 jika Anda butuh opsi komersial self-hosted.

Berapa VRAM yang dibutuhkan FLUX.2 Klein 9B?

Model card menyebut sekitar 29GB pada presisi penuh, yang mengarah ke RTX 4090 atau lebih tinggi dengan CPU offloading. Bobot FP8 mengurangi pemakaian memori hingga 40% dan NVFP4 hingga 55% menurut BFL; angka VRAM pasti untuk 9B FP8 belum dikonfirmasi resmi. Pada kartu 16GB atau lebih kecil, model 4B adalah pilihan yang lebih aman.

Berapa langkah dan CFG yang sebaiknya dipakai di ComfyUI?

Untuk model 9B distilled, gunakan 4 langkah dan CFG 1.0 dengan sampler euler. Untuk Base 9B, template ComfyUI memakai 20 langkah dan CFG 5, sedangkan contoh Hugging Face memakai 50 langkah dan guidance 4.0. Mulailah dari 1024x1024 untuk keduanya.

Apakah Klein butuh model terpisah untuk edit gambar?

Tidak. Satu checkpoint Klein menangani text-to-image, edit satu referensi, dan edit multi-referensi. Di ComfyUI Anda cukup menambahkan node LoadImage, VAEEncode, dan ReferenceLatent ke graph text-to-image, atau memuat template edit resmi.

Apakah FLUX.2 Klein tersedia di APIMart?

Tidak. APIMart menyediakan model hosted FLUX.2 Pro, Flex, dan Max, bukan Klein. Model-model ini adalah alternatif yang baik jika Anda lebih suka memanggil API daripada mengurus lisensi open-weight, butuh hingga 8 gambar referensi, atau tidak punya GPU lokal yang memadai.

Yang Perlu Dipantau Selanjutnya

Klein berkembang cepat di komunitas, dengan banyak adapter, fine-tune, dan kuantisasi yang sudah tercantum di halaman Hugging Face-nya. Pantau pembaruan template ComfyUI, bobot terkuantisasi baru, dan perubahan lisensi BFL, karena masing-masing bisa mengubah apa yang muat di GPU Anda dan apa yang boleh Anda rilis. Jika beban kerja Anda melampaui satu mesin atau butuh ketentuan komersial yang jelas, uji prompt yang sama di FLUX.2 Pro atau Flex hosted sebelum melakukan scale up.