फ्लक्स मॉडल फैमिली: रेक्टिफाइड फ्लो ट्रांसफॉर्मर गहन विश्लेषण

फ्लक्स मॉडल फैमिली ब्लैक फॉरेस्ट लैब्स से जुलाई 2025 में FLUX.1 रिलीज़ होने के बाद से सबका ध्यान खींच रही है, जैसा कि उनके arXiv पेपर में विस्तार से बताया गया है। हम प्रो, डेव और तेज़ स्कनेल संस्करण जैसी वैरिएंट्स की बात कर रहे हैं, जो अब नवंबर 2025 और उसके बाद फ्लक्स.2 रिलीज़ से जुड़ गई हैं। 12 बिलियन पैरामीटर्स के साथ यह दानव rectified flow transformer का उपयोग करके टेक्स्ट-टू-इमेज जनरेशन को डरावनी सटीकता के साथ निभाता है। क्यों महत्वपूर्ण? एडल्ट कंटेंट के लिए, यह जीवंत न्यूड्स, कामुक पोज़ और शारीरिक रूप से बिल्कुल सटीक शरीर प्रदान करता है जो पुराने मॉडल गड़बड़ा देते हैं। मैंने नोटिस किया—मेरी, अहम, गहन टेस्टिंग के दौरान—फ्लक्स.2 कैसे स्किन टेक्स्चर और हाथों की डिटेल्स को फोटोरियलिस्टिक स्तर तक बढ़ा देता है। ईमानदारी से? हाइपर-रियल सीन बनाने के लिए यह काफी लत लगाने वाला है। फ्लक्स की सटीकता से डिज़ाइन की गई आर्किटेक्चर फोटोरियलिस्टिक ह्यूमन्स और डायनामिक कंपोज़िशन्स के लिए उन्नत एआई एडल्ट वीडियो पाइपलाइन्स में कोर इमेज फाउंडेशन को पावर देती है, जो मोशन में फ्लुइड ट्रांज़िशन्स को सक्षम बनाती है।

U-Net को भूल जाइए। फ्लक्स इसे rectified flow transformer से बदल देता है जो 16-चैनल लेटेंट स्पेस में वेलोसिटी वेक्टर्स की भविष्यवाणी करता है। डुअल टेक्स्ट एन्कोडर्स भारी काम संभालते हैं: T5 घने टोकन्स उगलता है सूक्ष्म समझ के लिए, जबकि CLIP पूलेड एम्बेडिंग्स देता है। यूनिफाइड अटेंशन टेक्स्ट और इमेज टोकन्स को सहजता से बांधता है। डबल-स्ट्रीम ब्लॉक्स फ्लो और इमेज डेटा को समानांतर में प्रोसेस करते हैं; सिंगल-स्ट्रीम वाले बाद में उन्हें फ्यूज़ करते हैं। AdaLN मॉडुलेशन चीजों को तुरंत एडजस्ट करता है, RoPE एम्बेडिंग्स पोज़िशनल इंфо को कुरकुरा रखते हैं। मैं आपके साथ सच्चा रहूँगा: यह सेटअप शानदार स्केल करता है। अब कोई डिफ्यूज़न बॉटलनेक्स नहीं। शुद्ध ट्रांसफॉर्मर दक्षता।

स्टैंडर्ड डिफ्यूज़न? शोर भरी अटकलें। रेक्टिफाइड फ्लो शोर से डेटा तक सीधे साफ वेलोसिटी वेक्टर्स की भविष्यवाणी करता है—निरणयी, कोई स्टोकेस्टिक शेड्यूल्स नहीं। सैंपलिंग में Flow-Matching Euler स्टेप्स का उपयोग होता है। शोर धीरे-धीरे जुड़ता है; मॉडल इसे सटीकता से वापस वेक्टर करता है। डबल/सिंगल-स्ट्रीम ब्लॉक्स और मॉडुलेशन जैसी इनोवेशन्स हाई रेज़ोल्यूशन पर स्थिरता सुनिश्चित करती हैं। हाँ,我知道 यह तकनीकी लगता है। लेकिन प्रैक्टिस में? फ्लक्स विविध, प्रॉम्प्ट-एड्हेरेंट आउटपुट्स बनाता है बिना सामान्य आर्टिफैक्ट्स के। मेरे पूरी तरह गैर-वैज्ञानिक एक सैंपल से लगता है कि यह कॉम्प्लेक्स प्रॉम्प्ट्स के लिए गेम-चेंजर है।

SDXL डिफ्यूज़न जड़ों से चिपका रहता है—प्रॉम्प्ट एड्हेरेंस? औसत। विविधता? सीमित। फ्लक्स? ट्रांसफॉर्मर्स अनंत स्केल करते हैं, टेक्स्ट फिडेलिटी बेंचमार्क्स में इसे कुचल देती है। कोई रैंडम शेड्यूल्स नहीं मतलब कंसिस्टेंट क्वालिटी। फ्लक्स.2 की एनाटॉमी अपग्रेड्स हाथों, चेहरों और—महत्वपूर्ण रूप से—जननांग रियलिज़्म पर SDXL को धूल चटाती हैं। कामुक आर्ट के लिए, यह मामूली नहीं। यहाँ जो अधिकांश एनालिस्ट्स नहीं बताएँगे: फ्लक्स जीवंत लगता है। SDXL? एजेस में अभी भी कार्टूनीश। हाइपर-रियल NSFW के लिए फ्लक्स जीतता है।