别再抽卡了：FLUX 3 Image 让你先画框，模型照坐标填

用了几年 AI 生图，唯一没治好的病还是位置

AI 生图这几年，手指治好了，文字治好了，材质也治好了。唯独一件事一直没治好：东西该长在哪。

你写”左上角放 logo，右下角放产品，中间留白给文案”。出图一看，logo 跑到了正中间，产品飘在天上，文案压在模特脸上。改 prompt，换种子，重跑十几次，终于捞到一张勉强能用的。换个颜色再跑一遍，全乱。

说白了，这几年大家干的活不叫生图，叫抽卡。抽中算运气，抽不中是常态，修图的时间比生图还长。

10 月 1 日，Black Forest Labs 放出来的 FLUX 3 Image 换了条路子：你先把框画好，模型在框里填。位置这件事，从概率变成了坐标。

先搞清楚：FLUX 3 和 FLUX 3 Image 不是一回事

这两个名字太容易混，先拆开。

FLUX 3 是家族，2026 年 7 月 23 日就发布了，底子是 Self-Flow 架构，图像、视频、音频、机器人动作放在一起联合训练。我们前面写过的 FLUX 3 那条，讲的就是这条多模态主线。

FLUX 3 Image 是九周之后单独上线的图像部分，时间是 2026 年 10 月 1 日。The Decoder 在 10 月 2 日跟进报道，OpenRouter 的模型页标注的发布时间也是 Oct 1, 2026。

BFL CEO Robin Rombach 说过一句挺硬的话：You can’t cheat reality. A model that only learns images can only generate images。

反过来读这句话，意思就清楚了。FLUX 3 Image 敢让你画框、敢承诺位置，底气来自它不是一个只学了图的模型。

0 到 1000 的归一化网格与 bbox 写法

画框到底怎么画：一张 0 到 1000 的网格

机制简单到有点朴素。画布两条轴都归一到 0 到 1000 的网格，跟你最终选的宽高比没关系。你要做的，就是给每个元素一个框，写成 [y_min, x_min, y_max, x_max]。

注意顺序，先 y 后 x。光这一条就能劝退一半人，后面单开一坑说。

布局 prompt 一共两块，缺一不可：

一段全局 caption，用一整段话描述整张图
一个 element table，JSON 数组，一行一个元素，字段是 id、bbox、desc

真正的关键是：caption 里要用 id 把元素引用进去，比如写 animal_1。不点名，等于没说。

官方给的例子叫 Le Festival du Soleil，元素表长这样：

[
  {"id": "Fr_Text_1",  "bbox": [10, 200, 170, 800],   "desc": "LE FESTIVAL DU SOLEIL，细衬线浅奶油色标题字"},
  {"id": "dome_1",     "bbox": [250, 150, 650, 850],  "desc": "巨大光滑的浅色混凝土抛物线穹顶"},
  {"id": "swimmers_1", "bbox": [580, 200, 720, 800],  "desc": "深色水里几十个涉水的剪影小人"},
  {"id": "crowd_1",    "bbox": [740, 0, 1000, 1000],  "desc": "坐在沙滩上、穿浅色夏装的一大群人"},
  {"id": "town_1",     "bbox": [280, 700, 420, 1000], "desc": "山脚下的海岸小镇，微弱的灯火与低矮建筑"}
]

看出来了吗，这根本不是在写 prompt，这是在排版。跟设计软件里拉参考线、拖文本框是一回事，只不过你把坐标直接说给模型听。

还有个细节很值得记住：prompt upsampler 会把短请求扩写成密集 caption，但你画的框是原样（verbatim）传给模型的，id 和坐标一个字不改。而 upsampler 自己补出来的元素，只有在 caption 里被引用了才会留下。

调用入口是 POST https://api.bfl.ai/v1/flux-3-image，fal 和 OpenRouter 同步上线。想先手动玩，去 playground https://flux-tools.bfl.ai/precise-editing。

实战：电商详情图一次定版

电商详情图是最吃位置的一类活。主图、卖点标、价格角标、文案区，每块都有固定落点，一套 SKU 十几张，位置差一点，整个系列就废了。

用 FLUX 3 Image 的思路是反过来：先把版面切成框，再让模型往框里填内容。

{
  "caption": "极简风格的护肤品电商主图，bg_1 铺满整幅背景，text_1 是左上角的中文主标题，product_1 位于画面中央偏右，badge_1 是右下角的促销角标",
  "elements": [
    {"id": "bg_1",      "bbox": [0, 0, 1000, 1000],   "desc": "低饱和米白色渐变背景，带极轻的纸纹"},
    {"id": "text_1",    "bbox": [60, 80, 200, 620],   "desc": "中文主标题，粗黑体，深墨色"},
    {"id": "product_1", "bbox": [220, 420, 800, 880], "desc": "磨砂玻璃瓶身，浅琥珀色液体，柔和顶光"},
    {"id": "badge_1",   "bbox": [760, 780, 940, 980], "desc": "圆形促销角标，橙红色底，白色数字"}
  ]
}

（以上字段按官方示意构造，实际参数以 BFL 文档为准。）

这么写最大的好处是复用。换 SKU 的时候框一个不动，只改 desc 里的颜色、文案和材质。十几张跑下来，版面是齐的。过去的做法是每张图重抽十几次，再进 PS 手动对齐，这一步直接省掉。

参考图最多 10 张，单张从 256×256 到 1600 万像素都收。想让产品长得像实物，把实物图直接塞进去。

keep、move、add、remove 四种编辑动作

改图：四个动作，改一处不动其余

生成只是前半场。真正折磨人的是改：换个背景，产品跟着变形；挪一下角标，主图的脸变了。改一次图崩三处，这个老毛病 FLUX 3 Image 给了个很直给的解法。

一共四种操作，而且可以一次下发多个编辑，不用一次一次来：

keep，这个区域别动
move，把这个元素挪到新框
add，在新框里加个元素
remove，把这个框里的东西清掉

撑住这套操作的是像素锁定。BFL 自己测的数据是，未触碰区域的逐位一致率在 67.8% 到 89.7% 之间，看编辑复杂度浮动。

这个数字要诚实看。它不是 100%，BFL 也明说编辑可能溢出你指定的框，边界伪影真实存在。但比起过去那种改一处崩三处的体验，这已经是量级上的差别。

价格账：省钱的档位和劝退的档位

分辨率五档：768、1K（默认）、1.5K、2K、4K，其中 2K 和 4K 是原生。宽高比从 21:9 到 9:21，15 个明确比例加一个 auto。grounding 默认开着，safety_tolerance 默认 2，0 到 4 可调。官方示例输出是 5456×3072，约 1680 万像素，直接进海报没问题。

BFL 官方列表价，每张：

768 平方，0.041 美元
1K，0.048 美元
1.5K，0.07 美元
2K，0.10 美元
4K，0.607 美元

2026 年 10 月 1 日到 10 月 8 日有五折，768 约 0.0205 美元，4K 约 0.3035 美元。参考图和提示词都计入单张价格，不另收费。

横向比一下才有意义。Google Nano Banana 2（Gemini 3.1 Flash Image）1K 类 0.067 美元、4K 0.151 美元；GPT Image 2.5 Sunburst 1K 类 0.053 美元；Ideogram 4.5 起步 0.008 美元，但最高只到 2K。

结论就一句：1K 档 FLUX 3 Image 比 Nano Banana 2 便宜约 28%，这是它的甜区。4K 档列表价 0.607 美元是 Nano Banana 2 的 4 倍，就算五折到 0.3035 美元，还是人家的两倍。

所以批量出图老老实实选 1K 或 1.5K，真要 4K 大图，别在这里硬冲。

五个坑：上之前先看清楚

坑1：框画对了，元素却长错位置

现象：元素跑到完全不相干的地方。根因：bbox 是 [y_min, x_min, y_max, x_max]，先 y 后 x，跟多数人习惯的 x、y 顺序反着。解法：动笔前先在纸上把网格过一遍，或者直接按”上下一对、左右一对”来记这四个数。

坑2：元素莫名其妙消失

现象：框画了，元素没出来。根因：caption 里没引用这个 id。upsampler 会扩写 caption，它自己补的元素只有被引用才保留，你自己的元素不点名同样可能被冲掉。解法：caption 里把每个 id 都点一遍。

坑3：改图改出了边界

现象：编辑区域边缘有接缝、有残影。根因：像素锁定不是全量锁定，官方给的是 67.8% 到 89.7%，编辑也可能溢出框外。解法：框留余量，别卡着元素边缘画；关键位置的修改留到最后一轮。

坑4：4K 单价吃掉预算

现象：批量跑到一半账单爆了。根因：4K 列表价 0.607 美元，是 1K 的十几倍。解法：批量走 1K、1.5K，只有终版大图才上 4K。

坑5：权重和榜单都还没到位

现象：想自部署，或者想查第三方画质评分，都查不到。根因：现在只有商业权重授权，可谈、可微调、可自部署；开放权重官方只说”未来几周”，截至发稿没有发货。Artificial Analysis、LMArena 这些公开榜上也没有 FLUX 3 Image 的条目。解法：画质目前只是厂商自述，没有第三方复现，别拿它当定论，先小批量试。