FLUX 3 Image Klein, 이미지 생성·편집과 바운딩 박스 배치를 한 모델로 써보기

2026년 10월 15일 공개된 오픈 웨이트의 확정 사항과 아직 단정할 수 없는 부분을 정리한 실무 가이드

2026년 10월 15일, Black Forest Labs(BFL)가 FLUX 3 Image Klein의 오픈 웨이트를 공개했습니다. 허깅페이스와 깃허브에서 내려받을 수 있습니다. 공식 표기는 점 없는 'FLUX 3 Image Klein'입니다.

핵심 요지는 세 줄입니다.

① 한 모델로 생성·편집·다중 참조 조합을 처리합니다. 참조 이미지는 최대 10장까지 넣을 수 있고, 결과물은 한 장입니다.
② 바운딩 박스로 요소의 위치와 크기를 지정할 수 있습니다. 다만 픽셀을 가두는 마스크가 아니라 위치 안내에 가깝습니다.
③ 가중치는 FLUX Kommunity License v1.0으로 제공됩니다. 연 매출 500만 달러 미만이면 출력물을 상업적으로 쓸 수 있고, 그 이상이면 별도 조건이 필요합니다.

이 글은 오픈 이미지 생성 AI를 로컬에서 써 보려는 독자를 위해, 공식 문서로 확인된 사실과 아직 모르는 부분을 나눠서 정리합니다.

5.6B 트랜스포머 하나가 생성·편집·다중 참조를 맡는다

FLUX.3 Image Klein은 텍스트 기반 이미지 생성, 기존 이미지 편집, 여러 참조 이미지의 조합을 하나의 모델로 처리합니다. 이전에는 생성용과 편집용 모델을 따로 두는 구성이 흔했습니다. 이 모델은 같은 가중치로 세 가지 작업을 모두 받습니다.

공식 자료에서 확인되는 사양을 정리합니다.

규모. BFL이 밝힌 이미지 생성 트랜스포머는 5.6B 파라미터입니다. 텍스트 인코더로 쓰는 Qwen3-VL-4B-Instruct는 별도 구성요소여서 이 수치에 들어 있지 않습니다. "5.6B짜리 모델이니 메모리도 그만큼"이라고 계산하면 틀릴 수 있습니다. 인코더가 따로 올라가기 때문입니다.

입력과 출력. 참조 이미지는 최대 10장까지 입력됩니다. 모델 카드 설명상 결과물은 한 장입니다. 10장을 넣으면 10장이 나오는 구조가 아닙니다. 10장의 정보를 참고해 한 장을 만드는 구조입니다.

해상도. BFL은 최대 4K 네이티브 생성을 주요 기능으로 소개합니다. 다만 4K라는 숫자가 곧 세부 묘사의 품질이나 편집 후 원본 보존도를 보장하는 것은 아닙니다. 이 부분은 직접 돌려 보고 판단해야 합니다.

체크포인트. 공개 체크포인트는 두 종류입니다. 빠른 생성·편집용 증류 모델과, 파인튜닝·LoRA 학습·연구용 Base 모델입니다. 두 체크포인트의 차이는 뒤에서 따로 다룹니다.

성능 비교. BFL은 이전 FLUX.2 [klein] 9B보다 파라미터가 38% 적으면서 텍스트→이미지 Elo가 91점, 이미지 편집 Elo가 70점 높다고 밝혔습니다. 이 수치는 BFL의 자체 평가 결과입니다. 독립 기관이 확정한 순위가 아닙니다. 회사는 텍스트→이미지, 다중 참조 생성, 이미지 편집 평가에서 높은 순위를 주장하지만, 평가 조건과 데이터는 제3자가 재현해 확인하기 전까지 참고 자료로만 보는 편이 정확합니다.

가벼운 오픈 웨이트가 편집 기능까지 품고 나온 배경

이번 공개의 의미는 "작은 크기의 오픈 모델에서 생성과 편집을 한 번에 다룬다"는 점에 있습니다. 공식 자료가 직접 설명하는 계기는 많지 않으므로, 확인된 범위만 짚겠습니다.

첫째, 공개 첫날부터 주요 실행 환경이 지원됩니다. ComfyUI와 Diffusers 등이 공개 당일부터 지원했습니다. 가중치만 올라오고 도구가 따라오지 않는 경우가 많았던 것과 달리, 바로 시험해 볼 수 있는 상태로 나왔습니다.

둘째, 일반 소비자용 그래픽카드를 겨냥한 배포 형태가 준비되어 있습니다. BFL은 INT8 빌드를 ComfyUI·Diffusers로 8GB VRAM의 RTX 그래픽카드에서도 돌릴 수 있다고 밝혔습니다. 생성기 가중치 용량은 BF16이 11.2GB, FP8이 5.6GB입니다.

셋째, 편집과 배치 지정이 같은 모델 안에 들어 있습니다. 이미지를 만든 뒤 다른 편집 모델로 옮겨 가는 과정이 줄어듭니다. 작업 흐름이 단순해질 수 있다는 뜻이지, 결과 품질이 더 낫다는 뜻은 아닙니다.

반대로, 이 모델이 왜 지금 공개되었는지, 앞으로의 로드맵이 무엇인지는 주제 자료에 없습니다. 후속 공개 일정이나 추가 기능에 대해서는 확인된 정보가 없으므로 추측하지 않겠습니다.

바운딩 박스 배치: 좌표 형식 두 가지와 한 장짜리 결과

여기서 말하는 '배치'는 여러 장을 한꺼번에 뽑는 일괄 생성(batch)이 아닙니다. 바운딩 박스로 요소의 위치(placement)와 크기를 지정하는 기능입니다. 한 번 실행하면 결과물은 한 장입니다. 한국어로 '배치'라고 쓰면 일괄 처리로 읽히기 쉬워서 먼저 선을 긋습니다.

작동 방식은 단순합니다. 프롬프트에 캡션을 쓰고, 그 뒤에 박스 정보를 붙입니다. "이 요소를 이쯤에, 이 크기로 그려라"라고 모델에 알려 주는 방식입니다.

좌표계는 두 가지이고, 섞으면 안 된다

이 기능에서 가장 흔한 실수가 좌표 형식 혼동입니다. 공식 문서에 서로 다른 두 형식이 나옵니다.

① 모델 카드의 프롬프트 형식

- 0~1000 그리드 위의 [top, left, bottom, right] 순서입니다.

- 캡션 뒤에 박스 정보를 붙이는 방식입니다.

② 깃허브 참조 코드의 명령줄 옵션 --boxes

- 0~1로 정규화한 [y_min, x_min, y_max, x_max] 순서입니다.

두 형식은 눈금(0~1000 대 0~1) 이 다르고, 값의 의미 체계도 다릅니다. 프롬프트에 직접 쓸 때는 ①을, 참조 코드의 명령줄로 돌릴 때는
②를 씁니다. 한 번의 실행 안에서 두 형식을 섞지 않는 것이 원칙입니다.

변환이 필요하면 눈금만 맞추면 됩니다. 예를 들어 0~1 값 0.25는 0~1000 그리드에서 250에 해당합니다. 다만 순서가 [top, left, bottom, right]와 [y_min, x_min, y_max, x_max]로, 이름은 다르지만 위·왼쪽·아래·오른쪽이라는 같은 방향을 가리킵니다. 이 대응은 두 표기를 나란히 놓고 읽으면 확인됩니다. 그래도 실제 코드에서 순서를 바꿔 넣는 실수가 잦으니, 첫 실행에서는 눈에 띄게 큰 박스로 방향부터 검증하는 편이 안전합니다.

박스는 마스크가 아니다

바운딩 박스는 요소를 배치하거나 옮기라는 프롬프트상의 안내이며, 픽셀을 엄격히 가두는 마스크가 아닙니다. 이 구분이 이번 기능을 쓸 때 가장 중요합니다.

공식 자료 사이에 표현 차이가 있습니다.

- BFL 발표 글은 편집을 지정 영역으로 한정한다고 소개합니다.

- 공식 모델 카드는 한계를 명시합니다. 요소가 지정 영역 밖으로 나갈 수 있고, 요청하지 않은 주변 영역이 편집될 수 있으며, 작은 요소는 나타나지 않을 수 있다고 적혀 있습니다.

발표 글의 홍보 문구보다 모델 카드의 한계 서술을 실무 기준으로 삼는 편이 안전합니다. 박스로 지정한 영역 밖은 절대 바뀌지 않는다고 전제하고 작업을 설계하면 어긋납니다. 특히 원본의 일부만 정확히 보존해야 하는 작업, 예컨대 로고 주변은 그대로 두고 배경만 바꾸는 식의 작업은 결과를 반드시 눈으로 대조해야 합니다. 편집 보존도가 어느 정도인지는 공식 사양만으로 단정할 수 없습니다.

박스 작성 요령

공식 문서에 없는 구체적 수치는 쓰지 않겠습니다. 문서에서 확인되는 범위 안에서 실무 요령을 정리하면 다음과 같습니다.

① 박스 하나에 요소 하나를 대응시킵니다. 한 박스에 여러 요소를 설명하면 모델이 어느 쪽을 그릴지 모호해집니다.
② 작은 요소는 박스를 너무 작게 잡지 않습니다. 모델 카드가 작은 요소가 나타나지 않을 수 있다고 경고합니다. 요소가 보이지 않으면 박스를 키워서 다시 시도합니다.
③ 박스끼리 겹치지 않게 배치하면 요소가 섞이는 문제를 줄일 수 있습니다. 이는 일반적인 레이아웃 원리에 따른 권장이며, 겹침 처리에 대한 공식 보증은 없습니다.
④ 캡션과 박스가 모순되지 않게 씁니다. 캡션에서 "왼쪽에 고양이"라고 썼는데 박스를 오른쪽에 두면 결과가 불안정해질 수 있습니다.

증류와 Base, 그리고 업샘플러: 무엇을 골라 어떻게 돌리나

빠르게 결과를 보려면 증류 모델, 학습·연구라면 Base 모델입니다. 두 체크포인트는 목적이 다르고 기본 설정도 다릅니다.

증류 모델과 Base 모델

증류 모델은 빠른 생성·편집이 목적입니다. 공식 기본 설정은 16단계이고, guidance를 쓰지 않습니다.

Base 모델은 파인튜닝, LoRA 학습, 연구용입니다. 공식 기본 설정은 50단계이며, 모델 카드 기준 guidance 3.5를 씁니다. 깃허브 참조 코드의 기본값은 4로 적혀 있어, 문서마다 3.5와 4가 다르게 나옵니다. 모델 카드 수치를 기본으로 삼고, 참조 코드를 그대로 돌릴 때는 코드의 기본값이 4라는 점을 알고 있으면 됩니다.

BFL은 증류판이 Base보다 약 6배 빠르다고 밝혔습니다. 16단계 대 50단계라는 단계 수 차이와 방향이 맞습니다. 다만 6배라는 수치는 BFL의 발표이며, 내 그래픽카드와 해상도, 구성에서 실제 체감 속도가 어떨지는 환경마다 다릅니다.

이미지를 만들고 편집해 보는 용도라면 증류 모델이면 충분합니다. Base 모델은 LoRA를 학습시키거나 모델 자체를 연구하는 경우에 의미가 있습니다. 증류 모델이 Base보다 결과 품질이 어떻게 다른지는 공식 자료에 비교 수치가 없으므로 단정하지 않습니다.

프롬프트 업샘플러: 짧은 문장은 그대로 넣지 않는다

모델 카드는 프롬프트 업샘플러 없이 쓰지 말라고 안내합니다. 공식 업샘플러는 flux-3-image-klein-pup이며, 짧은 요청을 자세한 프롬프트로 늘려 주는 별도의 9B 모델입니다.

이 모델은 자세하게 쓴 프롬프트에 맞춰 만들어진 것으로 읽힙니다. "빨간 자동차" 같은 짧은 문장을 그대로 넣으면 결과가 기대보다 평범할 수 있습니다. 업샘플러를 쓰지 않을 때는 직접 상세하게 써 주어야 합니다.

직접 쓸 때 담으면 좋은 정보는 다음과 같습니다.

① 주제와 동작
② 배경과 장소
③ 조명과 분위기
④ 구도와 시점
⑤ 바운딩 박스를 쓴다면 요소별 위치

이 목록은 일반적인 이미지 프롬프트 작성 원칙이며, 모델 카드가 이 항목을 지정한 것은 아닙니다.

업샘플러를 켜면 메모리가 달라진다

업샘플러는 별도의 9B 모델이므로, 켜면 메모리 사용량이 크게 늘어납니다. 8GB VRAM에서 돌린다는 BFL의 안내는 업샘플러를 제외한 생성기 기준으로 읽어야 합니다. 업샘플러까지 한 장비에서 함께 돌릴 때 필요한 사양은 구성에 따라 다르며, 공식 자료에 단일 수치가 없습니다. 업샘플러를 다른 곳에서 먼저 실행해 프롬프트만 받아 오는 식으로 나눠 쓸 수도 있지만, 이것은 구성 방법의 하나이지 공식 권장 절차가 아닙니다.

오픈 웨이트 사용자별로 달라지는 영향

누구에게 의미가 큰지는 사용 목적과 조직 규모에 따라 갈립니다.

로컬에서 직접 돌려 보려는 개발자·크리에이터

가장 직접적인 변화를 받는 쪽입니다. 8GB급 그래픽카드에서 INT8 빌드로 시도해 볼 수 있다는 점은 진입 장벽을 낮춥니다. 다만 8GB는 INT8 빌드를 ComfyUI·Diffusers로 돌릴 때의 안내이고, 해상도와 업샘플러 사용 여부에 따라 여유는 달라집니다. 4K 생성이 8GB에서 어떻게 동작하는지는 공식 자료에 명시되어 있지 않습니다.

이미지 레이아웃이 중요한 디자이너·마케터

바운딩 박스로 요소의 자리를 지정할 수 있다는 점이 실용적입니다. 배너나 상세 페이지처럼 제품, 문구 영역, 로고 자리가 정해진 시안을 만들 때 쓸 수 있는 접근입니다. 다만 앞서 짚었듯 박스는 마스크가 아니므로, 결과물이 지정 영역을 벗어나는지 반드시 검수해야 합니다. 이미지 안의 글자를 정확히 렌더링하는 능력은 공식 자료에서 확인되지 않았으므로, 중요한 문구는 이미지 생성 후 별도로 얹는 쪽이 안전합니다.

모델을 학습하거나 연구하는 팀

Base 모델이 이 용도로 공개되어 있습니다. 파인튜닝과 LoRA 학습을 염두에 둔 체크포인트입니다. 다만 라이선스가 상업적 파인튜닝이나 배포까지 허락하는 것은 아니라고 모델 카드가 밝히므로, 학습 결과물을 서비스에 쓰기 전에 조항을 확인해야 합니다.

서비스에 붙이려는 기업

라이선스 조건이 선택을 좌우합니다. 아래 데이터 섹션에서 정리하고, API를 쓰는 경로와 자체 호스팅 경로가 어떻게 갈리는지도 함께 보겠습니다.

확인된 수치만 한 번에 정리

아래는 공식 자료에서 확인된 수치입니다. 기준 시점은 2026년 10월 공개분입니다.

생성기 가중치 용량은 BF16이 11.2GB, FP8이 5.6GB입니다. FP8이 BF16의 절반입니다.

이 용량은 생성기 가중치만의 크기입니다. 텍스트 인코더(Qwen3-VL-4B-Instruct)와 업샘플러는 별도 구성요소이므로, 실제 실행 시 메모리 사용량은 이보다 늘어납니다.

주요 수치를 문장으로 모으면 다음과 같습니다.

- 공개일은 2026년 10월 15일입니다.

- 이미지 트랜스포머는 5.6B 파라미터입니다(텍스트 인코더 제외).

- 참조 이미지는 최대 10장 입력, 결과는 1장 출력입니다.

- 증류 모델은 16단계, Base는 50단계가 기본입니다.

- 네이티브 생성 해상도는 최대 4K입니다.

- 바운딩 박스 좌표는 프롬프트 형식에서 0~1000 그리드의 [top, left, bottom, right]입니다.

- 상업적 출력물 이용 예외의 매출 기준은 계열사 포함 연간 매출 500만 달러 미만입니다.

- API 시작 가격은 증류 모델 기준 1K 이미지당 0.009달러부터입니다.

라이선스: 규모에 따라 갈리는 세 갈래

가중치는 FLUX Kommunity License v1.0으로 제공됩니다. 조건을 갈래별로 나누면 다음과 같습니다.

① 연구·비상업 이용은 허용됩니다.
② 계열사를 포함한 연간 매출이 500만 달러 미만인 개인·기업은 출력물을 상업적으로 쓸 수 있습니다.
③ 그 이상 규모의 기업은 별도의 자체 호스팅 라이선스를 받거나 API를 써야 합니다.

여기서 흔한 오해가 하나 있습니다.
②의 예외는 출력물의 상업적 이용에 관한 것입니다. 모델 카드는 이 예외가 상업적 파인튜닝이나 배포까지 허락하는 것은 아니라고 밝힙니다. 생성한 이미지를 상품 페이지에 쓰는 것과, 파인튜닝한 모델을 서비스로 배포하는 것은 다른 문제입니다. 용도별 조항을 직접 읽고 확인하세요. 이 글은 라이선스 전문을 대신하지 않으며, 법적 판단이 필요한 경우 원문과 전문가 검토가 필요합니다.

API 가격: 시작 가격이지 총비용이 아니다

BFL API는 증류 모델(flux-3-image-klein) 기준으로 1K 이미지당 0.009달러부터라는 시작 가격을 공개했습니다. 이 가격은 2026년 10월 15일 발표 기준입니다.

다음 점을 구분해서 읽어야 합니다.

- 이것은 API 이용 가격이며, 로컬 실행 비용과 같지 않습니다.

- "부터"라는 표현은 최저 조건이라는 뜻입니다. 해상도, 모델, 사용량에 따라 총비용은 달라집니다.

- 발행 후에도 가격은 바뀔 수 있으므로 사용 전에 최신 가격을 다시 확인해야 합니다.

로컬 실행은 API 요금이 들지 않는 대신 그래픽카드, 전력, 설치·운영 시간이 비용으로 듭니다. 어느 쪽이 싼지는 사용량과 환경에 따라 달라서, 공식 자료만으로는 우열을 가릴 수 없습니다.

아직 모르는 것과 직접 확인해야 하는 것

공식 자료로 확정되지 않은 부분을 분리해 둡니다. 판단을 서두르지 않기 위해서입니다.

주제 자료에 후속 일정이나 추가 발표 계획은 없으므로, 앞으로 무엇이 나올지는 쓰지 않습니다. 대신 지금 시점에서 확인되지 않은 것을 적습니다.

① 편집 보존도. 박스 밖 영역이 실제로 얼마나 유지되는지는 공식 수치가 없습니다. 모델 카드는 주변 영역이 편집될 수 있다고만 밝힙니다.
② 4K의 실제 품질. 4K 네이티브 생성이 가능하다는 사양과, 그 해상도에서 세부 묘사가 충분한지는 별개입니다.
③ 자체 평가의 재현성. Elo 91점, 70점 차이는 BFL이 밝힌 자체 평가입니다. 독립 기관의 확정 순위가 아니며, 내 작업 유형에서 같은 차이가 나는지는 직접 시험해야 알 수 있습니다.
④ 속도의 체감. 약 6배라는 비율은 BFL의 발표입니다. 내 장비와 해상도에서의 초당 처리량은 공식 자료에 없습니다.
⑤ 업샘플러 포함 시 필요 사양. 단일 수치로 확정된 바가 없고 구성에 따라 다릅니다.
⑥ API 총비용. 시작 가격만 공개되어 있으며, 실제 사용 패턴에서의 총비용은 계산할 수 없습니다.

이 목록은 결함을 지적하는 것이 아니라, 도입 전 시험 항목으로 쓰라는 뜻입니다.

오늘 바로 해 볼 수 있는 시험 절차와 점검 항목

처음에는 작은 실험 몇 가지로 모델의 성격을 파악하는 것이 효율적입니다. 아래 절차는 공식 문서에서 확인된 기능 범위 안에서 구성한 것이며, 정확한 설치 명령과 옵션은 깃허브 저장소와 허깅페이스 모델 카드를 따르세요.

다섯 단계로 정리합니다.

1단계. 체크포인트를 고릅니다. 생성·편집을 시험해 보는 것이 목적이면 증류 모델로 시작합니다. 기본 16단계, guidance 없음이 공식 기본 설정입니다.

2단계. 실행 환경을 정합니다. ComfyUI와 Diffusers가 공개 첫날부터 지원합니다. 그래픽카드 메모리가 8GB급이라면 INT8 빌드를, 여유가 있다면 FP8이나 BF16을 고려합니다. BF16은 11.2GB, FP8은 5.6GB이므로 가중치만으로도 8GB 카드에는 BF16이 맞지 않습니다.

3단계. 프롬프트를 준비합니다. 업샘플러를 쓰거나, 쓰지 않을 때는 직접 상세하게 씁니다. 짧은 문장을 그대로 넣었을 때의 결과와 상세 프롬프트의 결과를 같은 설정으로 나란히 뽑아 보면 모델 카드의 경고가 실제로 어느 정도인지 체감할 수 있습니다.

4단계. 바운딩 박스를 지정합니다. 프롬프트에 박스를 쓰는 방식이면 0~1000 그리드의 [top, left, bottom, right], 참조 코드 명령줄의 --boxes를 쓰면 0~1 정규화의 [y_min, x_min, y_max, x_max]입니다. 처음에는 요소 하나에 큰 박스 하나로 방향이 맞는지부터 확인합니다.

5단계. 결과를 원본·의도와 대조합니다. 요소가 박스 밖으로 나갔는지, 요청하지 않은 주변이 바뀌었는지, 작은 요소가 빠졌는지를 확인합니다. 모델 카드가 명시한 세 가지 한계가 그대로 점검 항목입니다.

시험할 때 비교해 볼 항목

같은 입력으로 조건만 바꿔 가며 기록해 두면 도입 판단 근거가 됩니다.

- 증류 모델과 Base 모델의 결과 차이

- 업샘플러 사용 여부에 따른 프롬프트 반영도

- 박스 크기를 키웠을 때와 줄였을 때의 요소 출현 여부

- 참조 이미지를 1장, 3장, 10장으로 늘렸을 때 결과의 변화

- 해상도를 올렸을 때의 메모리 사용량과 소요 시간

속도·메모리·화질은 공식 수치가 아니라 내 환경의 측정값이 최종 기준입니다.

도입 전 점검 목록

실제 업무에 넣기 전에 확인할 것을 정리합니다.

① 조직의 계열사 포함 연간 매출이 500만 달러 미만인지
② 출력물만 쓰는지, 파인튜닝이나 배포까지 하는지
③ 그 이상 규모라면 자체 호스팅 라이선스와 API 중 어느 경로를 택할지
④ API를 쓴다면 최신 가격을 다시 확인했는지
⑤ 편집 결과의 보존도를 사람이 검수하는 단계가 있는지
⑥ 업샘플러까지 포함한 구성이 장비에서 돌아가는지

자주 묻는 질문

참조 이미지를 10장 넣으면 이미지가 10장 나오나요?

아닙니다. 참조 이미지는 최대 10장까지 입력되지만, 모델 카드 설명상 결과물은 한 장입니다. 여러 장을 참고해 한 장을 만드는 구조입니다. 바운딩 박스도 마찬가지로 한 번 실행에 한 장이 나옵니다.

FLUX 3 Image Klein의 공식 표기는 무엇인가요?

'FLUX 3 Image Klein'(점 없음)입니다. 검색 편의상 'FLUX.3 Image Klein'으로 적는 경우가 있지만, 공식 표기는 점이 없는 형태입니다. 이전 세대의 FLUX.2 [klein] 9B는 다른 모델이므로 혼동하지 않아야 합니다.

증류 모델과 Base 모델 중 무엇을 받아야 하나요?

결과를 빠르게 보고 싶다면 증류 모델이고, LoRA 학습이나 파인튜닝, 연구가 목적이라면 Base 모델입니다. 단순히 이미지를 만들고 편집해 보려는 경우 증류 모델이 기본 선택지입니다.

참고 자료

- BFL 공식 발표: https://bfl.ai/blog/flux-3-image-klein

- 허깅페이스 모델 카드: https://huggingface.co/black-forest-labs/flux-3-image-klein

- 깃허브 저장소: https://github.com/black-forest-labs/flux-3-image-klein

마무리

FLUX 3 Image Klein은 5.6B 트랜스포머 하나로 생성·편집·다중 참조 조합을 처리하고, 바운딩 박스로 요소의 위치와 크기를 지정할 수 있는 오픈 웨이트 모델입니다. 확정된 것은 공개일, 구조, 체크포인트 구성, 좌표 형식, 라이선스 조건입니다. 아직 단정할 수 없는 것은 편집 보존도, 4K의 실제 세부 품질, 자체 평가 순위의 독립 검증, 환경별 속도와 총비용입니다.

시험 순서는 단순합니다. 증류 모델로 시작하고, 업샘플러를 함께 쓰고, 박스는 큰 것부터 시도하고, 결과는 직접 대조하세요. 라이선스 조항은 용도별로 원문에서 확인해야 하며, API 가격은 쓰기 직전에 다시 봐야 합니다.