AIが生成する画像の画一的な「AIらしさ」に、終止符が打たれるかもしれない。Black Forest LabsとKrea AIは、従来の課題を克服し、驚くべきフォトリアリズムを追求した新画像生成モデル「FLUX.1 Krea [dev]」を共同で発表した。

AD

AI画像生成の「コモディティ化」への挑戦状

近年の画像生成AIの進化は目覚ましい。複雑な指示を理解し、破綻のない画像を生成する能力は、数年前には想像もできなかったレベルに達している。しかしその一方で、多くのユーザーが薄々感じ始めている課題がある。それは、生成される画像の「AIらしい見た目」だ。

Krea AIの技術レポートは、この問題を的確に指摘している。

過度にぼやけた背景、ワックスのような肌の質感、ありきたりな構図…。これらが組み合わさって、今や「AIルック」として知られるものになっている。

プロンプトへの忠実さや、オブジェクトの正確な描写といった「技術的な賢さ」を追求するあまり、初期のAIが持っていた偶然性や創造的な多様性が失われつつあるのではないか。この根源的な問いこそが、今回のFLUX.1 Krea [dev]開発の出発点となった。彼らの目標はシンプルだ。「AIに見えないAI画像を創る」。そのために、既存の評価指標に頼るのではなく、あえて「意見のある（opinionated）」美学をモデルに注入するという、異例のアプローチを選択した。

凡庸な美学との決別：「意見のある」モデルの哲学

開発チームは、FID（Fréchet Inception Distance）やCLIP Scoreといった一般的な性能指標や、LAION-Aestheticsのような美的評価モデルの限界を指摘する。これらの指標は、モデルの性能向上に貢献した一方で、特定のバイアスを生み出す温床にもなった。例えば、LAION-Aestheticsの上位画像には、ぼやけた背景や過度にソフトな質感を持つ画像が偏って含まれているという。

このような「グローバルな」ユーザー嗜好や既存の評価指標に最適化されたモデルは、結果として最大公約数的な、面白みに欠けるアウトプットに収束してしまう。Krea AIはこれを「誰も幸せにならない」状態だと喝破する。

異なる美的嗜好を混ぜ合わせることは、ほとんど敵対的ですらある。（中略）我々は、明確なアートディレクションに沿った、非常に意見のある方法で嗜好データを収集することにした。

彼らは、万人に受けるモデルではなく、特定の美学を突き詰めたモデルこそが、クリエイターが本当に求めるものだと考えたのだ。この「意見のある」アプローチは、今後のAI開発の潮流を占う上で、極めて重要な視点となるかもしれない。

AD

開発の舞台裏：BFLの「原石」とKreaの「彫刻」

この野心的な試みは、Black Forest Labs（BFL）とKrea AIという、二つのラボの強力なタッグによって実現した。BFLは、巨大な12Bパラメータを持つDiffusion Transformerモデル「flux-dev-raw」を「原石」として提供した。

このモデルの特筆すべき点は、多くのオープンモデルとは異なり、過度なファインチューニングが施されていない「生（raw）」の状態であったことだ。Krea AIの言葉を借りれば、「まだ焼かれていない」このモデルは、多様なアウトプットを生成するポテンシャルを秘めており、特定の美学を「彫刻」するための最高の素材だった。

開発プロセスは、ミケランジェロの言葉を引用して語られている。

彫刻は、私が仕事を始める前から、すでに大理石のブロックの中に完成している。私はただ、余分なものを取り除くだけだ。

この思想は、彼らの二段階の学習アプローチに色濃く反映されている。

  • プリトレーニング（モードカバレッジ）: BFLが担当したこの段階では、とにかく多様な知識をモデルに与えることに注力する。「良い」データだけでなく、あえて「悪い」データも学習させることで、後にネガティブプロンプトで「何を避けるべきか」を正確に理解させる狙いがある。
  • ポストトレーニング（モードコラプス）: Krea AIが担当した「彫刻」の段階。教師ありファインチューニング（SFT）と人間フィードバックによる強化学習（RLHF）を用いて、膨大な可能性の中から望ましい美学だけを削り出していく。

職人技のポストトレーニングが鍵

ポストトレーニングの成功の鍵は、「データの質」にあった。驚くべきことに、使用されたデータは100万サンプル未満と、比較的小規模だ。しかし、そのデータは、モデルの長所と短所を熟知したアノテーターによって、明確な方針のもと厳格にキュレーションされたものだった。

さらに、RLHFの段階では「TPO」と呼ばれる独自の選好最適化技術を適用。これにより、モデルの出力は開発チームが目指す美学へと、より精密に調整されていった。

その実力とオープンソースが拓く未来

こうして生まれたFLUX.1 Krea [dev]は、人間による評価において、既存のオープンモデルを凌駕し、クローズドな高性能モデルに匹敵する結果を示した。

このモデルの重み（weights）はHugging Faceで公開されており、研究者や開発者は自由に利用できる。さらに、FAL.aiやReplicateといったパートナーを通じてAPIも提供され、アプリケーションへの統合も容易だ。

FLUX.1 Krea [dev]の登場は、これまで主流だった「何でもできる」汎用的な巨大モデルの追求から、特定の目的や価値観に特化した「意見のある」モデルを、協業によって効率的に生み出すという新たな潮流の始まりと言えるだろう。基盤モデルを開発するラボと、応用・製品化に長けたラボが連携するこのスタイルは、今後のAIエコシステムの発展において、一つの理想形となる可能性を秘めている。

FLUX.1 Krea [dev]は、「AIっぽさ」という見えざる壁に風穴を開けた。このモデルを基盤として、世界中の開発者がどのような「彫刻」を施し、我々を驚かせてくれるのか。オープンソースAIの新たな物語が、今まさに始まろうとしている。

Sources