Arsitektur model Flux: Bagaimana Model 12B Mencipta NSFW Realistik

Sehingga Mei 2026, model Flux dari Black Forest Labs menonjol kerana mereka meninggalkan playbook U-Net lama. Flux.1 dilancarkan pada Ogos 2024 dengan setup hibrid 12B. Flux.2 tiba pada November 2025 dan menyempurnakannya lagi. Lihat, rahsia terletak pada blok MMDiT aliran dua dan aliran tunggal. Mereka memproses token teks dan imej bersama melalui perhatian multimodal. Rectified flow matching menggantikan tarian difusi bising biasa. Penyisipan rotary mengekalkan hubungan spatial yang ketat. Skala itu ditambah perubahan seni bina muncul di mana ia paling penting: liang kulit yang kelihatan sebenar, bayang otot yang mengikut cahaya dengan betul, dan pose intim yang tidak runtuh menjadi anatomi mimpi ngeri. Reka bentuk U-Net lama bergelut dengan butiran ini. Flux hanya merendernya.

Mulakan dengan bunyi. Model ini menjalankan blok transformer selari yang membolehkan setiap token teks bercakap terus dengan setiap patch imej. Perhatian multimodal adalah penggerak sebenar di sini. Inilah masalahnya: apabila anda meminta sudut badan atau ekspresi tertentu, lapisan perhatian mengunci semantik awal. Laluan rectified flow kemudian membersihkan sampel tanpa hanyutan biasa yang dialami model lama. Liar. Anda akan mendapat tangan yang koheren, pencahayaan konsisten merentasi lipatan kulit, dan komposisi adegan yang benar-benar mengikut prompt dan bukannya meneka. Ketepatan itulah sebab Flux mendahului adegan dewasa yang kompleks berbanding tulang belakang Stable Diffusion yang lebih lama.

Flux.2 menambah VAE baharu, menarik semantik Mistral-3 VLM, dan membuka sokongan multi-rujukan sehingga sepuluh imej. Perubahan itu mengetatkan identiti merentasi shot dan memperbaiki cara model memahami pakaian, pencahayaan, dan hubungan badan. Tidak boleh dusta, naik taraf VAE sahaja mengurangkan artifak kulit berlilin yang masih menghantui beberapa generasi. Multi-rujukan menjadikan adegan multi-watak jauh lebih stabil. Seni bina transformer multimodal termaju Flux adalah tepat apa yang membolehkan penjana video dan imej NSFW generasi seterusnya menghasilkan kandungan dewasa yang lebih koheren, tepat anatomi dan boleh dikawal. Seni Bina Model Flux: Transformer Hibrid untuk Ketepatan NSFW