Lokalne generowanie obrazów: 8 GB to pół prawdy

Lokalne generowanie obrazów dostało w październiku 2026 nowy model. 15 października wyszedł FLUX.3 Image Klein, a ComfyUI dodało jego obsługę tego samego dnia. Producent reklamuje go liczbą „8 GB”, która jest prawdziwa tylko w połowie.

Stan wszystkich modeli z tekstu: ogłoszone. Liczby pochodzą z kart modeli i wpisów producentów, każda ze wskazaniem źródła.

Ile pamięci naprawdę potrzebuje FLUX.3 Klein?

Black Forest Labs pisze, że wersja INT8 działa na kartach GeForce RTX „with as little as 8GB of VRAM”. To prawda, ale wszystkie potrzebne pliki naraz się na takiej karcie nie zmieszczą. Karta modelu dodaje, że 5,6 mld parametrów „refers to the image transformer; the text encoder is separate”.

Do tego dochodzi trzeci element.

Karta modelu mówi wprost: „Do not use the model without a prompt upsampler”. To osobny model, który zamienia krótki prompt w pełny opis sceny. Bez niego obrazy wychodzą według BFL generyczne.

Policzyłem pliki w wersji INT8 z repozytorium dla ComfyUI:

Element	Rozmiar INT8
generator (DiT)	5,8 GB
koder tekstu	4,9 GB
model rozbudowujący prompt	9,8 GB
razem	20,5 GB

Do tego dochodzi autoenkoder obrazu, 0,3 GB. Razem 20,8 GB plików.

Na karcie z 8 GB te elementy muszą się więc ładować po kolei. Repozytorium podaje, że pliki INT8 działają na kartach z 8 GB, np. RTX 3070.

Jest furtka. BFL pozwala zamiast swojego modelu użyć „any LLM you prefer” z odpowiednim promptem systemowym. Prompt możesz więc rozbudować w czacie albo w innym modelu i wkleić gotowy opis sceny.

Jakie modele da się dziś uruchomić u siebie?

Wybrałem siedem modeli z otwartymi wagami, które mają aktualne karty na Hugging Face:

Model	Parametry	Pamięć według źródła	Licencja
FLUX.3 Image Klein	5,6 mld	od 8 GB w INT8	FLUX Kommunity, darmowo do 5 mln USD przychodu
FLUX.2 [klein] 4B	4 mld	około 13 GB	Apache 2.0
Z-Image-Turbo	6 mld	mieści się w 16 GB	Apache 2.0
MOSS-Image	5 mld	brak danych	Apache 2.0
Qwen-Image-2512	20 mld	brak danych na karcie	Apache 2.0
Qwen-Image-2.1	7 mld w części generującej	brak danych	niekomercyjnie, komercyjnie za osobną licencją
Fibo 2.0	8 mld	brak danych	CC BY-NC 4.0, komercyjnie za umową

Cztery z siedmiu mają licencję Apache 2.0. To znaczy: bez progu przychodu i bez osobnej umowy. FLUX.3 Klein, Qwen-Image-2.1 i Fibo 2.0 mają za to warunki.

Co z licencjami nowych modeli?

Qwen-Image-2.1 od Alibaby ma licencję badawczą. Jej tekst mówi wielkimi literami: „FOR NON-COMMERCIAL PURPOSES ONLY”. Wcześniejszy Qwen-Image-2512 ma Apache 2.0.

Fibo 2.0 od Brii wyszedł na licencji CC BY-NC 4.0. Użycie komercyjne wymaga umowy z Brią.

FLUX.3 Klein pozwala na darmowe użycie komercyjne poniżej 5 mln USD przychodu. Karta zastrzega jednak, że ten wyjątek „is not blanket permission for commercial fine-tuning or distribution”.

Grafik, który robi obrazy dla klientów, może więc użyć FLUX.3 Klein. Firma, która chce na nim wytrenować własny styl i go sprzedawać, musi przeczytać pełną licencję, bo wyjątek komercyjny tego nie obejmuje automatycznie. Szerzej o progach w licencjach pisałem przy czterech otwartych modelach.

Czy zrobi polski napis?

Żadna z siedmiu kart modeli nie wymienia polskiego.

Z-Image-Turbo podaje „bilingual text rendering (English & Chinese)”. FLUX.3 Klein wymienia renderowanie tekstu, ale ostrzega, że napis „may be inaccurate or subject to distortion”. Jedyny język na karcie to angielski.

MOSS-Image ma obejście. Przyjmuje układ w formacie JSON, który określa, gdzie ma stać tekst. Polskie znaki to nadal ryzyko, więc napis na planszy dalej lepiej złożyć w programie graficznym.

W czym to uruchomić?

• ComfyUI. Obsługa FLUX.3 Klein przyszła w wersji 0.41.0 z 15 października (według czasu UTC), w dniu premiery modelu. MOSS-Image doszedł w wersji 0.42.0.
• Draw Things na Macu i iPhonie. Wersja z 23 października obsługuje FLUX.3 Klein i MOSS-Image.
• mflux, czyli MLX na Macu. Wersja 0.23.0 z 16 października uruchamia FLUX.3 Klein i Qwen-Image-2.1-Turbo.
• Ollama. W styczniu 2026 obiecała generowanie obrazów na Windows i Linux. Później opiekun projektu napisał: „we’ve temporarily dropped image generation”.

Czy lokalnie wychodzi szybciej niż w chmurze?

Sam generator na serwerowej karcie GB300 jest szybszy: według BFL robi obraz 1 MP w NVFP4 w niecałe 0,6 sekundy. Czas odpowiedzi API jest dłuższy, bo dochodzi kolejka, sieć i rozbudowa promptu.

Na domowych kartach trwa to dłużej. Według pomiarów NVIDIA, które podaje BFL, model destylowany w INT8 robi w ComfyUI obraz 1 MP na RTX 4070 w niecałe 9 sekund. Na RTX 5090 trwa to około 4 sekund.

Lokalny generator wygrywa na czymś innym: nie płacisz za obraz, a pliki klienta nie wychodzą z twojego komputera.

Wniosek: zanim kupisz kartę „pod FLUX.3”, policz wszystkie pliki, a nie sam generator. Na 8 GB zadziała według producenta, ale pliki będą się ładować po kolei. Jeśli robisz obrazy komercyjnie i nie chcesz czytać licencji, zacznij od Z-Image-Turbo albo FLUX.2 [klein] 4B, bo oba mają Apache 2.0.