FLUX.1 Kontext [max] es el nivel superior de la suite Kontext de Black Forest Labs, lanzada por primera vez el 29 de mayo de 2025, construida para unificar la generación de texto a imagen con la edición basada en instrucciones en un único modelo en lugar de dos herramientas separadas. Esta variante multi-imagen va más allá: en lugar de editar una imagen frente a un prompt de texto, acepta varias imágenes de referencia a la vez y compone o edita a través de todas ellas en una sola pasada — el ejemplo documentado es colocar un elemento de una imagen sobre un sujeto en otra.
Dónde destaca
Black Forest Labs posiciona [max] específicamente como el nivel con mejor adherencia al prompt y generación de tipografía en comparación con [pro], además de mayor consistencia en la edición — el intercambio que hace la suite para [max] es algo más de latencia a cambio de fidelidad. Extendido a varias imágenes, eso significa resultados más fiables cuando una tarea implica combinar un objeto, un atuendo o un elemento de fondo concreto de una foto de referencia en una escena diferente, o mantener el aspecto de un personaje mientras se le coloca en contextos nuevos tomados de otras referencias.
Dónde se queda corto
La composición multi-imagen es inherentemente más difícil de controlar que la edición de una sola imagen: con varias referencias en juego, aumenta la ambigüedad sobre qué elemento proviene de qué imagen, y los prompts que no anclan claramente cada imagen de origen a un papel en la salida tienden a producir resultados donde el modelo adivina. La tipografía y el texto fino — un punto fuerte declarado de [max] frente a [pro] — sigue degradándose en texto pequeño o denso, igual que en toda la línea FLUX.1. Esta es además una configuración explícitamente experimental del modelo, según el propio planteamiento de Black Forest Labs sobre la capacidad de manejo multi-imagen, así que el comportamiento está menos probado en la práctica que los endpoints Kontext de una sola imagen.
Notas sobre el prompting
Los prompts multi-imagen funcionan mejor cuando a cada imagen de entrada se le da un papel claro en la instrucción — qué imagen aporta el sujeto, cuál aporta el fondo o el objeto que se está colocando — en lugar de una instrucción general que asume que el modelo inferirá la intención solo a partir del orden de las imágenes. La consistencia de personajes y objetos, la característica que Black Forest Labs destaca para la suite, se mantiene mejor a través de dos o tres imágenes; pedir al modelo que concilie muchas referencias a la vez aumenta las probabilidades de un resultado inconsistente.
Cuándo elegirlo
Recurre al nivel multi-imagen [max] en lugar del nivel multi-imagen [pro] cuando el trabajo necesite específicamente mejor adherencia al prompt o tipografía más limpia y la latencia adicional sea aceptable — composiciones de fotografía de producto, creatividad de marketing que extrae elementos concretos de varias tomas de origen, o cualquier edición donde "suficientemente bueno" no sea el listón. Para una edición multi-imagen más rápida e iterativa donde estás recorriendo variantes rápidamente, el nivel multi-imagen [pro] es más adecuado.
Derechos y licencias
[max], al igual que [pro], solo está disponible a través de la API de Black Forest Labs y sus socios comerciales — no es un lanzamiento de pesos abiertos. Black Forest Labs ha publicado un hermano de pesos abiertos, FLUX.1 Kontext [dev], bajo la Licencia No Comercial FLUX.1, pero esa licencia no se extiende a [max] ni a [pro], y [dev] no incluye el manejo multi-imagen que ofrece esta variante.
Alternativas que vale la pena comparar
Para edición general de una sola imagen sin la necesidad de composición multi-referencia, gpt-image-1 cubre generación, edición e inpainting a través de un único endpoint unificado. Para equipos que comparan entre ecosistemas, gemini-3-pro-image-preview es el modelo de imagen de nivel superior actual de Google y un punto de comparación razonable en calidad general de edición composicional.
Última revisión técnica: 14 de septiembre de 2026 — Tokonomix.ai