FLUX.2开源！AI生图“DeepSeek”能否平替谷歌Nano Banana

　　智东西11月26日报道，昨晚deepseek，德国AI图像模型独角兽黑森林实验室发布了最新一代图像生成模型家族FLUX.2。FLUX.2的核心目标是

　　FLUX.2可同时参考多达10张图片，并保持字符、产品和风格的一致性。下图这张逼真的模特图，其实就是由10张不同图片的元素组合而来的。

　　其图像细节和真实感也有提升，能生成更丰富的细节、更清晰的纹理和更稳定的光照，适用于产品拍摄、可视化和模拟摄影的用途。

　　文本渲染方面，复杂的排版、信息图表、表情包和带有清晰文本的UI Demo，如今都能被可靠地生成。

　　FLUX.2对复杂、结构化指令的遵守能力得到提升，包括多部分提示和组成限制，并支持了最高4百万分辨率的图像编辑和更灵活的输入、输出比例。模型还能更好地遵循现实世界的知识、光照和空间逻辑，从而产生更加连贯的场景和预期的行为。

　　FLUX.2系列本次一共发布3款模型，涵盖了从完全托管、可用于生产环境的API到开发者可以自行运行的开放式检查点等一系列模型产品。性能较强的FLUX.2 [pro]、FLUX.2 [flex]并未开源，FLUX.2 [dev]则是开源的。

　　FLUX.2 [pro]、FLUX.2 [flex]版本目前仅以API方式对外提供服务，前者可提供媲美顶级闭源模型的图像质量，而后者允许用户控制步数和引导比例等模型参数。

　　FLUX.2 [dev]则是一款基于FLUX.2基础模型的32B参数量开放权重模型，这是目前最强大的开源图像生成和编辑模型，将文生图、图生图和多图输入功能相结合。

　　未来，黑森林实验室还计划发布开源的FLUX.2 [klein]模型，它基于FLUX.2基础模型精简而来，与同等规模的从零开始训练的模型相比，它功能更强大，对开发者更友好，并具备与其教师模型相同的诸多功能。

　　FLUX.2基于潜在流匹配架构，将图像生成和编辑集成在单一架构中。该模型将欧洲本土AI创企Mistral自研的Mistral-3 24B视觉语言模型（VLM）与整流流式（Rectified Flow）Transformer结合。VLM带来了现实世界的知识和上下文理解，而Transformer则捕捉了早期架构无法实现的空间关系、材料属性和组合逻辑。

　　新一代可学习潜空间编码器FLUX.2 – VAE，也就是所有FLUX.2模型的流式主干网络，已经依照Apache 2.0协议开源，可独立使用。

　　与日前发布的Nano Banana Pro相比，FLUX.2的表现究竟如何？智东西进行了对比体验。我们首先尝试让两款模型根据以下提示词生成图片：

　　翻译：办公楼楼梯间的监控画面：成堆的椅子被不可能地垒到数层楼高，有个人正从楼梯上经过这些椅子旁，场景中带有应急照明、鱼眼镜头畸变，以及明显违背建筑结构逻辑的异常感。

　　模型需要生成看似真实但逻辑上错误的空间，既不能崩坏，也不能被自动纠正成正常结构，这对其世界知识和提示词遵循能力提出了挑战。

　　FLUX.2 [pro]给出的生成结果如下，可以看到其较好地还原了鱼眼镜头畸变效果和提示词中的异常感，不过遗漏了“应急照明”这个要素。

　　Nano Banana Pro的生成结果如下，可以看到，为了还原监控镜头的感觉，Nano Banana Pro加上了时间戳和监控编号等要素，应急照明灯的效果也比较逼真，整个画面有更强的大片感。

　　在这题上，FLUX.2 [pro]在风格还原上做得更好，无论是闪光灯效果还是画质的特点，都更为接近CCD相机的拍摄效果。

　　Nano Banana Pro生成的结果在画面内容上并无明显错误，但是其风格还原度与FLUX.2 [pro]相比还有些差距。

　　为考察两款模型的实用性，我们试着让它们打造了一张科普用途的简易插图，解释德国城市弗赖堡的阳光为何如此充足。图中的所有文字都是提示词提供的，但画面内容主要由模型自行发挥。

　　由于Nano Banana Pro每天仅允许三次免费使用，我们并未进行更多对比实测。不过，此前我们已在测试中发现Nano Banana Pro的中文渲染能力还是不错的。

　　但当我们用中文向FLUX.2 [pro]发送指令，要求其解释伯努利现象时，其输出的画面中全是乱码，应该暂时还不支持中文的渲染。

　　近期，各大图像模型的头部玩家，都不约而同地选择将升级方向定为实用性、可靠性，这也显示出AI图像生成技术正从演示和娱乐工具，向产业化应用加速迈进。原文出处：FLUX.2开源！AI生图“DeepSeek”能否平替谷歌Nano Banana？附一手实测，感谢原作者，侵权必删！