FLUX.3 Max का हाथों-हाथ किया गया पहला परिचय, जो Black Forest Labs का नवीनतम टेक्स्ट-टू-इमेज मॉडल है। इस लेख में इमेज की शार्पनेस, टाइपोग्राफ़ी की सटीकता, प्रॉम्प्ट फ़िडेलिटी, स्पीड बेंचमार्क, और पोर्ट्रेट, आर्किटेक्चर व वायुमंडलीय दृश्य परीक्षणों में FLUX 2 Pro और FLUX 1.1 Pro Ultra से इसकी तुलना शामिल है। असली प्रॉम्प्ट, असली आउटपुट, बिना फ़ालतू बातों के।
FLUX.3 Max बिना ज़्यादा चेतावनी के आ गया। Black Forest Labs ने इसे चुपचाप जारी किया, और कुछ ही घंटों में AI आर्ट कम्युनिटी इसके आउटपुट को परखने और FLUX 1.1 Pro Ultra, FLUX 2 Pro और इस परिवार के बाकी मॉडलों से तुलना करने लगी। यह FLUX.3 Max के असली आउटपुट पर पहली नज़र है: न बेंचमार्क चार्ट, न कॉर्पोरेट प्रेस रिलीज़, बस असली प्रॉम्प्ट जो मॉडल से गुज़रे और जो नतीजे आए उनके ईमानदार नोट्स। पोर्ट्रेट की फ़िडेलिटी, आर्किटेक्चरल कोहेरेंस, टाइपोग्राफ़ी की सटीकता और वायुमंडलीय रोशनी, सबको परखा गया। आगे बताया गया है कि क्या हुआ।
FLUX.3 Max Black Forest Labs का नवीनतम फ़्लैगशिप टेक्स्ट-टू-इमेज मॉडल है। Black Forest Labs वही टीम है जिसने अब स्थापित हो चुके FLUX परिवार को बनाया है। अगर आपने पहले FLUX 2 Max इस्तेमाल किया है, तो इसे Max लाइनअप में एक बड़े कदम के रूप में देखें: बेहतर प्रॉम्प्ट एडहेरेंस, ज़्यादा शार्प बारीक डिटेल रेंडरिंग, और साफ़ तौर पर बेहतर टाइपोग्राफ़ी। क्वालिटी की सीमा के हिसाब से यह FLUX 2 Pro से ऊपर है, और जेनरेशन फ़िडेलिटी के हिसाब से FLUX Schnell से ऊपर, हालाँकि तेज़ इटरेशन के लिए Schnell अब भी सही टूल है।
Max ब्रांडिंग का इतिहास अधिकतम स्पीड से ज़्यादा अधिकतम क्वालिटी का संकेत रहा है। FLUX.3 Max उस पैटर्न को नहीं तोड़ता। यह परिवार अपनी सर्वोत्तम स्थिति में जो नतीजे दे सकता है, उनकी सीमा को ऊपर उठाता है।
मॉडल 4 megapixels तक का आउटपुट देता है, जिससे रॉ रेज़ोल्यूशन क्षमता के मामले में यह सीधे FLUX 1.1 Pro Ultra और Seedream 5 Pro से मुकाबला करता है। जेनरेशन का समय प्रॉम्प्ट की जटिलता के हिसाब से बदलता है, लेकिन सामान्य API इन्फ़्रास्ट्रक्चर पर ज़्यादातर मानक प्रॉम्प्ट के लिए यह 8 से 18 सेकंड के बीच रहता है।
💡 जानने लायक बात: ज़्यादा रेज़ोल्यूशन वाले आउटपुट में ज़्यादा समय लगता है। अगर आप किसी कॉन्सेप्ट पर इटरेट कर रहे हैं, तो अंतिम आउटपुट के लिए FLUX.3 Max चुनने से पहले FLUX Fast या FLUX Schnell बेहतर शुरुआती विकल्प हैं।
पोर्ट्रेट किसी मॉडल की क्वालिटी की सीमा पहचानने का सबसे तेज़ तरीका है। स्किन को रेंडर करना मुश्किल है। उसमें ट्रांसलूसेंसी, टोन में सूक्ष्म बदलाव, सबसर्फ़ेस लाइट बाउंस, पोर और बारीक सतही रोंएँ होते हैं। पहले के FLUX मॉडल बाकी प्रतिस्पर्धियों से इसे बेहतर संभालते थे, लेकिन परिवार के पिछले वर्ज़न कुछ लाइटिंग विवरणों के तहत कभी-कभी थोड़ा प्लास्टिक जैसा लुक देते थे।
FLUX.3 Max उस समस्या को काफ़ी हद तक ठीक कर देता है। जब खास लाइटिंग विवरण दिए जाते हैं (डायरेक्शनल खिड़की की रोशनी, वॉल्यूमेट्रिक दोपहर की धूप, कैमरे के दाईं ओर 15 डिग्री पर गोल्डन आवर), तो मॉडल उन विवरणों को उच्च फ़िडेलिटी के साथ समझता है। पोर दिखते हैं। स्किन टोन में विविधता मौजूद रहती है। आँखों में कैचलाइट्स वर्णित रोशनी स्रोत के सापेक्ष लगभग सही स्थिति में दिखते हैं।
मॉडल जो नहीं करता वह है नाटकीय ब्यूटी रीटचिंग गढ़ना। आउटपुट असली फ़ोटोग्राफ़ी जैसे दिखते हैं, मैगज़ीन-कवर कंपोज़िट जैसे नहीं। जो कोई वास्तविक फोटोरियलिज़्म चाहता है, उसके लिए यह खूबी है, कमी नहीं।
आर्किटेक्चर यह परखता है कि मॉडल एक जटिल प्रॉम्प्ट में ज्यामितीय कोहेरेंस बनाए रख पाता है या नहीं। कन्वर्जिंग लाइनें, एक-सी मटीरियल टेक्सचर, स्ट्रक्चरल प्रपोर्शन और एटमॉस्फ़ेरिक पर्सपेक्टिव, सबको एक साथ काम करना होता है ताकि नतीजा विश्वसनीय लगे।
FLUX.3 Max यहाँ ठोस प्रदर्शन करता है। बारिश के दाग वाले ब्रूटलिस्ट कंक्रीट स्ट्रक्चर, पुरानी यूरोपीय शहरी फ़ेसेड और इंडस्ट्रियल परिवेश, सब में विश्वसनीय टेक्सचर और सही स्ट्रक्चरल लॉजिक दिखा। मॉडल सतही डिटेल्स को सपाट नहीं करता और उन चिकनी-दीवार वाली कृत्रिमता को नहीं लाता जो कुछ प्रतिस्पर्धी मॉडलों को परेशान करती है।
24mm-समतुल्य पर्सपेक्टिव वाले वाइड एस्टैब्लिशिंग शॉट भी ठीक निकलते हैं: टेलीफ़ोन की तारें पूरे फ़्रेम में एक-सी रहती हैं, खिड़कियाँ उचित अनुपात बनाए रखती हैं, और आसपास के परिवेश के मुकाबले पैमाने का एहसास सही पढ़ा जाता है।
टाइपोग्राफ़ी लगभग हर डिफ़्यूज़न मॉडल की सबसे कमज़ोर कड़ी है। पहली नज़र में सही दिखने वाले अक्षर जाँच करने पर बिखर जाते हैं। स्पेसिंग असंगत हो जाती है। सेरिफ़ डिटेल्स बिगड़ जाते हैं। लंबी स्ट्रिंग्स अनुमानित अक्षर-रूपों में ढल जाती हैं।
FLUX.3 Max यहाँ अपने पिछले वर्ज़न से साफ़ तौर पर बेहतर है, हालाँकि "बेहतर" एक सापेक्ष शब्द है। 1 से 3 शब्दों की छोटी स्ट्रिंग्स, जब प्रॉम्प्ट में साफ़-साफ़ बताई जाएँ और न्यूनतम रखी जाएँ, तो उचित सटीकता से रेंडर होती हैं। जहाँ मॉडल अब भी संघर्ष करता है वह है बहु-शब्दीय संरचनाएँ और छोटा बैकग्राउंड टेक्स्ट। कॉपी-भारी काम के लिए यह डिज़ाइन टूल की जगह नहीं लेगा, लेकिन एडिटोरियल या मार्केटिंग इमेज में हेडलाइन-स्तर के टेक्स्ट के लिए नतीजे अक्सर इस्तेमाल लायक होते हैं।
💡 टिप: बेहतरीन नतीजों के लिए टेक्स्ट प्रॉम्प्ट में अधिकतम 1 से 2 अंग्रेज़ी शब्द रखें। टेक्स्ट निर्देश को प्रॉम्प्ट में जल्दी रखें और प्रॉम्प्ट स्ट्रिंग के भीतर लक्ष्य शब्दों को उद्धरण चिह्नों में लिखें।
PicassoIA पर उपलब्ध मॉडलों के मौजूदा परिदृश्य में FLUX.3 Max कहाँ है, इसका ईमानदार नज़रिया यहाँ है:
| मॉडल | अधिकतम रेज़ोल्यूशन | सबसे अच्छा किसके लिए | स्पीड |
|---|---|---|---|
| FLUX.3 Max | 4MP | अंतिम क्वालिटी का फोटोरियलिज़्म | मध्यम |
| FLUX 2 Pro | उच्च | क्वालिटी और स्पीड का संतुलन | मध्यम-तेज़ |
| FLUX 1.1 Pro Ultra | 4MP | हाई-फ़िडेलिटी पोर्ट्रेट | मध्यम |
| FLUX Dev | मानक | ओपन-वेट्स इटरेशन | मध्यम |
| FLUX Schnell | मानक | रैपिड प्रोटोटाइपिंग | बहुत तेज़ |
| Seedream 5 Pro | 2K | शार्प डिटेल, जीवंत रंग | तेज़ |
| Photon | उच्च | क्रिएटिव सिनेमैटिक स्टाइल | तेज़ |
यह तालिका कच्चे बेंचमार्क नंबरों के बजाय व्यावहारिक उपयोग के मामलों को दर्शाती है। ऐसे अंतिम डिलीवरेबल्स के लिए जहाँ सिर्फ़ क्वालिटी मायने रखती है, FLUX.3 Max सबसे ऊपर है। कॉन्सेप्ट इटरेशन और ड्राफ़्टिंग के लिए FLUX Schnell या FLUX Fast आपको काफ़ी तेज़ी से वहाँ पहुँचाते हैं।
यहीं FLUX.3 Max अपने पिछले मॉडलों से सबसे साफ़ अलग दिखता है। मॉडल के पास इस बात की मज़बूत आंतरिक समझ है कि अलग-अलग परिस्थितियों में रोशनी कैसे व्यवहार करती है: डायरेक्शनल, डिफ़्यूज़्ड, वॉल्यूमेट्रिक, बैकलिट, साइड-लिट, ओवरकास्ट। जब आप किसी खास रोशनी की स्थिति को विस्तार से बताते हैं, तो आउटपुट उसे सटीक रूप से दर्शाता है।
पहाड़ी मैदान पर भोर की धुंध, जिसमें सूर्योदय से पहले की रोशनी की वह खास गुणवत्ता हो जहाँ आसमान लैवेंडर-पिंक हो मगर क्षितिज पर अभी-अभी एम्बर की चमक आ रही हो: मॉडल इसे सही रेंडर करता है, गीली घास पर उसके असर और पहाड़ियों के बीच वायुमंडलीय धुंध की गहराई समेत।
इनडोर लाइटिंग भी उतनी ही मज़बूत है। स्लाइडिंग काँच के दरवाज़ों से आती टेंजेरीन रंग की दोपहर की धूप लकड़ी के क्रेडेंज़ा पर पड़ती है और रोशनी की शाफ़्ट में तैरते धूल के कण बनाती है: FLUX.3 Max ऐसे दृश्यों को उस सटीकता के साथ रेंडर करता है जिसके लिए पुराने मॉडलों पर बहुत सावधानी से प्रॉम्प्ट इंजीनियरिंग करनी पड़ती थी।
ऐसे दृश्य जिनमें कई सही अनुपात वाली वस्तुएँ स्थानिक संबंध में चाहिए, डिफ़्यूज़न मॉडलों के लिए ज्ञात कठिनाई हैं। टेबलटॉप, इंटीरियर और स्टिल-लाइफ़ कंपोज़िशन अक्सर ऐसी वस्तुएँ बनाते हैं जो तैरती हैं, गलत पैमाने पर होती हैं, या स्थानिक तर्क को पूरी तरह नज़रअंदाज़ कर देती हैं।
FLUX.3 Max इन्हें अपने पिछले वर्ज़न से बेहतर संभालता है। फ़र्नीचर, प्रॉप्स और बैकग्राउंड तत्वों वाले इंटीरियर दृश्य सही पैमाने के संबंधों में कई टेस्ट प्रॉम्प्ट पर भरोसेमंद ढंग से आए। वस्तुएँ सतहों पर टिकी रहती हैं। परछाइयाँ रोशनी स्रोत के सापेक्ष लगभग सही दिशा में पड़ती हैं। किनारे से किनारे तक फ़्रेम में पर्सपेक्टिव एक-सा रहता है।
यह डिफ़्यूज़न-आधारित जेनरेशन की सबसे कठिन समस्या बनी हुई है, और FLUX.3 Max इसे पूरी तरह हल नहीं करता। यह इसमें मापने योग्य सुधार करता है। उंगलियों की गिनती पिछले FLUX वर्ज़न की तुलना में अधिक बार सही होती है। पोरों का अनुपात अधिक सटीक है। जब प्रॉम्प्ट खास तौर पर माँगे, तो बुज़ुर्ग हाथों की नसें विश्वसनीय डिटेल के साथ रेंडर होती हैं।
फिर भी, जटिल हाथ की मुद्राएँ, छोटी वस्तुओं के साथ बातचीत करते हाथ, या आंशिक रूप से ढके हाथ अब भी एक ठीक-ठाक प्रतिशत मामलों में शारीरिक त्रुटियाँ पैदा करते हैं। यहाँ मॉडल का सुधार असली और साफ़ दिखने वाला है, लेकिन यह निर्णायक नहीं, बल्कि क्रमिक है।
क्या मदद करता है: प्रॉम्प्ट में हाथ की स्थिति के बारे में बेहद साफ़-साफ़ बताएँ। "दाहिना हाथ लकड़ी की सतह पर खुला रखा हुआ, हथेली ऊपर, उंगलियाँ ढीली" लिखने से "मेज़ पर हाथ" की तुलना में बेहतर नतीजे आते हैं। आप सटीक मुद्रा और स्थिति के बारे में जितनी ज़्यादा डिटेल देंगे, सही शरीर-रचना मिलने की संभावना उतनी ही बढ़ेगी।
जैसा ऊपर बताया गया, छोटे और सरल शब्द या वाक्यांश से आगे का कोई भी टेक्स्ट रेंडरिंग समस्याओं में पड़ता है। मॉडल का टेक्स्ट हैंडलिंग FLUX 1.1 जेनरेशन से बेहतर है, लेकिन उस स्तर पर नहीं जहाँ लंबे कॉपी, मल्टी-लाइन लेआउट या सटीक टाइपोग्राफ़िक ज़रूरतों वाले डिज़ाइन के लिए इस पर भरोसा किया जा सके। ऐसे उपयोग के मामलों के लिए जेनरेशन एक शुरुआती बिंदु देता है जिसे परिष्कृत करना पड़ता है, तैयार एसेट नहीं।
PicassoIA आपको Max लाइनअप में FLUX 2 Max तक सीधी पहुँच देता है। यहाँ बताया गया है कि ऐसे प्रॉम्प्ट पर जेनरेशन बर्बाद किए बिना मॉडल से सबसे अच्छे नतीजे कैसे लें जो काम नहीं करते।
मॉडल विशिष्टता को पुरस्कृत करता है। "कैफ़े में एक महिला" लिखने के बजाय लिखें:
"लगभग 20 के आखिरी वर्षों में एक युवा महिला, घुंघराले गहरे ऑबर्न बाल, एक गोल संगमरमर की कैफ़े टेबल पर लैपटॉप के साथ बैठी, दोनों हाथों में सिरेमिक कॉफ़ी कप पकड़े, ऊपर गर्म एडिसन बल्ब जो सुनहरी रोशनी के गड्ढे बना रहे हैं, ईंट की दीवार का बैकग्राउंड, दूसरे ग्राहक हल्के धुंधले, 50mm लेंस f/2, Kodak Portra 400 फ़िल्म ग्रेन, photorealistic RAW 8K"
रोशनी, लेंस विकल्प और सेटिंग पर विशिष्टता आउटपुट की क्वालिटी को काफ़ी बेहतर बनाती है। मॉडल वह सारी जानकारी इस्तेमाल करता है।
एडिटोरियल और ब्लॉग कंटेंट के लिए, इस मॉडल पर 16:9 आस्पेक्ट रेशियो सबसे साफ़ कंपोज़िशन नतीजे देता है। इसका आंतरिक कंपोज़िशन लॉजिक ज़्यादातर दृश्य प्रकारों के लिए वाइडस्क्रीन फ़्रेमिंग को अच्छी तरह संभालता है: पोर्ट्रेट, इंटीरियर, परिवेश और स्टिल-लाइफ़ सेटअप।
पूरी FLUX.3 Max जेनरेशन पर प्रतिबद्ध होने से पहले कंपोज़िशन और रोशनी जाँचने के लिए FLUX Fast से पहला पास चलाएँ। फिर उच्च-क्वालिटी आउटपुट पर जाने से पहले उस ड्राफ़्ट से जो दिखे, उसके आधार पर प्रॉम्प्ट को परिष्कृत करें।
💡 जब कोई अच्छा नतीजा मिले, तो उसका सीड नंबर सेव करें। इससे आप उसी अंतर्निहित कंपोज़िशन लॉजिक को बनाए रखते हुए प्रॉम्प्ट में बदलाव कर सकते हैं, जो परिष्करण के दौरान काफ़ी समय बचाता है।
FLUX.3 Max इस परिवार का अकेला सदस्य नहीं है जो नियमित वर्कफ़्लो में अपनी जगह कमाता है। आप क्या बना रहे हैं, इसके आधार पर व्यावहारिक इस्तेमाल में ये सबसे अधिक आने वाले मॉडल हैं:
FLUX Kontext Max: अगर आपको शून्य से जेनरेट करने के बजाय मौजूदा इमेज एडिट करनी है, तो इसी मॉडल का इस्तेमाल करें। जो बदलना है उसे सामान्य भाषा में बताएँ, और मॉडल बाकी इमेज को सुरक्षित रखते हुए उसे लागू करता है। एडिट किए गए हिस्से और मूल इमेज के बीच की कंसिस्टेंसी वाकई प्रभावशाली है।
FLUX Kontext Pro: वही इमेज-एडिटिंग क्षमता, थोड़ी अलग क्वालिटी और लागत प्रोफ़ाइल के साथ। हर पास में पूरा Kontext Max बजट खर्च किए बिना एडिट्स को तेज़ी से इटरेट करने के लिए अच्छा।
FLUX Kontext Fast: तेज़ी से चलने वाली Kontext एडिटिंग। जब एक ही इमेज पर क्रम से कई छोटे बदलाव करने हों, तब उपयोगी।
FLUX 2 Dev: ओपन-वेट्स डेवलपमेंट वर्ज़न। अगर आप FLUX आर्किटेक्चर पर कुछ बना रहे हैं या फाइन-ट्यूनिंग के लिए आधार चाहिए, तो यह सही शुरुआत है।
FLUX Pro: मूल Pro रिलीज़। अब भी उत्कृष्ट नतीजे देता है और Max टियर की तुलना में प्रति जेनरेशन कम लागत आती है। उन प्रोजेक्ट्स के लिए रोटेशन में रखने लायक है जहाँ Max की क्वालिटी की सीमा सख्ती से ज़रूरी नहीं है।
FLUX 1.1 Pro Ultra: पोर्ट्रेट और फ़ोटोरियलिज़्म की क्वालिटी को बहुत ऊँची सीमा तक ले जाता है। खास प्रॉम्प्ट्स पर यह देखने के लिए FLUX.3 Max के साथ-साथ चलाने लायक है कि आपके विषय को कौन बेहतर संभालता है।
Seedream 4.5: अलग सौंदर्य चरित्र वाले 4K आउटपुट के लिए Seedream 4.5 एक मज़बूत विकल्प है। यह रंग और सैचुरेशन को FLUX मॉडलों से अलग तरीके से संभालता है, इसलिए कुछ क्रिएटिव दिशाओं के लिए, जहाँ आपको ज़्यादा विज़ुअल पॉप चाहिए, यह बेहतर चुनाव है।
FLUX.3 Max एक असली कदम आगे है। पोर्ट्रेट क्वालिटी, वायुमंडलीय रोशनी और जटिल दृश्यों में संरचनात्मक कोहेरेंस, ये सब परिवार के पिछले मॉडलों से मापने योग्य रूप से बेहतर हैं। टाइपोग्राफ़ी और शरीर-रचना में अब भी सुधार की गुंजाइश है, लेकिन क्वालिटी की सीमा FLUX लाइनअप के अब तक पहुँचे किसी भी स्तर से ऊँची है।
अपनी राय बनाने का सबसे तेज़ तरीका है कि आप किसी ऐसे प्रॉम्प्ट को चलाएँ जिसे आपने पुराने मॉडल पर परखा है, और देखें कि FLUX.3 Max उसके साथ क्या करता है। PicassoIA पर FLUX 2 Max पर जाएँ और जेनरेट करना शुरू करें। इसे आज़माने के लिए कोई अकाउंट सेटअप ज़रूरी नहीं है, और पहले कुछ आउटपुट आपको किसी भी रिव्यू से ज़्यादा बता देंगे।
जो उपलब्ध है उसका व्यापक नज़रिया पाने के लिए, पूरा टेक्स्ट-टू-इमेज मॉडल संग्रह picassoia.com/en/all-models पर है। इस श्रेणी में 90 से अधिक मॉडल हैं, जो विशेष फ़ाइन-ट्यून्स से लेकर फ़्लैगशिप Max-टियर जेनरेटर तक फैले हैं, और अपने खास उपयोग के लिए सही मॉडल चुनना आमतौर पर तीन-चार तुलना प्रॉम्प्ट साथ-साथ चलाने जितना आसान होता है।
अपनी भाषा चुनें
