FLUX.1 Kontext — редактирование фото

FLUX.1 Kontext — это семейство моделей Black Forest Labs для контекстного редактирования изображений, анонсированное 29 мая 2025 года. Технически это flow-matching трансформер, который в единой архитектуре умеет и генерировать картинки, и редактировать существующие (научная статья — arXiv:2506.15742).

Главное отличие от обычной text-to-image нейросети в том, что Kontext принимает на вход и картинку, и текстовую инструкцию. Обычная модель рисует новое изображение с нуля по описанию. Kontext же берёт ваше фото и меняет только то, что вы попросили: цвет одежды, фон, надпись — сохраняя при этом лицо человека, позу и общую композицию кадра.

Это принципиально для реальных задач. Если вы просите «поменяй фон на офис», обычная генеративная модель нарисует другого человека в офисе. Kontext оставит вашего человека и заменит только фон. Именно поэтому его называют context-aware — модель понимает контекст исходного изображения и работает как аккуратный ретушёр, а не как художник с чистого листа. Семейство включает три варианта: [pro], [max] и открытый [dev].

Цена зависит от варианта модели и площадки. На fal.ai — одной из основных платформ доступа — тарифы фиксированные, без скрытых комиссий и минимального объёма:

Открытый Kontext [dev] при этом можно скачать бесплатно с Hugging Face и запускать на своём GPU — платить не нужно вовсе, но лицензия у dev некоммерческая, и для бизнеса требуется отдельный лицензионный ключ через портал Black Forest Labs.

Коммерческое использование на fal.ai уже включено в цену за изображение. Для крупных объёмов доступны корпоративные скидки. Отдельно есть официальный API самого Black Forest Labs (bfl.ai) со своим прайсом и оплатой в валюте. Из России удобнее платить в рублях через готовый веб-редактор — от 12 ₽ за фото без валютных карт.

Прямого доступа из РФ у Black Forest Labs, по сути, нет. Официальный API (bfl.ai) и основные облачные площадки — fal.ai, Replicate, Together AI — не принимают российские карты, а иногда ограничивают доступ и по IP-адресу. Оплатить подписку картой РФ напрямую, как правило, не получается.

При этом реально пользоваться Kontext из России три способа:

1. Готовый веб-инструмент с рублёвой оплатой. Самый простой путь: AI-редактор фото на базе FLUX-моделей с оплатой через ЮKassa, карты МИР и СБП. Без VPN и зарубежной регистрации, с закрывающими документами для ИП и ООО.

2. Локальный запуск Kontext [dev]. Открытые веса 12B лежат на Hugging Face — их можно скачать и запустить на своём GPU через ComfyUI или diffusers. Нужна карта от 24 ГБ VRAM. Бесплатно, но лицензия dev некоммерческая.

3. Агрегатор-посредник. Российские и СНГ-сервисы проксируют fal.ai и Replicate с оплатой в рублях — удобно, если нужен API без своего железа, но с наценкой сверху базовой цены.

Для большинства пользователей первый вариант оптимален: платите только за результат, без возни с инфраструктурой и валютными платежами.

Обе нейросети редактируют фото по промпту, но у них разные сильные стороны и разные разработчики: Kontext — от Black Forest Labs, GPT-Image-2 — от OpenAI.

Практическая разница. Если вам критично, чтобы лицо и облик человека сохранялись через серию правок — берите Kontext, это его ключевое преимущество по бенчмарку KontextBench и paper. Модель специально проектировали под устойчивое итеративное редактирование без «расползания» персонажа.

Если же задача — вписать в кадр аккуратный текст, ценник, логотип или сделать inpaint по маске в продуктовой сцене, сильнее GPT-Image-2: у OpenAI это заявленный акцент. Ещё важный фактор — Kontext [dev] можно запустить локально на своём железе, а GPT-Image-2 доступен только через облачный API OpenAI.

Nano Banana — это модель Google для редактирования фото, и она, как и Kontext, сильна в сохранении персонажа. Так что здесь два прямых конкурента с похожей философией.

Ключевые различия:

• Разработчик и экосистема. Kontext — от Black Forest Labs (создатели FLUX), Nano Banana — от Google (линейка Gemini). У Google — глубокая интеграция с их облаком и мультимодальностью.
• Открытость. У Kontext есть открытый вариант [dev] на 12B параметров, который можно скачать и запустить локально. Nano Banana — закрытая модель, доступная только через API. Это решающий фактор для компаний, которым нельзя выгружать фото в чужое облако.
• Multi-image композиция. Nano Banana исторически силён в объединении нескольких изображений в один кадр (виртуальная примерка, коллажи из объектов). Kontext сфокусирован на редактировании одного исходника с текстовой инструкцией.
• Цена и скорость. Kontext [pro] — $0,04 за фото, 3–5 секунд на кадр. Nano Banana — порядка $0,039 за изображение, тоже быстрый.

Вывод. Для локального on-premise редактирования и итеративной работы с персонажем — Kontext. Для сложной multi-image композиции внутри экосистемы Google — Nano Banana. По качеству сохранения лица обе модели в топе рынка.

Black Forest Labs выпустил Kontext в трёх вариантах под разные задачи и бюджеты:

Kontext [pro] — основной рабочий вариант, «рабочая лошадка». Построен под итеративное редактирование: локальные правки, трансформации сцены, многошаговая доработка с сохранением персонажа и стиля. На fal.ai стоит $0,04 за изображение. Подходит для большинства повседневных задач.

Kontext [max] — вариант максимального качества. У него заявлено улучшенное следование промпту и более точная генерация текста и типографики по сравнению с [pro]. Стоит $0,08 за фото — вдвое дороже. Берут, когда критична точность мелких деталей, надписей и сложных инструкций.

Kontext [dev] — открытый вариант на 12 млрд параметров, вышел 26 июня 2025 года. Веса выложены на Hugging Face под FLUX.1 Non-Commercial License. Его можно скачать и запустить локально на своём GPU (от 24 ГБ VRAM), есть сборки BF16, FP8 и FP4 TensorRT под разное железо. Через fal.ai [dev] стоит $0,025 за фото. Важный нюанс: лицензия dev некоммерческая — для бизнеса нужен отдельный коммерческий ключ через портал BFL.

Выбор простой: [pro] для типовой работы, [max] для сложных кадров с текстом, [dev] — если нужен локальный запуск или открытые веса.

Да, и это главное преимущество модели. Сохранение персонажа (character consistency) — то, ради чего Kontext создавали. В научной статье (arXiv:2506.15742) авторы прямо указывают, что существующие редактирующие модели деградируют по консистентности персонажа при множественных правках, а Kontext улучшает сохранение объектов и персонажей, что делает его устойчивым в итеративных сценариях.

На практике это значит: вы можете взять портрет и последовательно менять фон, одежду, освещение, аксессуары — а лицо, причёска и телосложение человека останутся узнаваемыми через всю серию правок. Обычные генеративные модели после нескольких итераций начинают «дрейфовать»: человек постепенно превращается в другого. Kontext этому сопротивляется.

Несколько советов, как усилить эффект:

• Делайте правки по одной — Kontext создан для итераций, а не для одного мега-промпта со всеми изменениями сразу.
• Явно указывайте в промпте «сохрани лицо без изменений» при агрессивных правках фона или стиля.
• Для помещения одного персонажа в разные сцены используйте character reference — это отдельная категория в бенчмарке KontextBench.

Именно поэтому Kontext популярен для аватаров, комиксов, брендовых персонажей и любых задач, где один и тот же герой должен появляться в разных ситуациях.

Да, но только вариант Kontext [dev] — облачные [pro] и [max] доступны исключительно через API. Открытые веса dev на 12 млрд параметров выложены на Hugging Face (репозиторий black-forest-labs/FLUX.1-Kontext-dev) и вышли 26 июня 2025 года.

Что нужно для локального запуска:

• GPU с 24 ГБ VRAM для полной BF16-точности (RTX 3090, RTX 4090, A5000). На меньших картах спасают квантованные FP8- и FP4-сборки TensorRT, но с потерей качества.
• Софт: ComfyUI (есть готовые ноды для Kontext) или Python-пайплайн на diffusers от Hugging Face.
• Лицензия: FLUX.1 Non-Commercial License. Для личных и исследовательских целей — бесплатно. Для коммерческого использования нужен платный ключ через портал Black Forest Labs.

Пошагово: устанавливаете ComfyUI, скачиваете веса в папку моделей, загружаете готовый workflow для Kontext, подаёте на вход фото и текстовую инструкцию. Через несколько секунд получаете отредактированный кадр — всё локально, без отправки данных в облако.

Локальный запуск особенно важен для агентств, госструктур и компаний с чувствительными данными: фото не покидают вашу инфраструктуру. Если своего мощного GPU нет — тот же [dev] доступен через fal.ai за $0,025 за изображение, а из РФ проще пользоваться веб-редактором с рублёвой оплатой.

Kontext работает и выдаёт результат в районе 1 мегапикселя — это примерно 1024×1024 пикселя или эквивалентные пропорции (например, 1152×896 для горизонтального кадра). Именно на 1 МП модель показывает интерактивную скорость 3–5 секунд на изображение, что делает её удобной для итеративного редактирования.

Это осознанный компромисс: 1 МП достаточно для веба, соцсетей, превью карточек товаров и большинства цифровых задач. Но для печати, крупных баннеров или полиграфии такого разрешения не хватит — там нужны 4K и выше.

Решение — апскейл после редактирования. Рабочий пайплайн выглядит так:

1. Отредактировали фото в Kontext (правка фона, одежды, текста) — получили кадр ~1 МП.
2. Прогнали результат через нейросеть апскейла — увеличили до 4K или больше с восстановлением деталей.
3. При необходимости убрали фон для чистой карточки маркетплейса.

Такая связка даёт и точное редактирование от Kontext, и высокое разрешение на выходе. Для сравнения: линейка Google Gemini умеет нативно генерировать до 4K, но проигрывает Kontext по устойчивости персонажа в итеративных правках. Поэтому для многих задач связка «Kontext + апскейл» оказывается практичнее, чем одна модель с высоким нативным разрешением.

Kontext, как и все модели семейства FLUX от Black Forest Labs, обучен преимущественно на англоязычных данных. Русский он понимает — простые инструкции вроде «поменяй фон» или «сделай куртку красной» модель распознаёт. Но на сложных и тонких правках английский промпт даёт заметно более предсказуемый и точный результат.

Практические рекомендации:

• Для базовых правок можно писать по-русски — модель справится.
• Для тонких задач (точная передача оттенка, конкретная поза, детали текстуры) переводите промпт на английский. Разница в качестве бывает существенной.
• Для редактирования текста в кадре пишите новую надпись на английском в кавычках, например: replace the sign with "SALE". Русский текст в кадре модель рисует хуже — латиница выходит аккуратнее.

Многие российские веб-инструменты решают эту проблему автоматически: вы пишете промпт на русском, а сервис незаметно переводит его на английский перед отправкой в модель. Так вы получаете качество английского промпта, не зная языка. В AI-редакторе PhotoPanda можно писать на русском — под капотом идёт оптимизация промпта.

Если же надпись на фото должна быть на кириллице, лучше добавить её отдельным шагом в графическом редакторе после правки в Kontext — так вы гарантированно получите чистый русский текст без искажений.

KontextBench — это собственный бенчмарк Black Forest Labs, который они выпустили вместе с моделью для объективной оценки редактирования изображений. Он содержит 1026 пар «изображение—промпт» по пяти категориям задач: локальное редактирование, глобальное редактирование, character reference (сохранение персонажа), style reference (перенос стиля) и редактирование текста.

По результатам human-preference оценок на KontextBench Black Forest Labs заявляет, что открытый Kontext [dev] превосходит другие открытые редакторы (Bytedance Bagel, HiDream-E1-Full) и даже закрытую модель Google Gemini-Flash Image по многим категориям. Это подавалось как первый случай, когда редактор «проприетарного уровня» доступен в открытых весах.

Насколько доверять этим цифрам. Здесь важна честность: KontextBench создан самими разработчиками модели, которую он оценивает. Это не независимый бенчмарк вроде LMArena, где модели соревнуются вслепую по голосам пользователей. Поэтому к формулировке «превосходит во многих категориях» стоит относиться как к заявлению вендора, а не к нейтральной третьей стороне.

Тем не менее сам набор из 1026 пар опубликован публично, методология описана в paper (arXiv:2506.15742), а сильные стороны Kontext — устойчивость персонажа при итерациях — подтверждаются и практикой пользователей, а не только внутренними тестами. Разумный подход: воспринимать KontextBench как ориентир, но для своей задачи прогнать пробные кадры и сравнить результат вживую с GPT-Image-2 и Nano Banana.

Kontext создан для точечного редактирования готовых фото по текстовой инструкции, и максимально раскрывается в задачах, где важно сохранить исходное изображение и поменять только часть.

Где Kontext особенно хорош:

• Смена фона на портретах — заменить бытовой фон на студийный или тематический, оставив человека нетронутым.
• Товарные карточки — перекрасить товар, поменять сцену вокруг, добавить надпись на упаковке без пересъёмки. Результат удобно сразу апскейлить для маркетплейса.
• Ретушь деталей — убрать лишний объект, сменить причёску или аксессуар точечно.
• Единый стиль серии — применить одну эстетику ко всем кадрам через style reference для контент-плана.
• Аватары и персонажи — помещать одного героя в новые сцены с сохранением узнаваемого лица.
• Итеративный дизайн — многошаговая доработка визуала без потери персонажа и композиции.

Где Kontext подходит хуже:

• Генерация с нуля по текстовому описанию — для этого есть чистые text-to-image модели (Midjourney, DALL-E 3).
• Сложная композиция из нескольких исходников — здесь сильнее Nano Banana.
• Кириллический текст в кадре — латиница выходит аккуратнее, русский лучше добавлять отдельным шагом.
• Печать «из коробки» — нативно ~1 МП, нужен апскейл.

Короткий ориентир: если у вас уже есть фото и нужно его аккуратно изменить, сохранив главное — Kontext один из лучших выборов на рынке. Для стартовой генерации или multi-image коллажей смотрите в сторону других моделей каталога.