FLUX 3 Image Klein 发布时最抓眼球的一句是「INT8 构建可在最低 8GB 显存的 RTX 上运行」。这句话没错，但它省略了三个限定词：哪张卡、多大分辨率、多少秒。官方速度图表只测了 1MP 输出，测的是 RTX 5090 与 RTX 4070，8GB 配置和 4K 分辨率都没进图——这一点 VentureBeat 在发布当天就点出来了。
所以这篇 SOP 不承诺「8GB 秒出 4K」。它只做一件事：把从零到出第一张图的路铺平，并把三个会让新手卡住半天的坑提前标出来。主线是 ComfyUI，辅线是 Diffusers。所有命令、文件名、字节数照抄官方仓库与第三方配方记录，速度数字一律标注口径，凡是没亲手跑过的都写清来源。
一、动手前先算三笔账：显卡、磁盘、账号
第一笔，显卡档位。 官方口径是三段。8GB 是门槛线，靠 INT8 量化构建撑住——transformer 与文本编码器都用 int8，官方明确说可以在最低 8GB 显存的 GeForce RTX 上跑，ComfyUI 与 Diffusers 两条路都行。12GB 与 16GB 属于从容档：同一套权重跑得更稳，能同时容纳 upsampler 与更大的 latent。再往上，BF16 权重占 11.2GB、FP8 占 5.6GB，这是官方公布的权重体积，指的是权重本身，不含激活值和推理缓存。
第二笔，磁盘。 ComfyUI 路线要下四个文件。按 v0.41.2 模板实际加载的 w4a8 upsampler 计算，四件合计 17,746,736,091 字节，约 17.6GB（十进制口径，折合约 16.5GiB）。这里藏着一条近 3GB 的岔路：如果照着官方 model card 的示例去下 int8 版 upsampler，单这一个文件就是 9,748,113,996 字节，四个文件合计变成 19.343GiB。硬盘多占 2.8GiB 是小事，16GB 卡装不下才是大事。
顺带说清一个容易被忽略的比例：四件文件里，真正负责出图的 transformer 只占 5.83GB，两个语言模型加起来超过 11.5GB。也就是说，卡在 8GB 线上的机器，压力主要不在出图那一步，而在把文本编码器和 upsampler 塞进显存的那一刻。理解这个比例，后面调显存才有方向——省显存要先省语言模型，不是先动采样步数。
第三笔，账号与网络。 ComfyUI 版权重仓库是 gated 的，HF 的 API 里标着 gated: "auto"。没登录、没接受条款，匿名请求直接返回 401，响应头里带 x-error-code: GatedRepo。这不是网络问题，也不是镜像问题，是许可没点同意。国内访问还需要能连上 huggingface.co 的网络环境，这个仓库没有官方替代源，别在下载脚本上反复试错。
二、第一步：接受许可再登录，顺序不能反
先浏览器里接受条款，再回终端登录。反过来做，hf auth login 显示成功也没用，拉取照样 401——因为 401 是仓库侧的判定，不是客户端鉴权失败。
三步走完：
- 打开 black-forest-labs/flux-3-image-klein-comfy，在已登录状态下接受许可条款。页面会把「你已同意」记在账号上，token 本身不携带这个状态。
- 本机升级客户端：
pip install -U huggingface_hub。版本太老可能不认 hf 这个新命令前缀。 - 执行
hf auth login，粘贴一个有 read 权限的 access token。token 在账号设置的 Access Tokens 页面生成。
pip install -U huggingface_hub
hf auth login验证有没有真的通，最省事的办法是直接跑下一步的下载命令，看第一个文件是否开始走进度条。如果仍然 401，回第 1 步确认：浏览器登录的账号和生成 token 的账号是不是同一个。这是最高频的翻车点——很多人浏览器里登着 A 账号，终端里贴的是 B 账号的 token，然后花两小时怀疑网络。
三、第二步：下载四个文件，别照抄卡片示例
四个文件各司其职：distilled transformer 负责出图，Qwen3-VL-4B 文本编码器负责读提示词，Qwen3.5-9B upsampler 负责把短指令扩写成完整场景描述，FLUX.2 VAE 负责潜空间与像素互转。
命令照抄，路径别改。--local-dir 指向 ComfyUI/models 之后，仓库里的 diffusion_models/、text_encoders/、vae/ 三层目录会自动落到 ComfyUI 对应的模型目录下，不用手动搬家。
hf download black-forest-labs/flux-3-image-klein-comfy \
diffusion_models/flux3_image_klein_sd_int8_convrot.safetensors \
text_encoders/qwen3vl_4b_int8_convrot.safetensors \
text_encoders/qwen3.5_9b_flux3_prompt_upsampler_w4a8.safetensors \
vae/flux2-vae.safetensors --local-dir ComfyUI/models| 文件名 | 角色 | 字节数 |
|---|---|---|
| diffusion_models/flux3_image_klein_sd_int8_convrot.safetensors | distilled transformer，int8 | 5,827,874,779（约 5.83 GB） |
| text_encoders/qwen3vl_4b_int8_convrot.safetensors | Qwen3-VL-4B 文本编码器，int8 | 4,858,559,240（约 4.86 GB） |
| text_encoders/qwen3.5_9b_flux3_prompt_upsampler_w4a8.safetensors | 提示词增强器，w4a8 | 6,724,090,780 |
| vae/flux2-vae.safetensors | 自编码器 | 336,211,292 |
注意第三条命令里的文件名是 w4a8，不是 int8。这不是笔误，下面第七节坑 1 会把这两个文件的体量差算给你看。下完核对一下总字节数，对不上就是有文件没下全，别急着启动。
四、第三步：启动、进模板、认准 distilled
python main.py 起服务，浏览器打开 http://127.0.0.1:8188。首次启动会自动装依赖，卡在某个包上是常态，看终端报错逐个补，别一键重装环境。
进界面后别急着点 Queue。走 Workflow 菜单里的 Browse Templates，搜「FLUX 3」，选 distilled 的 Text to Image，模板 id 是 image_flux3_klein_distilled_t2i。四个官方模板里这是首选入口：distilled 是少步蒸馏版，16 步就出图，显存与时间都最友好。
选错模板有两个典型症状。一是模板选成 base 但权重下的是 distilled，出图糊成一片；二是模板里 upsampler 节点亮着，但对应文件没下，加载阶段直接报找不到 safetensors。前者换模板，后者补文件，都不是参数问题。
五、参数怎么设：默认能跑，三个点必须核
模板打开就是一套能用的默认值：1024×1024、euler 采样器、simple 调度、16 步、CFG 1。先按默认跑通一张再调参，这句不是敷衍，是省时间。
三个必须核对的点：
其一，两个文本编码器 loader 的 type 都选 flux3。 transformer 的 loader 与文本编码器的 loader 是分开的两个节点，任何一个 type 选错，模型会按错误的分词与维度去读，报的错通常跟 type 毫无关系，排查方向会被带偏。
其二，upsampler 开关必须保持打开。 官方 model card 原话是 "Do not use the model without a prompt upsampler."，没有留余地。原因不玄：Klein 的提示词理解走 Qwen3-VL，短指令直接喂进去，模型会自行脑补场景，出的图和你想的不是一回事，编辑与 Ref2Image 场景尤其明显。
其三，分辨率与步数的边界。 最高 4K，宽高必须是 16 的倍数，写 1000×1000 会被对齐或直接报错。参考图最多 10 张，做角色一致性、风格迁移够用。官方给的两个基准是 distilled 16 步不带 guidance、base 50 步 CFG 3.5。模板已按 distilled 填好，别手动加 guidance，加了更容易糊。
再补一个实操细节：模板里 latent 的尺寸是独立节点，改分辨率时要连它一起改，只动一个地方，跑起来会报尺寸不一致。做 4K 时先把 latent 宽高调到 16 的倍数，再点 Queue，比出图失败后翻日志快得多。
六、显存预算表：你的卡该选哪一档
| 精度 / 构建 | 权重占用 | 定位 | 速度参考 |
|---|---|---|---|
| BF16 | 11.2 GB | 高显存，微调首选 | 官方未单列 |
| FP8 | 5.6 GB | 中等显存 | 官方未单列 |
| INT8 | 可在 8GB RTX 上跑 | 消费级笔电与中端卡 | 1MP 图：RTX 5090 约 4 秒、RTX 4070 不到 9 秒（厂商口径） |
| NVFP4 | 数据中心级 | 高吞吐 | 1MP 图在 GB300 上不到 0.6 秒（厂商口径） |
三条必须记住的限定。第一，表中所有速度都是厂商口径，非独立复测，测试条件是 distilled 加 INT8、1MP 输出、ComfyUI。第二，8GB 那句「可跑」没绑具体变体、输出尺寸与生成时间，官方速度图也没测 8GB 配置和 4K，所以 8GB 跑 4K 属于没被官方验证过的组合，要自己试。第三，挂 LoRA 会让生成时间增加约 5%，这是官方给的量级，不是精确值。
七、三个实测坑，每一个都能让你卡半天
先说来源：下面三条不是本文作者的实测，而是第三方配方文记录与模板文件实查的结果，字节数可直接核对。
坑 1：upsampler 选 int8，16GB 卡直接装不下。
官方 model card 的示例给的是 int8 版 upsampler，9,748,113,996 字节，约 9.08GiB。四个文件按这个组合算，合计 19.343GiB。而 ComfyUI v0.41.2 的 distilled 模板实际是按文件名加载 w4a8 版本，6,724,090,780 字节，比 int8 小 2.816GiB。第三方配方的实测结论很直接：照卡片示例下 int8，四文件合计 19.343GiB，16GB 卡装不下。两条命令的差别只在一个文件名，代价是近 3GB 显存和一次完整的重下。
坑 2：编辑模板到底有没有 upsampler 分支，官方说法和实际模板不一致。
官方 model card 称编辑模板没有 upsampler 分支，需要自备一个 LLM 先跑提示词增强，再把扩写后的提示词粘进节点。但 v0.41.2 的编辑模板里实际含有一个默认关闭的 upsampler 分支：TextGenerate 节点、W4A8 loader、以及一段图像编辑专用的 system prompt 都在，把开关打开就能在流程内完成增强。两条路都能走——想省一次外部调用就开分支，想用自己更熟的模型就外部生成再粘贴。别因为读了 model card 就以为模板里没有，也别因为模板里有就以为可以不带。
坑 3：不带 upsampler 直接用，编辑与 Ref2Image 结果不稳定。
这是坑 2 的下游后果。model card 那句 "Do not use the model without a prompt upsampler." 是明文禁止，不是建议。省掉这一步，文生图还能看，编辑和多参考生成会开始飘：未编辑区域该保持的地方被重绘、参考图的人物特征漂移、bounding box 指定的落位偏移。判断方法很简单，同一提示词开一次 upsampler 再关一次，对比未编辑区域是否逐像素保持。
更隐蔽的一种表现是「看起来成功了」：出图完整、构图也对，但原图里的一块纹理被轻微改写，缩略图看不出来，放大到 100% 才发现。做商品图、人像修复这类要求原样保留的场景，验收必须放大到像素级，别只看整体构图。
八、Diffusers 路线：代码党怎么接
不想装 ComfyUI，或者要把出图流程嵌进自己的服务，走 Diffusers。
权重来源是清晰的：distilled 在 huggingface.co/black-forest-labs/flux-3-image-klein，base 在 huggingface.co/black-forest-labs/flux-3-image-klein-base，用 huggingface_hub 拉取后交给 Diffusers 加载。官方提供参考推理代码，也提供带 bounding box 控制的 Gradio demo，base 仓库适合微调、distilled 适合直接出图。
这里必须诚实一句：本文没有实抓官方 Diffusers 文档，所以不写具体类名与调用参数。写成「某某 Pipeline.from_pretrained 三行搞定」很漂亮，但类名一旦猜错，读者复制过去就是一堆 ImportError，比不写更糟。具体 API 请以两个仓库的 README 与示例脚本为准，版本迭代很快。
另外，Diffusers 路线在显存管理上更依赖你自己。ComfyUI 的按需加载与卸载是内置的，迁到 Diffusers 之后，模型拆成几个组件加载、什么时候搬上 GPU、什么时候换回 CPU，都得自己写。8GB 卡上这一步不做，很可能第一张图就 OOM。
九、LoRA 与微调：现成 recipes 已经有了
训练侧不用从零搭。Ostris AI Toolkit 与 NVIDIA NeMo AutoModel 都提供了 FLUX 3 Klein 的现成 recipes，前者在社区里用得多、上手快，后者适合已有 NVIDIA 训练栈的团队。官方公布的训练硬件是 NVIDIA GB200 NVL72，这是训练侧的口径，跟你本地 8GB 推理没有关系。
推理侧挂 LoRA 的成本官方给了个数：生成时间增加约 5%。这个量级意味着风格化 LoRA 可以常驻，不必来回卸载。要微调就选 base 变体，distilled 是为少步推理蒸馏过的，拿它做微调起点不划算。
十、验收清单与许可提醒
出图之后按这四条验收，能挡住大部分「看着不对但说不出哪不对」：
- 分辨率宽高是否都是 16 的倍数，输出尺寸和设定是否一致。
- upsampler 是否真的生效——看节点是否执行、看扩写后的提示词长度。
- 编辑任务里未编辑区域是否保持，逐像素对比原图。
- 显存峰值是否留有余量，16GB 卡跑 4K 时特别要看这一条。
再提醒一句版本问题：本文的模板 id 与文件字节数对应 ComfyUI v0.41.2 与 2026-10-17 的仓库快照，几周后可能变化。下文件前先核对字节数，对不上就以仓库当前列表为准，别硬套数字。
许可是最后一道坎，也是最多人忽略的一道。FLUX 3 Klein 用的是 FLUX Kommunity License（v1.0）。官方博文与 VentureBeat 已确认的三条是：个人与年化总营收低于 500 万美元的公司可免费商用；研究与非商用对所有人免费；超过门槛的组织需要自托管商业许可或走 API。触发口径按年度总营收加关联方合并计算。该许可对输出审核与再分发另设条件。
必须说清一件事：Klein 自身的 LICENSE 全文没有实抓（仓库 gated），所以上面三条之外不展开、不推测。商用前请自己打开仓库里的 LICENSE 原文逐条读，本文不构成法律意见。
常见问题
Q1：8GB 显存到底能不能跑 4K？ A1：官方只说 INT8 构建可在最低 8GB 的 RTX 上运行，没有绑定分辨率和生成时间，官方速度图也没测 8GB 配置与 4K 输出。所以「8GB 能跑」是官方口径，「8GB 能跑 4K」是没被验证的组合。想稳，先在 1024×1024 跑通，再逐级加分辨率看显存峰值。
Q2：下载时报 401 GatedRepo，是网络问题吗？ A2：不是。这是仓库侧的许可判定，说明当前身份没被记录为已同意条款。解决顺序是先登录网页接受许可，再 hf auth login，且两者必须是同一个账号。换镜像、重装客户端都无效。
Q3：四个文件必须全下吗，能不能省掉 upsampler？ A3：技术上能启动，但不建议。官方 model card 明文写 "Do not use the model without a prompt upsampler."，省掉之后编辑与多参考生成的结果会明显不稳。真要用外部 LLM 做增强，也得保留扩写这一步，只是把执行位置换到流程外。
Q4：upsampler 下 int8 还是 w4a8？ A4：按 ComfyUI v0.41.2 模板走就下 w4a8，6,724,090,780 字节。int8 版是 9,748,113,996 字节，四文件合计 19.343GiB，第三方配方实测 16GB 卡装不下，两者差 2.816GiB。
Q5：能商用吗？ A5：个人与年营收低于 500 万美元的公司可免费商用，研究与非商用免费，超门槛需自托管商业许可或走 API，这是官方博文与 VentureBeat 已确认的口径。许可全文因仓库 gated 未实抓，具体条款以 LICENSE 原文为准。
延伸阅读
- Qwen-Image 2.1开源：权重回来了，Apache没回来：同期另一个开源图像模型，可作对照
- ComfyUI视频生成SOP：12GB显卡跑通LTX-2.5：ComfyUI 换到视频线，12GB 卡跑通
- LLaDA-Image 本地部署 SOP：五步跑通 6B 生图模型：另一条更低显存的图像部署路线