Architettura del modello Flux: Come il Modello 12B Crea NSFW Realistici

A partire da maggio 2026 i modelli Flux di Black Forest Labs si distinguono perché hanno abbandonato il vecchio approccio U-Net. Flux.1 è arrivato ad agosto 2024 con una configurazione ibrida da 12B. Flux.2 è arrivato a novembre 2025 e l'ha ulteriormente raffinato. Il segreto sta in quei blocchi MMDiT a doppio flusso e flusso singolo. Elaborano token di testo e immagine insieme attraverso l'attenzione multimodale. Il flusso rettificato sostituisce la solita danza rumorosa della diffusione. Gli embedding rotazionali mantengono strette le relazioni spaziali. Quella scala unita al cambio di architettura si manifesta dove conta di più: pori della pelle che sembrano reali, ombre muscolari che seguono correttamente la luce e pose intime che non collassano in anatomie da incubo. I vecchi design U-Net lottavano con questi dettagli. Flux li rende semplicemente.

Si parte dal rumore. Il modello esegue blocchi transformer paralleli che permettono a ogni token di testo di interagire direttamente con ogni patch dell'immagine. L'attenzione multimodale è il vero motore qui. Il punto è questo: quando richiedi un angolo del corpo o un'espressione specifica, gli strati di attenzione fissano la semantica fin dall'inizio. Il percorso del flusso rettificato pulisce poi il campione senza la deriva tipica dei modelli più vecchi. Pazzesco. Ottieni mani coerenti, illuminazione costante sulle pieghe della pelle e composizioni di scena che seguono davvero il prompt invece di improvvisare. Questa precisione è il motivo per cui Flux supera Stable Diffusion nelle scene adulte complesse.

Flux.2 ha aggiunto un nuovo VAE, integrato la semantica Mistral-3 VLM e aperto il supporto multi-reference fino a dieci immagini. Questi cambiamenti rafforzano l'identità tra gli scatti e migliorano la comprensione di abbigliamento, illuminazione e relazioni corporee. A dirla tutta, il solo upgrade del VAE riduce gli artefatti cutanei cerosi che ancora affliggono alcune generazioni. Il multi-reference rende le scene multi-personaggio molto più stabili. L'architettura avanzata del trasformatore multimodale di Flux è esattamente ciò che consente ai generatori di video e immagini NSFW di nuova generazione di produrre contenuti adulti più coerenti, anatomicamente accurati e controllabili. Architettura del modello Flux: Trasformatore Ibrido per la Precisione NSFW