Radar IA de Zhenzhen · Flux.3 Klein · 2026-11-02 Rapport du soir
Cette édition compte 4 nouvelles versions : fortement recommandé 0 · recommandé 0 · à suivre 3 · inclus uniquement 1
Note de l'éditeur Ce numéro examine 4 nouvelles versions de Flux.3 Klein, sans entrée de niveau S/A et sans recommandation principale. Les trois workflows de reconstruction d'agrandissement 4K de Klein par AIKSK partagent la même chaîne de traitement d'images (16 étapes, CFG 1, côté le plus long 3840) : la version à image unique et la version par lots de dossiers utilisant un GGUF local pour générer les descriptions sont notées B, tandis que la version par lots ZIP de RunningHub, qui ne modifie que les entrées et sorties et dépend davantage de la plateforme, est rétrogradée à C ; aucun des trois ne propose d'exemples visibles. La version Klein du LoRA de détails de mecha possède des mots-clés de déclenchement clairs et est gratuite, mais manque de paramètres, et est notée B.
À suivre (3)
【B】Mecha Engrave · Flux.3 Klein mecha-v1
LoRA · Portage · Auteur Xabsurd · Publié le 11-02 17:08 · Téléchargements 7
Version Flux.3 Klein du LoRA d'amélioration des détails de mecha : l'auteur affirme qu'il épaissit les couches d'armure, renforce le relief des ornements comme les têtes de bêtes et les pointes, et améliore les composants énergétiques lumineux, rendant les images de mecha plus imposantes.
Maintien en B : usage clair, mots-clés de déclenchement explicites et gratuité, mais absence de paramètres, et cette version du secteur manque d'avis de l'auteur.
Illustration
Raisons de la recommandation
- Portage : le même auteur a publié le même jour sur la même page de modèle cinq versions pour Krea 2, MOSS Image, Anima, Qwen 2.1 et Flux.3 Klein, partageant le mot-clé de déclenchement nijimecha ; la version Flux.3 Klein n'a pas de description séparée et n'est pas mentionnée dans le classement des versions par l'auteur (seuls Krea 2 comme meilleur, MOSS en second et Qwen 2.1 comme le pire sont cités)
- Convient aux designs de mecha, aux affiches de science-fiction et aux illustrations de mecha ; l'auteur affirme que cela fonctionne aussi bien pour les mecha propres que pour les mecha abandonnés couverts de mousse
- Gratuit, 2 exemples visibles ; cette version a 7 téléchargements (indiquant uniquement l'attention)
Comment l'utiliser
- Chargez adapter_model.safetensors, incluez le mot-clé de déclenchement nijimecha dans le prompt avant de décrire le mecha lui-même ; l'intensité, le nombre d'étapes et le CFG ne sont pas fournis par l'auteur
Risques et limitations
- L'auteur n'a pas évalué l'effet de la version Flux.3 Klein, les différences avec les versions d'autres modèles de base sont inconnues
- Le nom du fichier de poids est le générique adapter_model.safetensors, il faut le renommer après le téléchargement
- La licence n'autorise que la location sur site, avec attribution obligatoire ; il n'y a que 2 exemples ; cette entrée n'a pas été testée
Mots-clés de déclenchement : nijimecha
【B】FLUX 3 Klein 4K Upscale and Restore — Single Image · v1.0
Workflow · Nouveau modèle · Auteur AIKSK · Publié le 11-02 13:18 · Téléchargements 12
Flux d'AIKSK : workflow de reconstruction et d'agrandissement d'une seule image 3 Klein 4K : agrandissement préalable avec RealESRGAN, puis génération d'une description de l'image originale par un grand modèle en ligne, et reconstruction via Klein en se basant sur le côté le plus long 3840, avec comparaison entre l'image originale et le résultat.
Maintien en B : le plus adapté pour commencer parmi les trois, avec des paramètres visibles et un lien vers un tutoriel ; mais dépend de services en ligne et n'a pas de résultats visibles.
Illustration
Raisons de la recommandation
- Nouveau flux de travail : les trois flux de travail Klein 4K publiés le même jour par le même auteur partagent la même chaîne de traitement d'images (agrandissement du modèle → redimensionnement selon le côté le plus long → ReferenceMultiLatent pour maintenir la résolution → échantillonnage → décodage). Celui-ci est la version pour une seule image, idéale pour examiner d'abord la description et le résultat d'une image unique avant de décider de passer au traitement par lots.
- La fiche de l'auteur indique que le tableau d'échantillonnage est de 16 étapes, avec un CFG de 1, un échantillonneur euler/simple, et un objectif de côté le plus long de 3840, mais il admet honnêtement qu'il ne garantit pas une taille fixe de 3840×2160, ni le maintien du ratio d'aspect ou une amélioration de la qualité d'image.
- Lien vers une vidéo tutorielle sur Bilibili ; gratuit
Comment l'utiliser
- Importez flux3Klein4KUpscaleAnd_v10.json, préparez flux3_image_klein_sd_int8_convrot, qwen3vl_4b_int8_convrot, flux2-vae et RealESRGAN_x4plus.pth ; placez l'image originale dans LoadImage 13
- Le nœud de description RHLLMChatNode 16 dépend du service RunningHub (utilisant gemini-3.1-flash-lite-preview), vérifiez d'abord la configuration du service et les autorisations de téléchargement d'images, puis consultez le résultat dans le nœud de comparaison
Risques et limitations
- Dépend du service LLM en ligne RunningHub, les conditions de compte, de facturation et de données doivent être vérifiées par l'utilisateur
- L'auteur déclare ne pas avoir effectué de validation par inférence, il n'y a pas d'exemples visibles (1 sont masqués) ; la licence n'autorise pas les œuvres dérivées ; cette entrée n'a pas été testée
- L'illustration de la fiche est un schéma généré par IA, ce n'est pas le résultat réel du modèle ; l'auteur n'a pas d'exemples publics de niveau standard
【B】FLUX 3 Klein 4K Local Folder Batch with GGUF Captions · v1.0
Workflow · Nouveau modèle · Auteur AIKSK · Publié le 11-02 13:19 · Téléchargements 9
Version par lots de dossiers locaux pour le même processus de reconstruction Klein 4K : les descriptions sont générées à l'aide d'un modèle de vision-langage GGUF local, sans dépendre de services en ligne ; chaque image est lue depuis le dossier, reconstruite avec mise à l'échelle, puis enregistrée par lots.
Maintien en B : la seule version sans dépendance aux services en ligne, les différences sont clairement écrites ; mais le modèle de description local est lourd, et le processus par lot n'a pas été validé.
Illustration
Raisons de la recommandation
- Nouveau workflow : les différences avec la version image unique sont doubles — l'entrée est remplacée par BatchImageLoader pour lire un dossier local, et le nœud de description est remplacé par llama_cpp chargeant le GGUF local Huihui-Qwen3.8-27B-abliterated Q4_K et le mmproj correspondant, permettant un fonctionnement hors ligne
- Sert aux besoins d'agrandissement et de reconstruction unifiés par lot d'images en local ; l'auteur recommande de tester d'abord sur un petit lot la progression, la gestion des échecs, le nommage et le type de sortie, et de ne pas utiliser le même répertoire pour l'entrée et la sortie
- La chaîne d'image est identique à celle de la version image unique : 16 étapes, CFG 1, euler/simple, objectif de côté long 3840
Comment l'utiliser
- Importez flux3Klein4KLocalFolder_v10.json, préparez Klein, l'encodeur Qwen3-VL, flux2-vae, RealESRGAN_x4plus, ainsi que le modèle GGUF de 27B et le mmproj pour les descriptions ; remplacez le chemin du dossier d'entrée d'exemple et testez sur quelques images d'abord
Risques et limitations
- Le modèle de description est un GGUF de 27B, l'occupation de la VRAM/de la RAM est bien supérieure à la version en ligne, l'auteur a lui-même noté que la compatibilité de la chaîne de processeur Qwen3.8 doit être vérifiée par l'utilisateur
- L'auteur déclare que le traitement par lot automatique n'a jamais été entièrement validé, il n'y a pas d'exemples visibles ; la licence n'autorise pas les œuvres dérivées ; cette entrée n'a pas été testée
- L'illustration de la fiche est un schéma généré par IA, ce n'est pas le résultat réel du modèle ; l'auteur n'a pas d'exemples publics de niveau standard
Inclus uniquement (1)
- FLUX 3 Klein 4K Smart Upscale — RunningHub ZIP Batch · v1.0 — Flux de travail : version par lots ZIP RunningHub du même processus de reconstruction Klein 4K : téléchargez une archive ZIP d'images, agrandissez et reconstruisez chaque image individuellement, puis regroupez-les dans une archive ZIP de sortie, en conservant autant que possible les noms de fichiers d'origine.
Données : API publique Civitai (modèle de base Flux.3 Klein), fenêtre d'inclusion du 11-02 10:15 au 11-02 21:01 (heure de Pékin). Les raisons de recommandation ont été revues par l'éditeur ; le nombre de téléchargements indique uniquement l'attention.