NVIDIA เผยเมื่อ 6 พ.ย. 2026 ว่า FLUX 3 Image Klein สร้างภาพ 2048x2048 บน B200 เร็วขึ้น 3.46 เท่า และแก้ภาพเร็วขึ้น 4.45 เท่า เมื่อใช้ TensorRT LLM VisualGen
โดย กองบรรณาธิการ THAI DATA อ่าน 5 นาที
สรุปประเด็นสำคัญ
- NVIDIA เผยแพร่บทความเทคนิคเมื่อ 6 พฤศจิกายน 2026 แสดงวิธีเร่ง FLUX 3 Image Klein โมเดลสร้างและแก้ภาพของ Black Forest Labs ด้วยรันไทม์ TensorRT LLM VisualGen บน GPU Blackwell
- บน B200 ใบเดียว ภาพ 2048x2048 แบบข้อความเป็นภาพเร็วขึ้นสูงสุด 3.46 เท่า (22.36 เหลือ 6.46 วินาที) และแบบแก้ภาพเร็วขึ้น 4.45 เท่า (54.64 เหลือ 12.28 วินาที) เมื่อเทียบกับ BF16 ที่ไม่คอมไพล์
- การเร่งมาจากหลายเทคนิครวมกัน เช่น NVFP4 เร็วขึ้นสูงสุด 1.62 เท่า Cache-DiT 1.94 เท่า และ Sol-Attention 1.24 เท่า โดยค่าความต่าง LPIPS ของผลสุดท้ายอยู่ที่ 0.095 เมื่อเทียบกับภาพต้นฉบับ
- เมื่อขยายจาก 1 เป็น 8 GPU บน DGX B200 ความหน่วงมัธยฐานของรุ่น Base ลดจาก 14.90 เหลือ 3.00 วินาที และของรุ่น distilled จาก 2.73 เหลือ 1.08 วินาที
NVIDIA เผยแพร่บทความเทคนิคเมื่อวันที่ 6 พฤศจิกายน 2026 ว่าเมื่อตั้งค่า FLUX 3 Image Klein ใน TensorRT LLM VisualGen บน GPU B200 ใบเดียว ภาพ 2048x2048 แบบข้อความเป็นภาพเร็วขึ้นสูงสุด 3.46 เท่า และแบบแก้ภาพเร็วขึ้นสูงสุด 4.45 เท่าเมื่อเทียบกับ BF16 ที่ไม่คอมไพล์ ตามผลทดสอบของ NVIDIA เอง
FLUX 3 Image Klein คืออะไรและ VisualGen ทำอะไร
FLUX 3 Image Klein เป็นโมเดลแก้และสร้างภาพของ Black Forest Labs (BFL) ที่ฝึกบน NVIDIA GB200 NVL72 และปรับให้ทำงานบน GPU ของ NVIDIA มี checkpoint สองแบบ คือ Base สำหรับคุณภาพ และ distilled สำหรับความหน่วงต่ำ โครงสร้างประกอบด้วย Qwen3-VL-4B-Instruct รับคำสั่งข้อความ diffusion transformer (DiT) ที่ปรับภาพแฝง และ autoencoder ที่ถอดรหัสเป็นภาพกับเข้ารหัสภาพอ้างอิงสำหรับงานแก้ภาพ
TensorRT LLM VisualGen เป็นรันไทม์เฉพาะใน TensorRT LLM ที่รองรับ BF16, FP8 และ NVFP4 ตั้งแต่เปิดตัว NVIDIA ระบุว่าบน GPU Blackwell NVFP4 สร้างภาพจากข้อความเร็วขึ้นสูงสุด 1.62 เท่า และแก้ภาพเร็วขึ้น 1.58 เท่าเมื่อเทียบกับ BF16
ตัวเลข FLUX 3 Image Klein บน B200 ที่ NVIDIA รายงาน
NVIDIA ทดสอบที่ความละเอียด 2048x2048 บน B200 ใบเดียวโดยใช้ NVFP4 และ torch.compile เฉลี่ยจาก 10 คำขอหลังอุ่นเครื่อง 2 คำขอ รุ่น Base ใช้ denoise 50 ขั้นและ CFG 3.5 ส่วน distilled ใช้ 16 ขั้นโดยไม่มี CFG
| งาน | รุ่น | เวลา denoise | เวลารวม | สัดส่วน denoise |
|---|---|---|---|---|
| ข้อความเป็นภาพ | Base | 14.24 วินาที | 14.70 วินาที | 96.8% |
| ข้อความเป็นภาพ | distilled | 2.28 วินาที | 2.71 วินาที | 84.0% |
| แก้ภาพ | Base | 39.40 วินาที | 40.29 วินาที | 97.8% |
| แก้ภาพ | distilled | 6.65 วินาที | 7.48 วินาที | 89.0% |
เทคนิคเร่ง FLUX 3 Image Klein ที่ NVIDIA ใช้
เมื่อ denoise กินเวลาเกือบทั้งหมด NVIDIA จึงเน้นเร่งตัว DiT ของ FLUX 3 Image Klein ผ่านเทคนิคต่อไปนี้ ซึ่งเลือกเปิดทีละอย่างได้
| เทคนิค | ผลที่ NVIDIA ระบุ |
|---|---|
| NVFP4 พร้อมเคอร์เนล GEMM | เคอร์เนล PrimsTS เร็วขึ้น 1.02 ถึง 1.10 เท่าเมื่อเทียบกับ GEMM ของ TensorRT LLM ที่ปรับอัตโนมัติ |
| Attention แบบควอนไทซ์ | cuDNN FP8 เร็วขึ้น 1.08 เท่า (Base) และ 1.09 เท่า (distilled) ส่วน VC-Attention FP8 เร็วขึ้น 1.18 เท่า (Base) และ 1.16 เท่า (distilled) |
| Sol-Attention | Attention แบบ sparse เร็วขึ้น 1.24 เท่า (dense 16 ขั้นแรก) หรือ 1.30 เท่า (12 ขั้นแรก) |
| Cache-DiT | ใช้ผลกลางซ้ำระหว่างขั้น เร็วขึ้น 1.97 เท่าที่ 1024x1024 และ 1.94 เท่าที่ 2048x2048 สำหรับรุ่น Base |
| หลาย GPU | ใช้ CFG parallel กับ Ulysses sequence parallelism บน 8 GPU |
| CUDA Graphs | ที่ 1024x1024 บน B200 แปดใบ ลดเวลารุ่น Base จาก 1.823 เหลือ 0.809 วินาที |
เมื่อรวมเทคนิคเหล่านี้กับ FLUX 3 Image Klein คือคอมไพล์ NVFP4 พร้อม GEMM PrimsTS, Sol-Attention และ Cache-DiT บน B200 ใบเดียว รุ่น Base สร้างภาพจากข้อความเร็วขึ้น 3.46 เท่า เวลาลดจาก 22.36 เหลือ 6.46 วินาที และแก้ภาพเร็วขึ้น 4.45 เท่า จาก 54.64 เหลือ 12.28 วินาที รุ่น distilled เร็วขึ้นสูงสุด 2.34 เท่า ส่วน NVIDIA RTX PRO 6000 Blackwell Server Edition ใบเดียวเร็วขึ้น 1.73 ถึง 3.25 เท่าเมื่อรวมคอมไพล์ NVFP4 เคอร์เนล CuTe DSL และ Cache-DiT
FLUX 3 Image Klein เร็วขึ้นแต่ภาพต่างจากเดิมแค่ไหน
NVIDIA วัดความต่างของภาพด้วย LPIPS ซึ่งยิ่งต่ำยิ่งใกล้ภาพจากการตั้งค่าพื้นฐาน ผลสุดท้ายของการรวมทุกเทคนิคสำหรับรุ่น Base ข้อความเป็นภาพมี LPIPS 0.095 ส่วนแก้ภาพ 0.045 ซึ่งแปลว่ามีภาพที่ต่างจากต้นฉบับบางส่วน เทคนิคแต่ละตัวมีตัวปรับสมดุล เช่น Cache-DiT ที่ threshold 0.24 ได้ 1.94 เท่าที่ LPIPS 0.033 ส่วน Sol-Attention ที่ τ เท่ากับ 1.0 ให้เลือกเริ่ม dense 16 ขั้นเพื่อความแม่นยำหรือ 12 ขั้นเพื่อความเร็ว และ NVIDIA ระบุว่าการเพิ่ม τ ลดคุณภาพโดยเร็วขึ้นเพียงเล็กน้อย
ผลของ NVIDIA กับ FLUX 3 Image Klein มาจากชุดคำสั่งตัวอย่างไม่กี่ชุด ทีมที่จะใช้งานจริงจึงควรสร้างชุดทดสอบของตัวเอง เช่น ภาพสินค้าและป้ายภาษาไทย แล้วเทียบด้วยตาควบคู่กับค่า LPIPS ก่อนเปิดเทคนิคที่ทำให้ภาพเปลี่ยน
การขยาย FLUX 3 Image Klein เป็นหลาย GPU
บน DGX B200 ที่ภาพ 2048x2048 การขยายจาก 1 เป็น 8 GPU ลดความหน่วงมัธยฐานของข้อความเป็นภาพรุ่น Base จาก 14.90 เหลือ 3.00 วินาที และรุ่น distilled จาก 2.73 เหลือ 1.08 วินาที ขั้น denoise เร็วขึ้น 6.01 เท่าสำหรับ Base และ 4.44 เท่าสำหรับ distilled แต่ราวครึ่งหนึ่งของเวลา distilled บน 8 GPU เป็นขั้นนอก denoise ผลรวมจึงเพิ่มไม่เท่า
ผลต่อองค์กรไทย
- ดูว่าฮาร์ดแวร์ตรงเงื่อนไขหรือไม่ ผลทั้งหมดวัดบน Blackwell (B200, DGX B200 และ RTX PRO 6000 Blackwell Server Edition) ถ้าทีมใช้ GPU รุ่นอื่น ต้องวัดเองก่อน
- เลือกรุ่นตามงาน Base เหมาะกับคุณภาพ ส่วน distilled เหมาะกับงานที่ต้องตอบเร็ว เช่น เครื่องมือออกแบบหรือแก้ภาพหน้าร้าน เพราะบน B200 สร้างภาพ 2048x2048 ได้ในราว 2.7 วินาทีตามตารางของ NVIDIA
- ตรวจสัญญาอนุญาตของโมเดล ก่อนนำไปผลิตภาพโฆษณา หน้าโมเดลบน Hugging Face แสดงสัญญาอนุญาตเป็น other และต้องขอสิทธิ์เข้าถึงก่อนดาวน์โหลด ส่วนบทความของ NVIDIA เป็นคู่มือเทคนิคและไม่ได้ครอบคลุมเงื่อนไขการใช้เชิงพาณิชย์
- ตั้งเกณฑ์คุณภาพก่อนเร่ง กำหนดชุดภาพทดสอบและค่า LPIPS ที่ยอมรับได้ แล้วเปิดเทคนิคทีละตัว
- คำนวณต้นทุนต่อภาพ จากเวลาต่อภาพและค่าเช่า GPU ต่อชั่วโมง ไม่ใช่ดูแค่จำนวนเท่าของความเร็ว
ติดตามข่าว AI อื่น ๆ ได้ที่หมวด AI
บริการของ THAI DATA CLOUD ที่เกี่ยวข้อง
ทีมที่เริ่มสร้างภาพด้วย AI ต้องวางแผนว่าจะเช่าพลังประมวลผลแบบใดและเก็บภาพต้นทางที่ใด GPU Server ของ THAI DATA CLOUD ให้เช่า NVIDIA Tesla T4 และ V100 สำหรับงาน AI บน Data Center มาตรฐาน ISO 27001 ทั้งนี้ผลในข่าววัดบน GPU Blackwell ซึ่งเป็นการ์ดคนละรุ่น องค์กรจึงควรทดสอบโมเดลที่เลือกบนสเปกที่จะใช้จริงก่อนตัดสินใจ (THAI DATA CLOUD เป็นผู้ดำเนินงานเว็บไซต์นี้)
คำถามที่พบบ่อย
FLUX 3 Image Klein คืออะไร?
FLUX 3 Image Klein คือโมเดลสร้างและแก้ภาพของ Black Forest Labs ที่ฝึกบน NVIDIA GB200 NVL72 และปรับให้ทำงานบน GPU ของ NVIDIA มีสองแบบคือ Base และ distilled โดยใช้ Qwen3-VL-4B-Instruct รับคำสั่งข้อความ ตัวแปลงแบบ diffusion transformer ปรับภาพแฝง และ autoencoder ถอดรหัสเป็นภาพ
FLUX 3 Image Klein เร็วขึ้นเท่าไรบน Blackwell B200?
NVIDIA รายงานว่าบน B200 ใบเดียวที่ภาพ 2048x2048 การรวมคอมไพล์ NVFP4 Sol-Attention และ Cache-DiT ทำให้รุ่น Base สร้างภาพจากข้อความเร็วขึ้นสูงสุด 3.46 เท่า และแก้ภาพเร็วขึ้นสูงสุด 4.45 เท่าเมื่อเทียบกับ BF16 ที่ไม่คอมไพล์ ส่วนรุ่น distilled เร็วขึ้นสูงสุด 2.34 เท่า
การเร่ง FLUX 3 Image Klein ทำให้คุณภาพภาพเสียหรือไม่?
NVIDIA วัดด้วยค่า LPIPS ซึ่งยิ่งต่ำยิ่งใกล้ภาพต้นฉบับ และเสนอว่าแต่ละเทคนิคเลือกความสมดุลได้ เช่น Cache-DiT ที่ threshold 0.24 ได้ 1.94 เท่าที่ LPIPS 0.033 ส่วนผลรวมสุดท้ายของรุ่น Base สร้างภาพจากข้อความมี LPIPS 0.095 ทีมที่ใช้งานจริงควรเทียบภาพด้วยตาและเกณฑ์ของตัวเองก่อนเปิดใช้
ใช้กี่ GPU จึงจะลดเวลาสร้างภาพ FLUX 3 Image Klein ได้อีก?
บน DGX B200 ที่ภาพ 2048x2048 การขยายจาก 1 เป็น 8 GPU ลดความหน่วงมัธยฐานของรุ่น Base จาก 14.90 เหลือ 3.00 วินาที และรุ่น distilled จาก 2.73 เหลือ 1.08 วินาที แต่ครึ่งหนึ่งของเวลารุ่น distilled บน 8 GPU เป็นขั้นนอกการ denoise จึงจำกัดผลรวม
แหล่งอ้างอิง
- Speed Up Image Generation with FLUX 3 Image Klein on NVIDIA Blackwell GPUs — NVIDIA Technical Blog
- black-forest-labs/flux-3-image-klein — Hugging Face
บุคคล องค์กร และสถานที่ในข่าวนี้
เลือกชื่อเพื่ออ่านข่าวทั้งหมดที่กล่าวถึง ตัวเลขคือจำนวนข่าว
- องค์กรและบริษัท
- NVIDIA145Hugging Face22Tesla106
- ผลิตภัณฑ์และเทคโนโลยี
- Blackwell18
พบข้อมูลคลาดเคลื่อน? แจ้งกองบรรณาธิการ