EN DIRECT
Anthropic affirme que Claude a permis de retracer l'origine des graines ECDSA du NIST16/10/26 · Anthropic|Reflection AI dévoile Beam, un modèle ouvert de 501 milliards de paramètres16/10/26 · Reflection AI|Meta publie Muse Spark Open, un modèle MoE taillé pour tourner en local sur Mac Studio15/10/26 · Meta|Meta publie Muse Spark Open, un modèle multimodal à poids ouverts15/10/26 · Meta|FairStress : un nouveau benchmark pour évaluer l'équité des LLM sous contrainte20/10/26 · AllenAI|IBM Research : une mémoire apprise propulse ALTK-Evolve en tête du classement τ²-bench20/10/26 · IBM|Samsung mise sur un gigantesque site de puces mémoire pour l'IA20/10/26 · Samsung|AnyLanguageModel atteint la version 1.0, un an après son lancement sur les plateformes Apple20/10/26|Hugging Face annonce un support natif des TPU via TorchTPU20/10/26 · Hugging Face|Des instructions cachées pour IA découvertes dans les pages d'aide de WhatsApp20/10/26 · Meta|Allemagne et NVIDIA scellent un partenariat autour de l'IA industrielle19/10/26 · NVIDIA|Optimiser le web pour les agents IA pourrait dégrader l'expérience humaine19/10/26|Anthropic affirme que Claude a permis de retracer l'origine des graines ECDSA du NIST16/10/26 · Anthropic|Reflection AI dévoile Beam, un modèle ouvert de 501 milliards de paramètres16/10/26 · Reflection AI|Meta publie Muse Spark Open, un modèle MoE taillé pour tourner en local sur Mac Studio15/10/26 · Meta|Meta publie Muse Spark Open, un modèle multimodal à poids ouverts15/10/26 · Meta|FairStress : un nouveau benchmark pour évaluer l'équité des LLM sous contrainte20/10/26 · AllenAI|IBM Research : une mémoire apprise propulse ALTK-Evolve en tête du classement τ²-bench20/10/26 · IBM|Samsung mise sur un gigantesque site de puces mémoire pour l'IA20/10/26 · Samsung|AnyLanguageModel atteint la version 1.0, un an après son lancement sur les plateformes Apple20/10/26|Hugging Face annonce un support natif des TPU via TorchTPU20/10/26 · Hugging Face|Des instructions cachées pour IA découvertes dans les pages d'aide de WhatsApp20/10/26 · Meta|Allemagne et NVIDIA scellent un partenariat autour de l'IA industrielle19/10/26 · NVIDIA|Optimiser le web pour les agents IA pourrait dégrader l'expérience humaine19/10/26|
🇩🇪 Allemagne🎨 Génération imageSortie novembre 2025

FLUX.2 [dev]

Black Forest Labs
Open-sourceSelf-hostHéb. UE Données fiche 44/100 Trust Index 86
Verdict

Une option solide pour l'auto-hébergement et le contrôle total des données.

Présentation

FLUX.2 [dev] est le modèle de génération d'images à poids ouverts de Black Forest Labs, éditeur allemand, avec 32 milliards de paramètres calibrés pour tourner sur une machine de bureau (tier Q4). Il permet aux équipes techniques de garder leurs données et leurs prompts en interne, sans passer par une API tierce. Sa licence flux-non-commercial reste toutefois le vrai point bloquant : toute utilisation en production exige un accord commercial séparé avec Black Forest Labs. Aucun chiffre de benchmark n'est publié pour cette version.

Profil de compétences

Non communiqué

Trois mesures indépendantes

Ce que les gens préfèrent, ce que le modèle sait faire, ce que le marché utilise. Chaque source a ses biais, aucune ne suffit seule : nous les affichons séparément, sans les mélanger.

Préférence
Quelle réponse les gens préfèrent-ils, à l’aveugle ?
Pas encore mesuré
Sensible au style et à la longueur des réponses.
Capacité
Que sait faire le modèle sur des tâches mesurées ?
Pas encore mesuré
Agrège dix évaluations lancées par Artificial Analysis.
Adoption
Qu’utilise réellement le marché ?
Pas encore mesuré
395,9 k téléchargements Hugging Face
Source: OpenRouter (openrouter.ai/rankings). CC BY 4.0
Trafic passant par OpenRouter uniquement : mesure l’adoption, pas la qualité, et ignore l’usage direct des API des éditeurs.

Forces

  • Open-source et auto-hébergeable

Limites

  • Tarification API non publiée

À qui ça s'adresse

Pour vous si…
  • vous voulez maîtriser vos coûts ou auto-héberger
  • vos données doivent rester en UE
À éviter si…

    Cas d'usage idéaux

    • Prototypage local d'images
    • R&D créative sans cloud
    • Tests confidentiels en interne
    • Formation équipes design

    Accès & disponibilité

    Auto-hébergeable (poids ouverts)

    Caractéristiques clés

    Contexte
    0
    Prix entrée
    —
    Prix sortie
    —
    Vitesse
    —
    Prix non auditéBenchmarks non audités

    Combien ça coûte par mois

    Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.

    Via API
    Tarif API non publié
    Auto-hébergé
    81.5 € / mois
    matériel amorti 63.9 € + énergie 17.6 € · ou GPU cloud 123 €
    palier : Carte 24-32 Go (RTX 4090 / 5090) · Q4 ≈ 22 Go

    Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.

    nAIvigate Trust Index

    86/100

    Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.

    19/19 critères documentés · 100 % · dont 12 posés par règle

    Données100
    5/5 · 30 %
    Souveraineté100
    3/3 · 20 %
    Transparence75
    4/4 · 15 %
    Entreprise100
    5/5 · 20 %
    Licence30
    2/2 · 15 %
    Voir les critères▾
    Données
    Résidence des données en UEposé par règle
    Pas de transfert hors UEposé par règle
    Pas d’entraînement sur vos donnéesposé par règle
    Rétention configurableposé par règle
    Zero Data Retentionposé par règle
    Souveraineté
    Auto-hébergeable (poids ouverts)
    Hébergement UE proposéposé par règle
    Éditeur européenpays : DE
    Transparence
    Licence publiée (URL)
    Tarifs publics sourcés
    Engagements de conformité publiésposé par règle
    Liste des sous-traitants publiéeposé par règle
    Entreprise
    DPA disponible
    SSO / SAMLposé par règle
    Provisionnement SCIMposé par règle
    Journaux d’auditposé par règle
    SOC 2 / ISO 27001sans objet
    Endpoint privé chez l’éditeurposé par règle
    Licence
    Usage commercial autorisé
    Type de licenceflux-non-commercial60
    Classement complet et méthodologie

    Badge Trust Index

    Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.

    nAIvigate Trust Index · FLUX.2 [dev]
    [![nAIvigate Trust Index · FLUX.2 [dev]](https://naivigate.com/badge/flux-2-dev.svg)](https://naivigate.com/fr/model/flux-2-dev)

    Données & conformité

    Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.

    Résidence des données en UEOui
    Accord de traitement (DPA)Sans objet· auto-hébergé : les données ne sortent pas
    Transfert hors UENon
    Entraînement sur vos donnéesNon
    Rétention configurableSans objet· auto-hébergé : les données ne sortent pas
    Zero Data RetentionSans objet· auto-hébergé : les données ne sortent pas
    Auto-hébergeableOui
    Hébergement déclaréself
    Déduit de l’hébergement déclaré, non vérifié à la source.Besoin d’une analyse dans votre contexte ? Shadow AI Sentinel

    Qualité des données de la fiche

    44/100

    Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.

    4/8 documentées · 1/8 sources primaires

    Prix APIpoids ouverts, pas de tarif APIabsent
    Fenêtre de contexteabsent
    Elo Arenaabsent
    Benchmarks (MMLU, GPQA, SWE-bench…)absent
    Licenceévaluation nAIvigate
    Données & conformitéauto-hébergé : déduitdéduit
    Adoption (Hugging Face)indépendant
    Matériel requis (quantizations)calculé depuis la taille du modèledéduit

    Faire tourner en local

    PC avec bon GPU / Mac 32 Go+396k2k
    QuantizationDisqueRAM / VRAMMatériel type
    Q4 · recommandé18.2 Go22 GoMac 32 Go / RTX 3090-4090
    Q8 · équilibré34.2 Go40 GoMac 64 Go / bi-GPU 24 Go
    FP16 · qualité max64 Go72 GoMac Studio 96-128 Go / 4× GPU

    Estimations pour un contexte modéré. Un long contexte augmente la RAM nécessaire (KV cache).

    Déployer

    Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.

    Mémoire estimée · FP16 72 Go · Q4 22 Go

    Serveur OpenAI-compatible pour la production sur GPU NVIDIA.

    pip install vllm
    vllm serve black-forest-labs/FLUX.2-dev \
      --max-model-len 32768 \
      --tensor-parallel-size 1 \
      --dtype auto
    black-forest-labs/FLUX.2-dev
    Données avancées · pour experts
    Architecture, modalités, coût détaillé, benchmarks complets
    ▾
    Architecture
    dense
    Taille
    32B
    Date de coupe
    —
    Entrées
    text
    Sorties
    text
    Licence
    flux-non-commercial
    Hébergement
    self
    Score d'hallucination
    —
    Coût estimé (API)
    Échange type (~3k entrée / 1k sortie)
    Non communiqué
    1M entrée + 1M sortie
    Non communiqué
    Tous les benchmarks
    Arena Elo—
    MMLU—
    GPQA—
    HumanEval—
    SWE-Bench—
    MATH—

    Modèles similaires