---
title: "Diffusers'a Hoş Geldin FLUX.3 Image Klein: Black Forest Labs'in En Yeni Açık Görsel Üretim Modeli"
url: https://blog.edumints.com/diffusers-a-hos-geldin-flux-3-image-klein-black-forest-labs-in-en-yeni
category: "Yazılım"
date: 2026-10-16T07:07:01.663Z
publisher: Edumints Blog
lang: tr-TR
source_name: "Hugging Face Blog"
source_url: https://huggingface.co/blog/flux-3
---

# Diffusers'a Hoş Geldin FLUX.3 Image Klein: Black Forest Labs'in En Yeni Açık Görsel Üretim Modeli

Black Forest Labs tarafından geliştirilen **FLUX.3 Image Klein**, ilk günden itibaren Diffusers kütüphanesinde kullanıma sunuldu. Bu model, hem metinden görsele (text-to-image) hem de çoklu referanslı görselden görsele (image-to-image) dönüşüm işlemlerini tek bir çatı altında birleştiriyor. Üstelik yazılım geliştiriciler için yepyeni bir yetenek olan **yerleşim kontrolünü (layout control)** beraberinde getiriyor. Artık istem (prompt) içerisine doğrudan sınırlayıcı kutular (bounding boxes) yazarak görselin hangi parçasının nereye yerleşeceğini veya referans görseldeki hangi öğelerin taşınacağını programatik olarak belirleyebilirsiniz.

Açık kaynaklı her iki model kontrol noktası (checkpoint) **FLUX.3 Image Klein** koleksiyonunda yer alıyor:

- **black-forest-labs/flux-3-image-klein**: Hızlı çıkarım (inference) için zaman adımı damıtılmış (time step distilled) model. Varsayılan olarak 16 adım ve CFG olmadan çalışır.
- **black-forest-labs/flux-3-image-klein-base**: Temel (base) model. Varsayılan olarak 50 adım ve CFG ile çalışır.

## Özet (TL;DR)

- Metinden görsele, çoklu referanslı görselden görsele ve sınırlayıcı kutu tabanlı yerleşim kontrolü için **tek bir birleşik model**.
- Damıtılmış (distilled) kontrol noktası, bir H100 GPU üzerinde yaklaşık **2 saniyede** 1024 × 1024 çözünürlüğünde görsel üretir.
- Daha küçük GPU'larda verimli çalışabilmesi için `from_single_file` ile yüklenebilen **NVFP4 ve FP8** kuantize ağırlıklar.
- Hem metinden görsele üretim hem de görsel düzenleme süreçleri için hazır **LoRA eğitim betikleri**.
- Blokları çıkarıp kendi özel bloklarınızı ekleyebileceğiniz **Modular Diffusers** mimarisi.

## İçindekiler

- Başlarken (Getting started)
- FLUX.3 Neler Yapabilir? (What FLUX.3 can do)
- Temel Model ve Kuantize Varyantlar (Base model and quantized variants)
- LoRA İnce Ayarı (LoRA finetuning)
- Çalıştırma Maliyeti (What it costs to run)
- Mimari (The architecture)
- Modüler Diffusers (Modular Diffusers)
- Deneyin (Try it)

## Başlarken

Geliştirme ortamınıza en güncel `diffusers` ve (Qwen3-VL metin kodlayıcısı için) `transformers` kütüphanelerini yükleyerek başlayın:

```bash
pip install -U diffusers transformers
```

Ardından damıtılmış kontrol noktasını `ModularPipeline` ile yükleyip ilk görselinizi üretin:

```python
import torch
from diffusers import ModularPipeline

pipe = ModularPipeline.from_pretrained("black-forest-labs/flux-3-image-klein")
pipe.load_components(dtype=torch.bfloat16)
pipe.to("cuda")

pipe(prompt="a red fox", output="images")[0].save("fox.png")
```

**Pratik Çıkarım:** `ModularPipeline` kullanımı, geleneksel monolitik pipeline yapılarına kıyasla bileşenlerin (`bfloat16` gibi veri tipleriyle) modüler olarak yüklenmesini sağlar ve üretim ortamlarında bellek yönetimini kolaylaştırır.

## FLUX.3 Neler Yapabilir?

### Metinden Görsele (Text-to-image)

FLUX.3; özne, ortam, ışık, kompozisyon ve stil içeren **tam sahne betimlemelerine** en iyi yanıtı verir. Damıtılmış model varsayılan olarak 16 adımda 1024 × 1024 boyutunda bir görsel üretir. Üretim parametrelerini özelleştirmek için `height`, `width` veya `num_inference_steps` argümanlarını doğrudan değiştirebilirsiniz.

```python
prompt = (
    "A wide-angle wildlife photograph of a red fox standing alert in a snow-covered forest clearing at golden hour. "
    "The fox is centered in the frame, its thick orange winter coat contrasting with the fresh white snow, breath "
    "visible in the cold air. Snow-laden pine trees fill the softly blurred background, and low warm sunlight rakes "
    "across the scene from the left, casting long blue shadows."
)
fox = pipe(
    prompt=prompt, generator=torch.Generator().manual_seed(0), output="images"
)[0]
fox.save("fox.png")
```

### Görselden Görsele (Image-to-image)

Bir veya daha fazla referans görseli `image` argümanıyla modele iletebilirsiniz. Burada dikkat edilmesi gereken en önemli mühendislik detayı istem tasarımıdır: İsteminizde sadece değişikliği değil, **elde etmek istediğiniz nihai görselin tam altyazısını (caption)** yapılan değişiklikle birlikte yazmalısınız.

```python
prompt = (
    "The same red fox in the same snow-covered forest clearing, now at night under a full moon: cool blue "
    "moonlight, deep shadows, stars visible through the pine branches, the fox's eyes catching the light."
)
night = pipe(
    prompt=prompt,
    image=fox,  # önceki metinden görsele örneğinden alınan çıktı
    generator=torch.Generator().manual_seed(0),
    output="images",
)[0]
night.save("night.png")
```

**Geliştirici Notu:** Tek bir pipeline üzerinden hem sıfırdan üretim hem de referans görsel tabanlı düzenleme yapılabilmesi, uygulama geliştirirken birden fazla modeli bellekte tutma zorunluluğunu ortadan kaldırarak sunucu maliyetlerini ve mimari karmaşıklığı ciddi ölçüde azaltır.

[](https://huggingface.co/blog/flux-3)

---

**Kaynak:** Hugging Face Blog (https://huggingface.co/blog/flux-3)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/diffusers-a-hos-geldin-flux-3-image-klein-black-forest-labs-in-en-yeni