FLUX.1 Kontext [max] est le palier le plus élevé de la suite Kontext de Black Forest Labs, sorti pour la première fois le 29 mai 2025, conçu pour unifier la génération texte-vers-image et l'édition par instruction en un seul modèle plutôt que deux outils distincts. Cette variante multi-images va plus loin : au lieu d'éditer une image en fonction d'un prompt texte, elle accepte plusieurs images de référence à la fois et compose ou édite à travers toutes en un seul passage — l'exemple documenté consiste à placer un élément d'une image sur un sujet d'une autre.
Là où il excelle
Black Forest Labs positionne [max] spécifiquement comme le palier offrant une meilleure adhérence au prompt et une meilleure génération de typographie que [pro], ainsi qu'une consistance accrue pour l'édition — le compromis que fait la suite pour [max] est un peu plus de latence en échange de la fidélité. Étendu à plusieurs images, cela signifie des résultats plus fiables lorsqu'une tâche consiste à combiner un objet, une tenue ou un élément d'arrière-plan spécifique d'une photo de référence dans une scène différente, ou à préserver l'apparence d'un personnage tout en le plaçant dans de nouveaux contextes issus d'autres références.
Là où il montre ses limites
Le compositing multi-images est intrinsèquement plus difficile à contrôler que l'édition d'une seule image : avec plusieurs références en jeu, l'ambiguïté sur l'image d'origine de chaque élément augmente, et les prompts qui n'ancrent pas clairement chaque image source à un rôle dans le résultat tendent à produire des résultats où le modèle devine. La typographie et le texte fin — un point fort revendiqué de [max] par rapport à [pro] — se dégradent toujours sur du texte petit ou dense, comme dans toute la gamme FLUX.1. Il s'agit aussi d'une configuration explicitement expérimentale du modèle, selon la description même de Black Forest Labs de la gestion multi-images, donc le comportement est moins éprouvé que les endpoints Kontext à image unique.
Notes de prompting
Les prompts multi-images fonctionnent mieux lorsque chaque image d'entrée se voit attribuer un rôle clair dans l'instruction — quelle image fournit le sujet, quelle image fournit l'arrière-plan ou l'objet à placer — plutôt qu'une instruction générale qui suppose que le modèle déduira l'intention à partir du seul ordre des images. La consistance des personnages et des objets, la fonctionnalité mise en avant par Black Forest Labs pour la suite, tient le mieux sur deux ou trois images ; demander au modèle de concilier de nombreuses références à la fois augmente le risque d'un résultat incohérent.
Quand le choisir
Tournez-vous vers le palier multi-images [max] plutôt que vers le palier multi-images [pro] lorsque le travail nécessite spécifiquement une meilleure adhérence au prompt ou une typographie plus propre et que la latence supplémentaire est acceptable — composites de photographie produit, création marketing puisant des éléments spécifiques dans plusieurs prises source, ou toute édition où « assez proche » ne suffit pas. Pour une édition multi-images plus rapide et plus itérative, où vous parcourez rapidement des variantes, le palier multi-images [pro] convient mieux.
Droits et licence
[max], comme [pro], n'est disponible que via l'API de Black Forest Labs et ses partenaires commerciaux — ce n'est pas une publication à poids ouverts. Black Forest Labs a publié un modèle apparenté à poids ouverts, FLUX.1 Kontext [dev], sous la FLUX.1 Non-Commercial License, mais cette licence ne s'étend pas à [max] ni à [pro], et [dev] n'inclut pas la gestion multi-images que propose cette variante.
Alternatives à comparer
Pour l'édition générale d'une seule image sans besoin de compositing multi-référence, gpt-image-1 couvre la génération, l'édition et l'inpainting via un seul endpoint unifié. Pour les équipes qui comparent entre écosystèmes, gemini-3-pro-image-preview est le modèle d'image haut de gamme actuel de Google et un point de comparaison raisonnable sur la qualité générale d'édition compositionnelle.
Dernière revue technique : 2026-09-14 — Tokonomix.ai