FLUX.2 Klein 9B 워크플로: ComfyUI 로컬 설치 가이드

결론부터 말하면, FLUX.2 Klein 9B를 로컬에서 가장 빠르게 실행하는 방법은 ComfyUI이며 파일은 세 개면 충분합니다. Black Forest Labs의 FP8 디퓨전 모델, Qwen3 8B 텍스트 인코더, FLUX.2 VAE입니다. 속도가 중요하면 증류(distilled) 버전을 4스텝, CFG 1.0으로 쓰고, 더 다양한 결과가 필요하거나 LoRA 학습을 계획한다면 Base 버전을 2050스텝, CFG 약 45로 사용하세요. 9B 가중치는 FLUX Non-Commercial License(비상업 라이선스)로 공개되어 있으므로, 모델 자체를 유료 제품에 넣기 전에 라이선스 조건을 꼭 확인해야 합니다.

GPU, 드라이버, 모델 파일을 직접 관리하고 싶지 않다면 APIMart에서 호스팅하는 FLUX.2 Pro, Flex, Max로 같은 텍스트-이미지 생성과 참조 이미지 편집 작업을 하나의 API로 처리할 수 있습니다. 단, APIMart는 Klein 자체를 제공하지 않습니다. 이 글은 내 컴퓨터에서 Klein을 실행하는 방법을 다루고, 호스팅 FLUX.2가 더 간편한 경우도 함께 안내합니다.

핵심 요약

• FLUX.2 Klein은 Black Forest Labs가 2026년 1월 15일에 공개했으며, 4B와 9B 두 가지 크기에 각각 4스텝 증류 모델과 비증류 Base 모델이 있습니다(BFL 공식 발표).
• Hugging Face 모델 카드에 따르면 Klein 9B는 9B 플로 트랜스포머와 8B Qwen3 텍스트 인코더로 구성되며, 풀 정밀도에서 약 29GB VRAM이 필요합니다.
• 증류 9B는 4스텝·guidance 1.0, Base 9B 모델 카드 예시는 50스텝·guidance 4.0, ComfyUI의 9B 텍스트-이미지 템플릿은 20스텝·CFG 5를 사용합니다.
• 9B 체크포인트 두 개는 모두 FLUX Non-Commercial License이고, 4B 체크포인트 두 개는 모두 Apache 2.0입니다.
• BFL이 RTX GPU 기준으로 공개한 수치에 따르면 FP8 가중치는 VRAM 사용량을 최대 40%, NVFP4는 최대 55% 줄여 줍니다.
• 하나의 Klein 모델로 텍스트-이미지 생성, 단일 참조 편집, 다중 참조 편집을 모두 처리하며, ComfyUI에서는 같은 그래프에 ReferenceLatent 노드를 추가하면 편집 워크플로가 됩니다.

FLUX.2 Klein 한눈에 보기

출처: BFL 공식 발표, Klein 9B 모델 카드, Klein Base 9B 모델 카드, Klein 4B 모델 카드, ComfyUI Klein 튜토리얼.

어떤 Klein 버전을 받아야 할까?

증류 버전과 Base 버전

증류 체크포인트는 스텝 증류를 거쳐 4번의 샘플링 스텝만으로 이미지를 만듭니다. Klein이 빠른 이유가 바로 이것입니다. BFL은 최신 하드웨어에서 이미지 생성·편집이 0.5초도 걸리지 않는다고 밝혔고, ComfyUI 팀은 RTX 5090에서 4B 증류 모델이 엔드투엔드 약 1.2초 걸린다고 측정했습니다.

Base 체크포인트는 증류되지 않았기 때문에 훨씬 많은 스텝이 필요하지만, BFL에 따르면 출력 다양성이 더 높고 파인튜닝과 LoRA 학습에는 이 버전을 써야 합니다. Base 9B 모델 카드는 이 모델을 "속도보다 제어가 중요한 파인튜닝, LoRA 학습, 연구, 커스텀 파이프라인에 이상적"이라고 설명합니다.

4B와 9B

9B는 Klein 시리즈의 플래그십으로, BFL은 크기가 5배인 모델과 대등하거나 더 낫다고 말합니다. 4B는 진입 장벽이 낮은 선택지로 약 13GB VRAM에 들어가며, BFL은 RTX 3090/4070 이상을 기준으로 제시합니다. GPU VRAM이 24GB 미만이라면 4B 워크플로부터 시작하거나, FP8 9B 가중치와 아래의 저VRAM 팁을 함께 사용하세요.

라이선스: 할 수 있는 것과 없는 것

대부분의 로컬 설치 가이드가 건너뛰는 부분입니다. Klein 4B와 Base 4B는 Apache 2.0이라 상업적 사용이 가능합니다. Klein 9B와 Base 9B는 FLUX Non-Commercial License를 따릅니다. 이 라이선스에 따르면 모델과 파생물은 비상업적 목적으로만 사용할 수 있고, 모델의 상업적·프로덕션 사용은 명시적으로 제외됩니다. 같은 라이선스에는 BFL이 출력물에 대한 소유권을 주장하지 않으며, 라이선스가 금지하는 경우(예: 출력물로 경쟁 모델을 학습하는 것)를 제외하면 출력물을 상업적 용도를 포함한 모든 목적으로 사용할 수 있다고도 적혀 있습니다.

실무적으로 정리하면, 9B로 하는 실험, 연구, 개인 프로젝트는 괜찮습니다. 유료 제품이나 프로덕션 파이프라인에서 9B를 돌리려면 BFL의 상업 라이선스(bfl.ai/licensing)가 필요하며, 아니면 Apache 라이선스의 4B나 호스팅 FLUX.2로 바꾸면 됩니다. 이 글은 법률 자문이 아니므로 라이선스 원문을 직접 확인하세요.

사전 준비: 하드웨어, 소프트웨어, 접근 권한

GPU와 메모리

BFL은 RTX 5080/5090, 1024x1024 조건에서 FP8이 최대 1.6배, NVFP4가 최대 2.7배 빠르다고도 밝혔습니다.

ComfyUI 버전

Klein은 Flux2Scheduler, EmptyFlux2LatentImage 같은 새 FLUX.2 노드를 사용합니다. ComfyUI 문서에 따르면 Klein 템플릿이 보이지 않거나 노드 로딩에 실패하면 설치 버전이 오래된 것이므로 최신 Nightly 빌드를 권장합니다. Desktop 앱은 메인 릴리스보다 업데이트가 늦을 수 있으니, 다른 문제를 살피기 전에 먼저 업데이트하세요.

Hugging Face 접근 권한

9B 저장소는 게이트(gated) 저장소입니다. Hugging Face에 로그인해 Klein 9B FP8 저장소를 열고 라이선스와 허용 사용 정책에 동의한 뒤, 명령줄 다운로드용 read 토큰을 만드세요.

1단계: 모델 파일 다운로드

ComfyUI 튜토리얼은 9B 워크플로에 다음 파일을 안내합니다.

처음에는 디퓨전 모델 하나만 있으면 됩니다. 속도가 목적이면 증류 파일을, LoRA 학습을 계획한다면 Base 파일을 고르세요.

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

다운로드 후 폴더 구조는 다음과 같아야 합니다.

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

크기가 다른 인코더를 섞어 쓰지 마세요. 4B 워크플로는 qwen_3_4b.safetensors, 9B 워크플로는 Qwen3 8B 인코더를 사용합니다.

2단계: 텍스트-이미지 워크플로 구성

가장 쉬운 방법은 내장 템플릿입니다. ComfyUI에서 템플릿 브라우저를 열고 Flux.2 Klein 9B Text to Image(image_flux2_text_to_image_9b)를 불러오세요. 템플릿 JSON은 Comfy-Org workflow_templates 저장소에 공개되어 있어 실행 전에 내용을 확인할 수 있습니다.

그래프의 노드 구성

기본 9B 템플릿은 Base 체크포인트를 20스텝, CFG 5로 불러옵니다. UNETLoader를 증류 파일로 바꿨다면 Flux2Scheduler를 4스텝, CFGGuider를 1.0으로 바꾸세요. 증류 모델 카드와 ComfyUI의 증류 편집 템플릿과 같은 설정입니다. 증류 모델에 Base용 설정을 그대로 두면 시간만 낭비되고 이미지가 과하게 타 버릴 수 있습니다.

추천 설정

Flux2Scheduler의 너비와 높이는 잠재 이미지 크기와 맞춰야 합니다. 공식 템플릿은 둘을 같은 너비·높이 값에서 연결하므로, 직접 그래프를 만들거나 정사각형이 아닌 크기로 바꿀 때도 같은 방식으로 연결하세요.

파이프라인 테스트용 프롬프트

Klein은 자연어 설명을 잘 이해하므로 주제, 배경, 조명, 렌더링할 텍스트를 담은 완전한 문장으로 프롬프트를 쓰는 것이 좋습니다.

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

첫 이미지가 몇 초 안에 나오고 간판 글자가 읽힌다면 설치는 정상입니다. FLUX 계열 전반에 통하는 프롬프트 구성 팁은 FLUX 3 프롬프트 가이드를 참고하세요.

3단계: 이미지 편집 워크플로 구성

Klein은 같은 모델로 편집까지 하기 때문에 Kontext 같은 별도의 편집 전용 체크포인트가 필요 없습니다. ComfyUI에는 9B용 편집 템플릿 두 개, image_flux2_klein_image_edit_9b_distilled와 image_flux2_klein_image_edit_9b_base가 있습니다.

편집 그래프에 추가되는 노드

참조 잠재 표현은 긍정 프롬프트와 0으로 만든 부정 컨디셔닝 양쪽에 붙고, 둘 다 CFGGuider로 들어갑니다. GetImageSize가 EmptyFlux2LatentImage와 Flux2Scheduler를 제어하므로 결과물은 첫 번째 참조 이미지의 화면비를 유지합니다.

단일 참조 편집

이미지 한 장을 불러오고 장면 전체가 아니라 바꿀 부분만 설명하세요. 증류 편집 템플릿은 4스텝, CFG 1을 쓰며 직접 편집할 때도 이 값에서 시작하면 됩니다.

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

다중 참조 편집

이미지가 두 장 이상이면 템플릿은 이미지마다 ReferenceLatent를 긍정·부정 경로 양쪽에 연결합니다. 프롬프트에서는 이미지를 순서로 지칭하세요.

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

BFL 문서에 따르면 BFL API를 통한 Klein은 참조 이미지를 최대 4장까지 지원합니다(FLUX.2 개요). 로컬 그래프에서도 참조 이미지가 많을수록 메모리를 더 쓰고 속도는 느려집니다.

문제 해결과 저VRAM 최적화

자주 발생하는 오류와 해결법

저VRAM 체크리스트

• 먼저 FP8 체크포인트를 쓰세요. BFL에 따르면 VRAM을 최대 40% 줄이며, 지원되는 RTX 카드에서는 NVFP4로 더 줄일 수 있습니다.
• 텍스트 인코더는 풀 정밀도 대신 fp8mixed 버전을 사용하세요.
• --lowvram 옵션으로 ComfyUI를 실행하면 GPU가 가득 찰 때 모델 일부를 시스템 RAM으로 오프로딩합니다.
• 아주 큰 크기로 바로 샘플링하지 말고 1024x1024 이하로 생성한 뒤 업스케일하세요.
• 배치 크기는 1로 두고, 편집 그래프의 참조 이미지 수를 줄이세요.
• 그래도 9B가 들어가지 않으면, ComfyUI 측정 기준 4B 증류 모델은 8.4GB로 실행됐습니다.

python main.py --lowvram

Diffusers로 Klein 9B 실행하기

노드 그래프보다 Python이 편하다면 모델 카드의 Diffusers 예제를 쓰면 됩니다. Diffusers 개발 버전이 필요합니다.

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")

Base 9B를 쓰려면 저장소를 black-forest-labs/FLUX.2-klein-base-9B로 바꾸고, 해당 모델 카드 예시처럼 guidance_scale=4.0, num_inference_steps=50을 사용하세요.

호스팅 FLUX.2 Pro나 Flex가 더 나은 경우

로컬 Klein은 빠른 반복 작업, 비공개 실험, LoRA 작업에 아주 좋습니다. 하지만 9B의 상업적 사용 권리, 안정적인 가동률, GPU 한 장으로는 감당하기 어려운 처리량이 필요할 때는 불편해집니다.

로컬 Klein 9B와 호스팅 FLUX.2 비교

호스팅 모델 고르기

APIMart는 /v1/images/generations 엔드포인트에서 세 가지 FLUX.2 모델 ID를 제공합니다. 일상적인 프로덕션에 균형 잡힌 flux-2-pro, 스텝과 가이던스를 조절하고 싶을 때(예: 글자가 많은 포스터) 쓰는 flux-2-flex, 속도는 느리지만 최고 품질을 내는 flux-2-max입니다. 요금은 출력 해상도 등급과 참조 이미지 수에 따라 달라지므로, 예산을 잡기 전에 FLUX.2 모델 페이지를 확인하세요.

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
  }'

이 호출은 비동기 방식이며 data[0].task_id를 반환합니다. status가 completed가 될 때까지 GET https://api.apimart.ai/v1/tasks/{task_id}를 폴링한 뒤 result.images에서 이미지 URL을 읽으세요. 참조 이미지로 편집하려면 공개 URL을 최대 8개까지 image_urls에 넣으면 됩니다. 재시도와 저장소를 포함한 프로덕션 패턴은 개발자를 위한 FLUX 이미지 워크플로 가이드를, 또 다른 빠른 오픈 모델과의 속도·VRAM 비교는 Z-Image Turbo vs Flux를 참고하세요.

실용적인 하이브리드 방식

많은 팀이 로컬 Klein에서 프롬프트와 LoRA를 다듬은 뒤, 최종 결과물이나 고객용 이미지는 호스팅 FLUX.2로 생성합니다. 평이한 설명형 문장으로 쓴 프롬프트는 두 환경에서 그대로 통하는 경우가 많아 다시 쓸 일이 거의 없습니다.

자주 묻는 질문

FLUX.2 Klein 9B와 Klein Base 9B는 무엇이 다른가요?

Klein 9B는 스텝 증류를 거쳐 4스텝, guidance 1.0으로 실행되므로 거의 실시간에 가까운 생성이 가능합니다. Klein Base 9B는 증류되지 않은 기반 모델로 20~50스텝이 필요하지만 출력 다양성이 더 높고, 파인튜닝과 LoRA 학습의 권장 출발점입니다.

FLUX.2 Klein 9B를 상업적으로 사용할 수 있나요?

별도 계약 없이는 모델 자체를 상업적으로 사용할 수 없습니다. 9B 체크포인트 두 개는 모두 FLUX Non-Commercial License로, 모델 사용을 비상업적 목적으로 제한합니다. BFL은 bfl.ai/licensing에서 상업 라이선스를 제공합니다. 라이선스에는 일부 예외를 제외하고 출력물을 상업적 용도를 포함한 모든 목적으로 쓸 수 있다고 되어 있으니 전문을 확인하세요. 셀프 호스팅 상업 옵션이 필요하다면 Klein 4B가 Apache 2.0입니다.

FLUX.2 Klein 9B에는 VRAM이 얼마나 필요한가요?

모델 카드는 풀 정밀도에서 약 29GB라고 밝히며, 이는 CPU 오프로딩을 사용하는 RTX 4090 이상 수준입니다. BFL에 따르면 FP8 가중치는 메모리 사용량을 최대 40%, NVFP4는 최대 55% 줄이지만, 9B FP8의 정확한 VRAM 수치는 공식 확인되지 않았습니다. 16GB 이하 카드라면 4B가 더 안전한 선택입니다.

ComfyUI에서 스텝과 CFG는 어떻게 설정하나요?

증류 9B는 4스텝, CFG 1.0, 샘플러는 euler를 사용하세요. Base 9B는 ComfyUI 템플릿이 20스텝·CFG 5, Hugging Face 예시가 50스텝·guidance 4.0입니다. 두 경우 모두 1024x1024에서 시작하세요.

Klein으로 이미지를 편집하려면 별도 모델이 필요한가요?

아니요. Klein 체크포인트 하나로 텍스트-이미지 생성, 단일 참조 편집, 다중 참조 편집을 모두 처리합니다. ComfyUI에서는 텍스트-이미지 그래프에 LoadImage, VAEEncode, ReferenceLatent 노드를 추가하거나 공식 편집 템플릿을 불러오면 됩니다.

APIMart에서 FLUX.2 Klein을 쓸 수 있나요?

아니요. APIMart는 Klein이 아닌 호스팅 FLUX.2 Pro, Flex, Max를 제공합니다. 오픈 웨이트 라이선스를 관리하기보다 API를 호출하고 싶을 때, 참조 이미지가 최대 8장까지 필요할 때, 적합한 로컬 GPU가 없을 때 좋은 대안입니다.

앞으로 주목할 점

Klein은 커뮤니티에서 빠르게 확산되고 있으며, Hugging Face 페이지에는 이미 많은 어댑터, 파인튜닝 모델, 양자화 버전이 올라와 있습니다. ComfyUI 템플릿 업데이트, 새 양자화 가중치, BFL 라이선스 변경을 계속 지켜보세요. 모두 내 GPU에서 무엇을 돌릴 수 있는지, 제품에 무엇을 넣을 수 있는지에 영향을 줍니다. 작업량이 한 대의 머신을 넘어서거나 명확한 상업 조건이 필요하다면, 규모를 키우기 전에 같은 프롬프트를 호스팅 FLUX.2 Pro나 Flex에서 먼저 테스트해 보세요.