首页 > 新闻 > 硬件新闻 > 正文

FLUX.2 图像生成模型发布 针对 NVIDIA RTX GPU 优化

霞舞
发布: 2025-11-26 18:24:02
原创
302人浏览过

black forest labs 是一家专注于视觉生成式 ai 技术研发的领先实验室,于11月25日推出了全新一代图像生成模型系列——flux.2。

FLUX.2 图像生成模型发布 针对 NVIDIA RTX GPU 优化

该模型系列集成了多项创新功能与工具,例如支持多参考图输入的生成功能,可在保持高度写实细节和文字清晰度的同时,批量输出数十张风格一致的高质量图像。

NVIDIA 联合 Black Forest Labs 以及 ComfyUI 团队,在 FLUX.2 发布之初即实现了对 FP8 量化技术的支持,并针对 RTX GPU 进行了深度性能优化,使显存占用减少达 40%,运行效率提升同样高达 40%。

用户无需额外安装插件或软件,即可在 ComfyUI 中直接调用新模型进行创作。

卓越的视觉智能表现

FLUX.2 所生成的图像具备极强的真实感,即使放大至高分辨率仍能维持细腻画质。凭借最高达400万像素的输出能力,结合真实光照模拟与物理渲染机制,有效消除了传统AI图像中常见的“人工痕迹”。

此次更新还引入了直接姿态控制功能,让用户能够精准设定画面中人物或主体的动作姿态。同时,模型在处理信息图表、界面设计及多语言文本时,可生成干净、锐利且易于阅读的文字内容。新增的多图参考功能允许创作者最多上传六张参考图像,以统一风格或主体特征,显著简化以往繁琐的模型微调流程。

FLUX.2 图像生成模型发布 针对 NVIDIA RTX GPU 优化

极致写实的细节呈现。图片由 Black Forest Labs 提供

欲了解 FLUX.2 完整特性,请访问 Black Forest Labs 官方博客。

专为 RTX 平台优化

豆包AI编程
豆包AI编程

豆包推出的AI编程助手

豆包AI编程 1697
查看详情 豆包AI编程

尽管 FLUX.2 功能强大,但其硬件需求也极为严苛。该模型拥有 320 亿参数,完整加载需占用高达 90GB 显存。即便启用流行的 lowVRAM 模式(仅加载当前所需模型部分),仍需 64GB 显存,远超大多数消费级显卡的承载能力。

为让更多创作者得以使用这一先进模型,NVIDIA 与 Black Forest Labs 共同推进了 FP8 量化方案的应用,在几乎不损失画质的前提下,将显存消耗降低 40%。

FLUX.2 图像生成模型发布 针对 NVIDIA RTX GPU 优化

FLUX.2 正式上线

为了让模型顺利运行于 GeForce RTX 显卡之上,NVIDIA 与 ComfyUI —— 一款广受青睐的可视化生成式 AI 应用程序 —— 深度协作,优化了其内存卸载机制(weight streaming),实现模型权重在GPU与系统内存间的高效调度。

升级后,用户可将部分模型数据暂存至系统内存,从而突破显存限制。虽然系统内存速度低于显存,会带来一定性能折损,但整体可用性大幅提升。

此外,NVIDIA 持续与 ComfyUI 团队合作,进一步优化模型在 NVIDIA 及 GeForce RTX 系列 GPU 上的运行效率,全面支持并加速 FP8 版本模型的推理过程。

即日起,用户可更新 ComfyUI 后体验 FLUX.2 模型,查看官方提供的模板示例,或前往 Black Forest Labs 的 Hugging Face 页面下载模型权重文件。

有关 NVIDIA RTX AI PC 的最新动态,欢迎关注其官方微博抖音哔哩哔哩账号。

软件相关说明请参阅官方声明。

以上就是FLUX.2 图像生成模型发布 针对 NVIDIA RTX GPU 优化的详细内容,更多请关注php中文网其它相关文章!

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号