FLUX.1 Kontext [pro] a été la première entrée de Black Forest Labs dans la suite Kontext, sortie le 29 mai 2025 comme, selon les mots mêmes de l'éditeur, « un pionnier pour l'édition d'image rapide et itérative ». Là où l'endpoint de base Kontext [pro] édite une image selon une instruction texte, cette variante multi-images accepte plusieurs images de référence à la fois — combinant par exemple un élément d'une photo avec la scène d'une autre, en plaçant un objet de l'image A dans l'image B — en un seul passage de génération plutôt qu'une chaîne d'éditions séparées.
Là où il excelle
La vitesse est le trait déterminant hérité de l'endpoint à image unique : Black Forest Labs a conçu Kontext [pro] pour des workflows rapides et itératifs où un utilisateur (ou un pipeline automatisé) parcourt rapidement des variations plutôt que d'attendre un unique passage coûteux à haute fidélité. Étendu à plusieurs images, cela en fait un choix raisonnable pour les workflows qui doivent essayer rapidement plusieurs combinaisons différentes d'images source — en changeant quelle référence fournit l'arrière-plan, le sujet ou un accessoire — avant de valider un composite final. La consistance des personnages et des objets à travers les scènes est une force de toute la suite que met en avant Black Forest Labs : un visage ou un objet de référence tend à rester reconnaissable à travers les éditions plutôt que de dériver.
Là où il montre ses limites
C'est le palier le plus rapide, pas celui à la fidélité la plus élevée — Black Forest Labs positionne [max] au-dessus, spécifiquement pour une meilleure adhérence au prompt et une meilleure typographie, donc le texte dense sur l'image et le suivi précis des instructions ont plus de chances de nécessiter un second passage ou un passage à [max]. Comme pour toute tâche de compositing multi-images, l'ambiguïté sur la référence qui fournit quel élément est le principal mode d'échec : un prompt qui n'attribue pas explicitement un rôle à chaque image d'entrée laisse le modèle deviner, et avec plusieurs images en jeu, cette supposition a plus de chances d'être erronée que dans une édition à image unique. Il s'agit aussi d'une configuration multi-images explicitement expérimentale selon la description même de Black Forest Labs, donc considérez les résultats comme nécessitant une relecture plutôt que finaux dès le premier essai.
Notes de prompting
Nommez directement le rôle de chaque image source dans le prompt plutôt que de compter sur l'ordre de téléversement — « utilise la tenue de la première image sur la personne de la deuxième image » fonctionne plus fiablement qu'une instruction qui suppose que le modèle déduira quelle image est laquelle. Comme ce palier est conçu pour l'itération, de courts cycles de prompt-et-régénération tendent à converger plus vite ici que d'essayer d'obtenir un unique prompt long et entièrement spécifié parfaitement juste dès la première tentative.
Quand le choisir
Choisissez le palier multi-images [pro] quand le travail est itératif — tests de compositing, exploration créative rapide sur plusieurs prises de référence, workflows à fort volume où un plafond de fidélité légèrement inférieur est un compromis acceptable contre la vitesse. Passez au palier multi-images [max] quand un résultat précis doit être juste du premier coup, surtout quand le texte sur l'image ou une adhérence stricte au prompt comptent.
Droits et licence
[pro] n'est disponible que via l'API de Black Forest Labs et ses partenaires commerciaux ; ce n'est pas un modèle à poids ouverts. Le modèle apparenté à poids ouverts de la famille, FLUX.1 Kontext [dev], est distribué sous la FLUX.1 Non-Commercial License et n'inclut pas cette capacité de gestion multi-images.
Alternatives à comparer
Pour une génération et une édition unifiées d'une seule image sans besoin multi-référence, gpt-image-1 propose génération, inpainting et édition depuis un seul endpoint. gemini-2.5-flash-image est une alternative comparable en rapidité et adaptée à l'itération, chez un fournisseur différent, pour les équipes qui pèsent l'adéquation à leur écosystème.
Dernière revue technique : 2026-09-14 — Tokonomix.ai