تشغيل Flux 2 على عتادك الخاص يعني عدم وجود حدود للاستخدام، ولا رسوم، وتحكمًا كاملًا في كل معامل. يستعرض هذا المقال مسارين للتثبيت، هما ComfyUI لسير عمل مرئي بلا برمجة، وHugging Face Diffusers للتحكم عبر السكربتات، إلى جانب تحسين ذاكرة VRAM لبطاقات 8 GB، وكيفية الوصول إلى Flux 2 Pro دون أي إعداد محلي على الإطلاق.
تشغيل نموذج تحويل نص إلى صورة متطور مباشرةً على جهازك يغيّر كل شيء في طريقة عملك. لا حدود للاستخدام، ولا طوابير انتظار، ولا رسوم اشتراك تقتطع من كل تجربة. Flux 2 من Black Forest Labs هو واحد من أقوى نماذج توليد الصور ذات الأوزان المفتوحة المتاحة اليوم، وتثبيته محليًا أسهل مما يتوقعه معظم الناس. يستعرض هذا المقال العملية الكاملة، من متطلبات النظام حتى أول صورة تولّدها.
Flux 2 هو الجيل الثاني من بنية Flux، طوّرته Black Forest Labs، الفريق الذي يقف وراء بعض أكثر النماذج ذات الأوزان المفتوحة إنتاجًا لصور واقعية كالصور الفوتوغرافية المتاحة اليوم. يُبنى النموذج على عائلة Flux.1 الأصلية، مع التزام أفضل بالأوامر النصية، ودقة تشريحية أعلى في الأشخاص، وتفاصيل أوضح عند الدقات القياسية. يستخدم النموذج بنية انتشار قائمة على المحوّلات (transformer) تختلف جذريًا عن تصميمات U-Net في نماذج Stable Diffusion القديمة.
تأتي عائلة Flux 2 في عدة إصدارات متميزة، ولكل منها فئة عتاد واستخدام مختلفان:
| النموذج | مقدار VRAM المطلوب | الأفضل لـ |
|---|---|---|
| flux-2-dev | 16–24 GB | البحث، والضبط الدقيق، والعمل المحلي |
| flux-2-pro | السحابة فقط | الاستخدام الإنتاجي التجاري |
| flux-2-max | السحابة فقط | أقصى قدر من التفاصيل والدقة |
| flux-2-flex | السحابة فقط | التحكم المرن في نسبة العرض إلى الارتفاع |
| flux-2-klein-4b | 8–12 GB | تشغيل نموذج سريع على عتاد المستهلك |
| flux-2-klein-9b-base | 16 GB | توليد محلي عالي الدقة |
للتثبيت المحلي، يكون flux-2-dev و**flux-2-klein-4b** هدفاك الأساسيان. تعمل إصدارات Pro وMax وFlex عبر واجهة API حصراً، ولا تُوزَّع كأوزان قابلة للتنزيل.
هناك أسباب ملموسة تتجاوز توفير التكلفة. يعني التشغيل المحلي أن أوامرك النصية وصورك المولّدة لا تغادر جهازك أبدًا، وهذا مهم في الأعمال التجارية التي تتضمن موضوعات حساسة. تتحكم في كل معامل من معاملات أخذ العينات مباشرةً. يمكنك معالجة مئات الصور دفعةً واحدة طوال الليل دون القلق من تسعير كل توليد. وبالنسبة للضبط الدقيق على مجموعات بيانات مخصصة أو لإرفاق محولات LoRA، يُعد التثبيت المحلي المسار الوحيد الممكن.
قبل تنزيل أي شيء، تحقق من عتادك وبرمجياتك مقابل هذه المتطلبات. تسبب التبعيات غير المتوافقة معظم أعطال التثبيت الشائعة.
Flux 2 يتطلب حسابات مكثفة. إليك التفصيل بصراحة:
الحد الأدنى للإعداد المجدٍ:
الإعداد الموصى به:
تعمل بطاقات AMD GPU عبر ROCM على Linux، لكن دعم التعريفات على Windows غير ثابت. توقّع استكشاف أخطاء أكثر مقارنةً بإعدادات CUDA.
يمكن لمعالجات Apple Silicon (M1/M2/M3/M4) تشغيل إصدارات Flux 2 المكمّمة عبر إطار عمل MLX. تستغرق أوقات التوليد 2–4 مرات أطول مقارنةً ببطاقة NVIDIA مماثلة، لكن جودة الصورة متساوية.
💡 نصيحة: إذا كانت بطاقة GPU لديك بذاكرة 8 GB VRAM تمامًا، فاستخدم تكميم GGUF Q4_K_S. تنخفض الجودة قليلًا، لكن النموذج يعمل دون أخطاء ذاكرة مع معظم الأوامر النصية.
يجب أن تتوافق حزمة برمجياتك قبل أن يعمل تثبيت أي حزمة Python بشكل صحيح:
nvidia-smi في الطرفية.على Windows، ثبّت CUDA عبر بوابة مطوّري NVIDIA. وعلى Ubuntu 22.04 أو أحدث، يتجنب مثبّت runfile تعارضات الحزم مع التعريفات المثبتة مسبقًا.
توجد طريقتان مدعومتان جيدًا لتشغيل Flux 2 محليًا. لا توجد طريقة أفضل من الأخرى بشكل موضوعي، والخيار الصحيح يعتمد كليًا على طريقة عملك.
ComfyUI واجهة رسومية قائمة على العقد (nodes) لتشغيل نماذج الانتشار. تربط العقد ببعضها على لوحة مرئية لبناء مسارات التوليد. لا يتطلب الأمر برمجة Python بعد الإعداد الأولي. وهو أسرع طريق من الصفر إلى تثبيت Flux 2 يعمل لمعظم الناس.
اختر ComfyUI عندما:
مكتبة diffusers هي واجهة API القياسية في Python لتشغيل نماذج الانتشار برمجيًا. تكتب سكربتات الاستدلال وتتحكم في كل معامل بالكامل، من نوع الدقة (dtype) إلى المجدولات المخصصة (schedulers).
اختر Diffusers عندما:
هذا هو المسار الموصى به لمعظم المستخدمين الذين يريدون نتائج عاملة بسرعة دون كتابة أكواد.
الخطوة 1: استنسخ مستودع ComfyUI وادخل إلى المجلد:
git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
الخطوة 2: ثبّت PyTorch مع دعم CUDA. استخدم أداة الاختيار على pytorch.org للحصول على الأمر الصحيح لإصدار CUDA لديك. لإصدار CUDA 12.1:
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
الخطوة 3: ثبّت بقية تبعيات ComfyUI:
pip install -r requirements.txt
الخطوة 4: شغّل الخادم:
python main.py --gpu-only
افتح http://127.0.0.1:8188 في متصفحك. ComfyUI يعمل الآن.
💡 نصيحة: على Windows، تأتي النسخة المحمولة المستقلة من صفحة ComfyUI الرسمية على GitHub مع Python وPyTorch مثبتين مسبقًا. تبدأ بنقرة مزدوجة واحدة وتتجنب معظم مشكلات إعداد البيئة بالكامل.
أوزان Flux 2 مستضافة على Hugging Face. تحتاج إلى حساب مجاني، ويجب أن توافق على اتفاقية ترخيص النموذج في صفحة النموذج قبل نجاح التنزيل.
لـ flux-2-dev (يتطلب 16 GB VRAM فأكثر):
huggingface-cli download black-forest-labs/FLUX.2-dev \
flux2-dev.safetensors \
--local-dir ./models/checkpoints/
لـ flux-2-klein-4b (يعمل على بطاقات 8 GB):
huggingface-cli download black-forest-labs/FLUX.2-klein-4b \
--local-dir ./models/checkpoints/
تحتاج أيضًا إلى مشفّرات النص المشتركة وVAE. هذه المكونات تُعاد استخدامها عبر كل إصدارات Flux:
# T5 text encoder in fp8 (saves approximately 8 GB VRAM vs full precision)
huggingface-cli download comfyanonymous/flux_text_encoders \
t5xxl_fp8_e4m3fn.safetensors \
--local-dir ./models/clip/
# CLIP text encoder
huggingface-cli download openai/clip-vit-large-patch14 \
--local-dir ./models/clip/
# VAE (shared from Flux.1)
huggingface-cli download black-forest-labs/FLUX.1-schnell \
ae.safetensors \
--local-dir ./models/vae/
حمّل ملف JSON الرسمي لسير عمل Flux في ComfyUI عبر زر Load. العُقد الرئيسية التي تحتاج إلى ضبطها هي:
اضغط على Queue Prompt وسيبدأ أول توليد لك باستخدام Flux 2.
لسير العمل المعتمد على السكربتات وتطوير التطبيقات، تقدم مكتبة diffusers من Hugging Face أكبر قدر من التحكم في كل جانب من جوانب توليد الصور.
اعزل دائمًا مشاريع الذكاء الاصطناعي في بيئة افتراضية لمنع تعارض الحزم بين المشاريع.
python -m venv flux2-env
# Windows activation
flux2-env\Scripts\activate
# Linux and macOS activation
source flux2-env/bin/activate
pip install --upgrade pip
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121
pip install diffusers transformers accelerate sentencepiece protobuf
pip install huggingface_hub
لدعم تكميم GGUF على البطاقات ذات الذاكرة المنخفضة:
pip install gguf
💡 نصيحة: بعد نجاح التثبيت، شغّل
pip freeze > requirements.txtلتثبيت إصداراتك. تُحدَّث مكتبةdiffusersبكثرة، وتؤثر التغييرات الجذرية العرضية على واجهة [API] الخاصة بمسار Flux.
سكربت أدنى يعمل لـ flux-2-dev:
import torch
from diffusers import FluxPipeline
pipe = FluxPipeline.from_pretrained(
"black-forest-labs/FLUX.2-dev",
torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()
prompt = "A photorealistic portrait of a woman in soft natural light, film grain, 8K"
image = pipe(
prompt,
height=1024,
width=1024,
guidance_scale=3.5,
num_inference_steps=28,
max_sequence_length=512,
generator=torch.Generator("cpu").manual_seed(42)
).images[0]
image.save("flux2_output.png")
شغّله بالأمر:
python generate.py
يُنزّل التشغيل الأول نحو 24 GB من أوزان النموذج. وتُحمَّل التشغيلات اللاحقة من الذاكرة المؤقتة في حدود 30 ثانية على قرص NVMe SSD حديث.
ليس لدى الجميع بطاقة GPU بذاكرة 24 GB. تتيح لك هاتان الاستراتيجيتان تشغيل Flux 2 على بطاقات بذاكرة 8–12 GB دون التفريط في جودة الصورة الأساسية التي تجعل النموذج يستحق الاستخدام.
GGUF صيغة تكميم مُكيّفة من منظومة llama.cpp، وتعمل الآن مع نماذج انتشار الصور. تخفّض الصيغة دقة النموذج من أرقام الفاصلة العائمة 16 بت إلى أعداد صحيحة 4 بت أو 8 بت، مما يقلّل متطلبات VRAM بنسبة 50–75%.
ملفات GGUF المكمّمة من المجتمع لـ Flux 2 متاحة على Hugging Face. ما تخسره وما تكسبه عند كل مستوى تكميم:
| الملف | استهلاك VRAM | الجودة |
|---|---|---|
| flux2-dev-Q8_0.gguf | ~10 GB | شبه خالٍ من الفقد |
| flux2-dev-Q4_K_S.gguf | ~6 GB | جيدة، مع نعومة طفيفة |
| flux2-dev-Q3_K_M.gguf | ~5 GB | مقبولة للاختبارات السريعة |
في ComfyUI، ثبّت امتداد العقدة المخصصة ComfyUI-GGUF، ثم حمّل ملف checkpoint بصيغة .gguf بالطريقة نفسها التي تحمّل بها أي checkpoint بصيغة .safetensors. لا تحتاج إلى أي تغييرات أخرى في سير العمل.
استراتيجيتان إضافيتان لتقليل الذاكرة تتكاملان جيدًا معًا:
تحميل محوّل fp8 في Diffusers:
from diffusers import FluxPipeline, FluxTransformer2DModel
import torch
transformer = FluxTransformer2DModel.from_pretrained(
"black-forest-labs/FLUX.2-dev",
subfolder="transformer",
torch_dtype=torch.float8_e4m3fn
)
pipe = FluxPipeline.from_pretrained(
"black-forest-labs/FLUX.2-dev",
transformer=transformer,
torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload()
تفريغ متسلسل إلى CPU (أبطأ لكنه يعمل على بطاقات 8 GB):
pipe.enable_sequential_cpu_offload()
💡 نصيحة: ادمج GGUF Q4_K_S مع
enable_model_cpu_offload()لتحقيق أفضل توازن على بطاقات 8 GB. توقّع أوقات توليد تتراوح بين 3 و5 دقائق لكل صورة بحجم 1024x1024، وهو أمر مجدٍ تمامًا للعمل الشخصي التكراري.
إذا كنت تريد تجربة Flux 2 قبل الالتزام بإعداد محلي كامل، أو إذا كنت بحاجة إلى الوصول إلى إصدارات Pro وMax المخصصة للسحابة فقط، فإن PicassoIA يوفر جميع إصدارات Flux 2 مباشرةً في المتصفح دون الحاجة إلى أي تثبيت.
flux-2-pro وflux-2-max غير متاحين كأوزان قابلة للتنزيل. يعملان عبر واجهة API سحابية حصراً. يوفر PicassoIA الوصول عبر المتصفح إلى كليهما، إلى جانب flux-2-flex للأبعاد المرنة للمخرجات، وflux-2-klein-4b للتوليد السريع.
خطوات التوليد باستخدام Flux 2 على PicassoIA:
للحصول على جودة تطابق تشغيل flux-2-dev محليًا على بطاقة GPU بذاكرة 24 GB، تنتج نسخة PicassoIA من النموذج نتائج مكافئة دون أي وقت إعداد.
يستجيب Flux 2 بشكل جيد للأوامر النصية بلغة طبيعية. لست بحاجة إلى أقواس موزونة أو تكديس للتوكنات. اكتب ما تريده كجملة واضحة ومحددة.
ما يعمل جيدًا:
ما يجب تجنبه:
💡 نصيحة: مع flux-2-klein-4b، أبقِ مقياس التوجيه (guidance scale) بين 2.5 و4.0. القيم الأعلى تشبّع الألوان أكثر من اللازم على النموذج الأصغر.
سواء اتبعت مسار ComfyUI، أو كتبت سكربت Diffusers، أو فتحت flux-2-pro على PicassoIA، فأنت الآن تملك كل ما تحتاجه للعمل مع Flux 2.
القيمة الحقيقية لتشغيل Flux 2 محليًا، أو عبر منصة مثل PicassoIA، هي سرعة التكرار. اكتب أمرًا نصيًا، واحصل على نتيجة في أقل من دقيقة، وحسّن الوصف، وولّد من جديد. تلك الحلقة السريعة من التغذية الراجعة هي المكان الذي تتطور فيه المهارة الفعلية في كتابة الأوامر النصية وضبط المعاملات.
يتيح لك PicassoIA الوصول الفوري إلى flux-2-dev، وflux-2-pro، وflux-2-max، وflux-2-flex، وإصدار flux-2-klein-4b الفعّال، دون إعداد CUDA، ودون تنزيل أوزان بحجم 24 GB، ودون إعداد بيئة افتراضية. إنها أسرع طريقة لمقارنة ما ينتجه كل إصدار فعليًا قبل أن تقرر ما إذا كان التثبيت المحلي الكامل يستحق العناء في سير عملك.
ابدأ بأمر نصي يهمّك. شغّله على flux-2-dev، ثم قارنه بـ flux-2-klein-4b. لاحظ ما الذي يتغير بين الاثنين. هذه المقارنة ستخبرك بدقة بالاستثمار في العتاد الذي يبرره استخدامك المحدد، دون أي تخمين.
اختر لغتك
