FLUX 3 Imageを162枚で検証｜日本語の文字・料金・使い方【ComfyUI】

📝 本記事にはアフィリエイトリンクが含まれています。

要約

• Comfy Cloud の「FLUX 3 Image」ノードで、画風・日本語の文字・画像編集の共通17課題と、画数の多い漢字・4コマ・図解などの追加25課題を作りました。英語のプロンプトと日本語のプロンプトで2回ずつ、全162枚です
• 見出し・メニュー・レシートの金額まで正確でしたが、「鬱」は16枚すべてで崩れました。「遅」「蒸」も4枚とも崩れていて、画数の多い漢字は苦手です。同じ課題で Nano Banana 2.1 と GPT Image 2.5 は「鬱」まで正確でした
• クレジットは 1K で1枚 14.48 で一定でした（2026年11月時点）。ノードの既定の解像度は 2K（30.17）なので、何も変えずに使うと約2倍かかります。フル版は重みが公開されておらず、ローカルで動かせるのは別モデルの FLUX 3 Image Klein です

はじめに

パートナーノード（Comfy 経由で各社の画像生成 API を使えるノード）を、同じ課題で1モデルずつ試しています。Nano Banana 2.1、GPT Image 2.5 に続いて、今回は Black Forest Labs の FLUX 3 Image です。

FLUX 3 Image は1枚の値段が安めで、公式は多言語の文字が良くなったと言っています。それなら日本語の文字はどこまで書けるのか、と思って、前の2モデルと同じ課題に、画数の多い漢字や4コマ漫画などの課題を足して作りました。

FLUX 3 Imageとは

FLUX 3 Image は、Black Forest Labs（BFL）の画像生成・編集モデルです。BFL のリリースノートによると、API で使えるようになったのは 2026年10月1日です（BFL のリリースノート）。FLUX 3 そのものは、2026年7月23日に早期アクセスとして発表されていました（BFL の発表）。

リリースノートでは、「すべてのピクセルを思いどおりに」という打ち出しで、次の点が挙げられています。

• テキストからの生成・一部だけの編集・最大10枚の参照画像の合成を、1つのエンドポイントでやる（生成か編集かはプロンプトで決まる）
• プロンプトの末尾に枠（bounding box）の一覧を書いて、見出しや人物の位置を決められる
• 枠で指定した所だけを描き直し、ほかはそのまま保つ
• 最大 4K（約1,600万画素）まで出せる

BFL は、複雑なプロンプトの扱いと多言語の文字が良くなったとも説明しています。ただ、日本語や漢字の精度について具体的な数字は出していません。この記事では、そこを実際に確かめています。

FLUX 3 Image KleinやFLUX.1との違い

名前が似ているものがいくつかあるので、整理しておきます。

Klein は FLUX 3 Image の小型版として重みが公開されたモデルで、ライセンスは FLUX Kommunity License です。年商500万ドル未満の個人・企業なら商用利用も無料、と BFL は説明しています（Klein の発表）。

「Klein」という名前は、FLUX.2 の小型版（4B・9B）にも付いています。調べるときは、FLUX 3 の Klein か FLUX.2 の Klein かを見分けてください。ネットで「FLUX 3 の手足が崩れる」といった評価を見かけたら、Klein の話のこともあるので注意してください。この記事の結果は、すべてフル版の FLUX 3 Image です。

FLUX 3 Imageはローカルで動く？

フル版の FLUX 3 Image は、ローカルの GPU では動かせません。重みが公開されていないためです。

ただし、ローカルの ComfyUI からも、パートナーノードとしてなら使えます。この場合も生成は BFL の API 側で行われ、使った分だけ Comfy のクレジットが減ります。手元の GPU の性能は関係ありません。

ローカルの GPU で動かしたいなら、選択肢は Klein です。Klein は ComfyUI が公開日から対応していて、モデルを読み込んで使えます。この記事では Klein は試していません。

FLUX 3 Imageの使い方（ComfyUI・Comfy Cloud）

ノードと設定

ComfyUI では、パートナーノードの「FLUX 3 Image」ノード（Flux3ImageNode）で使えます。1つのノードで、テキストからの生成と、参照画像を渡した編集の両方ができます。

ローカルの ComfyUI でも、Comfy のアカウントでログインすればパートナーノードとして使えます。僕は今回、Comfy Cloud で動かしました。

解像度は1Kにすると半分以下のクレジットで済む

ノードの既定の解像度は 2K で、1枚 30.17 クレジットです。1K にすると 14.48 クレジットと、半分以下になります（料金の節で詳しく書きます）。ブログやウェブで使う大きさなら 1K で足りたので、今回はすべて 1K で作りました。16:9 の出力は 1360×768、3:4 は 880×1184 でした。

seedで同じ画像は再現できない

ノードには seed の欄がありますが、説明には「FLUX 3 は自分で seed を選ぶので、この値に関係なく結果は毎回変わる」と書かれています。seed の欄は、ComfyUI がノードをもう一度実行するかを決めるためだけのものです。気に入った画像が出たら、その場で保存しておく必要があります。

groundingは架空の絵ならオフでもいい

grounding がオンだと、生成の前にモデルが web と画像を検索して、実在の場所や物を描く手がかりにします。オフにするとプロンプトだけで描くので、そのぶん速くなる、と BFL は説明しています（BFL の FLUX 3 Image の概要）。今回は既定のオンのままで作りました。

検証の条件

seed が効かないので、同じ条件で2回ずつ作りました（1枚だけ作る課題もあります）。判定は、指示どおりなら○、一部だけ外れたら△、使えなければ×です。

人物の画像は、すべて今回 FLUX 3 Image で作った架空の人物です。

実写・アニメ・イラストの画風

まずは文字なしで、6つの画風を作りました。ここからの比較画像は、左が日本語のプロンプト、右が英語のプロンプトです。

24枚のうち20枚が○で、△はフラットイラストの4枚中3枚でした。

実写の人物と物撮りは、どちらも4枚とも指示どおりでした。物撮りは、頼んでいない布や小物を足していません。Nano Banana 2.1 や GPT Image 2.5 は物撮りに何かしら足していたので、ここは FLUX 3 Image がいちばん素直でした。

アニメの背景美術も、電柱・電線・自販機・猫・紫の雲が4枚ともそろいました。ネットでは「FLUX 3 はアニメ調が苦手」という評価も見かけますが、今回のアニメの課題（キャラと背景）は8枚とも○でした。

頼んでいない物を足すことがある

一方で、頼んでいない物を足すクセはありました。

• アニメのキャラ: 4枚とも、頼んでいない通学かばんを持たせた
• 水彩のキツネとウサギ: 4枚中3枚で、雨合羽などの服を着せた
• フラットイラスト: 英語のプロンプトでは2枚とも、点・線・四角の飾りとペン立て・マグなどを足した

フラットイラストの飾りは、日本語のプロンプトでは少なめでした。

FLUX 3 Imageの日本語の文字はどこまで正確か

見出し・メニュー・レシートは正確

日本語の文字を入れた画像を作り、期待した文字列と1字ずつ見比べました。

ポスター（3行）・7行のメニュー・図解のラベル・筆文字の看板「月見堂」は、どれも正確でした。共通の課題の文字では、68枚で誤字・脱字は 0 です。

追加の課題で作ったレシート（11行・金額と日時入り）も、文字と数字が4枚とも正確でした。

「鬱」は16枚すべてで崩れた

画数の多い漢字を試すために、「薔薇と憂鬱の図書館」というタイトルを、明朝・ゴシック・手書き・筆文字の4つの書体で書かせました。

結果は、「鬱」が16枚すべてで崩れました。「行」がまえの、存在しない字になるか、細かい所がつぶれています。明朝の日本語のプロンプトでは形が近いものの、細部はつぶれていました。日本語のプロンプトの1回目では、「憂」を「優」にもしています。「薔薇」「図書館」は正確でした。

ほかの課題でも、画数の多い字が崩れています。

• 4コマ漫画: 4枚とも「遅刻だー！」の「遅」が崩れた
• ハンドドリップの図解: 4枚とも「③ 蒸らして待つ」の「蒸」が崩れた

同じ課題で、Nano Banana 2.1 と GPT Image 2.5 は「鬱」まで正確に書けていました。共通の課題で誤字が0だったのは、こうした字が課題に無かったからだと思います。看板やポスターに使うときは、画数の多い字が入っていないか、入っているなら拡大して確かめたほうが安心です。

ネオンの文字は色が混ざった

英語のネオンサイン「Night Owl」は、綴りは4枚とも正確でした。ただ、4枚中3枚で、指定した色が文字の中で混ざっていました。

英語のプロンプトだと「」まで描く

英語のプロンプトの中に、入れたい日本語を「」で囲んで書くと、「」まで画像に描くことがありました。

• メニューのタイトル（1枚）
• YouTube のサムネのタイトルとバッジ（2枚とも）
• 4コマのセリフ（2枚とも）
• 「鬱」の課題の手書き・筆文字（3枚）

日本語のプロンプトでは出ませんでした。Nano Banana 2.1 の英語のプロンプトでも同じクセがあったので、英語で書くときは「」を使わない書き方にしたほうがよさそうです。

画像編集

参照画像を渡して、共通の5つの編集と、追加の編集・合成を試しました。

服の色だけ変える・日付だけ変える

セーターの色だけを変えるように頼むと、顔・髪・背景はほぼそのままで、セーターだけが深い緑になりました。ただ、窓ガラスに映ったセーターの色は、元のクリーム色のままでした。

ポスターの日付だけを変える編集は、日付だけが「11月1日（土）・2日（日）」に変わり、見出し・館名・イラストは元のままでした。

写真をアニメの背景美術風にする

デスクの写真をアニメの背景美術風に描き直すと、構図・モニターアームの形・物の位置は4枚ともほぼそのままでした。ただ、塗りは淡い絵画調で、アニメの背景美術らしさは弱く、4枚とも△にしました。

合成・キャラの一貫性

アニメのキャラと物撮りのカップの合成、冬の公園のベンチに置き直す編集は、4枚とも顔・髪・制服を保てていました。

参照画像を3枚渡して、女の子・男の子・先生の3人を図書室に並べる合成も、3人の顔・髪・服を保てていました。ただ、日本語のプロンプトの2回目では、女の子の腕が3本になっていました。

フィギュア化・線画の着色・背景除去など

検索されることの多い使い方も試しました。次の課題は、すべて○でした。

日本語のプロンプトと英語のプロンプトの違い

162枚を日英で並べると、判定は次のようになりました。

画数の多い漢字の崩れは、日英どちらでも同じように出ました。英語だけで出たのは、「」まで描くクセと、フラットイラストの飾りです。日本語の文字を入れたいなら、プロンプトも日本語で書いたほうが扱いやすいと感じました。

所要時間は、1枚あたり平均で34〜35秒でした（参照画像を渡すと少し長め）。日英の差はほとんどありません。

FLUX 3 Imageの料金

BFLのAPIの単価

BFL の API を直接使う場合、料金は解像度ごとに1枚いくらで決まっています（BFL の料金ページ、2026年11月時点）。

テキストからの生成と編集は同じ値段で、参照画像の枚数でも変わりません。公開記念で、2026年10月1日〜8日は半額でした。

Comfy Cloudのクレジット

Comfy Cloud では、BFL の単価ではなく Comfy のクレジットで引かれます。こちらも解像度だけで決まります（Comfy のパートナーノードの料金）。

今回の 1K の162枚は、利用履歴でも1枚 14.48 クレジットで一定でした。参照画像を渡しても、プロンプトを日本語にしても変わりません。合計は 2,345.76 クレジットです。

失敗した枚は引かれなかった

162枚のうち、1回目で失敗した枚が3枚ありました。

• FLUX 側の Server side error（1枚）
• モデレーションで止められた（1枚。フィギュア化の日本語版）
• 接続エラー（1枚）

3枚とも、同じプロンプトのまま投げ直したら通りました。利用履歴を見ると、失敗した1回目の分のクレジットは引かれていませんでした。

Nano Banana 2.1・GPT Image 2.5と比べると

同じ課題・同じプロンプトで回した3モデルを並べると、次のようになりました。

FLUX 3 Image は、物撮りで余計な物を足さない素直さと、編集でも値段が変わらない点が良いところでした。一方で、日本語の文字は、画数の多い漢字でほかの2つに差を付けられました。

FLUX 3 Imageのプロンプト例

今回使ったプロンプトのうち、よく使いそうなものを日本語版でまとめます。

居心地のよいカフェの壁に掛かった黒板のメニュー。いちばん上にタイトル「本日のメニュー」。その下に次の6行を、左に品名、右に価格で書く。
ブレンドコーヒー 480円
カフェラテ 550円
抹茶ラテ 580円
チーズケーキ 520円
季節のタルト 650円
モーニングセット 780円
チョークの手書き風だが、すべての文字が読めて、書いたとおり正確であること。ほかの文字は入れない。

木のテーブルに置かれた、日本のカフェの印字されたレシートを近くで撮った写真。レシートの文字は、上から順に次のとおり。
カフェ ミナト
2026年10月20日 14:32
ブレンドコーヒー ¥480
カフェラテ ¥550
チーズケーキ ¥520
季節のタルト ¥650
小計 ¥2,200
消費税 ¥220
合計 ¥2,420
感熱プリンターの小さな文字。すべての文字を書いたとおり正確に描くこと。ほかの文字は入れない。

ミニマルな本の表紙。日本語のタイトル「薔薇と憂鬱の図書館」を、上品な明朝体で縦書きに組む。クリーム色の紙に黒い文字で、小さなバラのイラストを1つだけ添える。すべての文字を書いたとおり正確に描くこと。ほかの文字は入れない。

セーターの色だけを、クリーム色から深い森のような緑に変えてください。顔、髪、手、本、背景、光、構図はまったく同じにしてください。

参照画像の3人を1つの場面にまとめてください。1枚目の女の子、2枚目の男の子、3枚目の先生が、学校の図書室で横に並んで立ち、笑顔でおしゃべりしています。3人それぞれの顔、髪、目の色、服、アニメの絵柄は、参照画像とまったく同じにしてください。文字は入れないでください。

FLUX 3 Image では、プロンプトの中で参照画像を「1枚目」「2枚目」のように順番で呼べば通じました。編集のプロンプトは、「何を変えるか」と一緒に「何を保つか」を書いておくと、変えたい所だけが変わりました。

FLUX 3 Imageの利用規約で気をつけること

BFL の利用規約では、BFL は出力の所有権を主張しておらず、規約の範囲で自分の目的に使えます（BFL の利用規約）。そのうえで、Usage Policy に次のような決まりがあります（Usage Policy）。

• 著作権など、第三者の権利を侵害する画像を作らない・配らない
• 出力はほかの人の出力や既存の作品と似ることがあるので、公開するときに問題がないかは使う側が確かめる
• 実在の人物を描くときは、本人の同意が要る
• 出力を、人が描いたものや本物の写真のように偽らない
• 出力を、ほかの AI モデルの学習に使わない

また、BFL は入力と出力を自社のモデルの学習に使えることになっています。

よくある質問

まとめ

FLUX 3 Image を Comfy Cloud で162枚作ってみて、見出しやメニュー、レシートの金額まで書ける一方で、画数の多い漢字は崩れる、というのがいちばんの発見でした。「鬱」は16枚すべてで崩れていて、同じ課題の Nano Banana 2.1 と GPT Image 2.5 との差がはっきり出ました。

良かったのは、物撮りで頼んでいない物を足さない素直さと、編集でも1枚の値段が変わらないところです。ノードの既定は 2K なので、ウェブ用なら 1K に下げるのがおすすめです。

日本語の文字が少ない画像や、写真の編集・合成をたくさん試したいときは、FLUX 3 Image を使ってみようと思います。

あわせて読みたい記事:

• GPT Image 2.5を68枚で検証
• Nano Banana 2.1を105枚で検証
• Comfy Cloudの料金プランの選び方

筆者が作った本

AIで作った画像集、BOOTHで販売中

プロンプトPDF付きなので、同じ絵を手元で再現できます。

画像集とプロンプトPDFをBOOTHで見るBOOTHのショップページが開きます