Flux 모델 아키텍처: 12B 모델이 리얼리스틱 NSFW를 만드는 방법

2026년 5월 기준으로 Black Forest Labs의 Flux 모델은 기존 U-Net 방식을 과감히 버린 점에서 눈에 띕니다. Flux.1은 2024년 8월 12B 하이브리드 구성으로 등장했고, Flux.2는 2025년 11월에 한층 더 정교해졌습니다. 핵심은 double-stream과 single-stream MMDiT 블록에 있습니다. 이 블록들은 멀티모달 어텐션을 통해 텍스트와 이미지 토큰을 함께 처리하죠. Rectified flow matching은 기존 노이즈 확산 방식을 대체하고, Rotary embeddings는 공간 관계를 정확히 유지합니다. 이 규모와 아키텍처 변화는 실제 같은 피부 모공, 빛을 따라 움직이는 근육 그림자, 붕괴되지 않는 관능적인 포즈에서 가장 강력하게 드러납니다. 구형 U-Net은 이런 디테일과 씨름했지만 Flux는 그대로 구현합니다.

노이즈에서 시작합니다. 모델은 모든 텍스트 토큰이 모든 이미지 패치와 직접 소통할 수 있는 병렬 트랜스포머 블록을 실행합니다. 여기서 진짜 핵심은 멀티모달 어텐션입니다. 특정 신체 각도나 표정을 프롬프트하면 어텐션 레이어가 의미를 초기에 고정시키고, rectified flow 경로가 기존 모델의 흔한 왜곡 없이 샘플을 정리합니다. 결과는 완벽하게 연결된 손, 피부 주름 사이의 일관된 조명, 프롬프트를 정확히 따르는 장면 구성입니다. 이런 정밀도가 Flux를 복잡한 성인 장면에서 Stable Diffusion의 구형 백본보다 앞서게 만듭니다.

Flux.2는 새로운 VAE, Mistral-3 VLM 시맨틱스, 최대 10개 이미지까지 지원하는 멀티-레퍼런스 기능을 추가했습니다. 이 변화로 샷 간 아이덴티티 일관성이 강화되고 의상, 조명, 신체 관계 이해도가 크게 높아졌습니다. VAE 업그레이드만으로도 일부 세대에서 남아 있던 왁스 같은 피부 아티팩트를 줄여줍니다. 멀티-레퍼런스는 다중 캐릭터 장면을 훨씬 안정적으로 만들어줍니다. Flux의 첨단 멀티모달 트랜스포머 아키텍처는 차세대 NSFW 비디오·이미지 생성기가 더 일관되고 해부학적으로 정확하며 제어 가능한 성인 콘텐츠를 제작할 수 있게 해줍니다. Flux 모델 아키텍처: NSFW 정밀도를 위한 하이브리드 트랜스포머