落叶林荫道向远处延伸，尽头有薄雾

它换了一种「指挥」出图的方式

Black Forest Labs 发布了 FLUX 3 Image，属于 FLUX 3 多模态家族里专门负责生成与编辑图像的那一部分。核心变化是：你不再只写一句提示词，而是在一块 0 到 1000 的网格画布上，给每个要考虑的元素拖一个方框（bounding box），再写一行把元素串起来的话。方框的写法是 [y_min, x_min, y_max, x_max]，每个框带一个语义 id，比如 dome_1、crowd_1。

提示词本身变成了一张表

对应的「排版提示」由两部分组成：一段描述整体的全局 caption，加一张元素表——一个 JSON 数组，每行是 id、方框和该元素的描述，caption 里用 id 来引用元素。这意味着它可以被程序直接生成。官方写明：只要给智能体一句话和一个画幅比例，模型就能自己规划布局、写好 caption 和元素表；你不满意哪个框，挪一下，剩下的仍按智能体摆好的位置生成。

编辑是「逐框」的

已经生成的图可以继续改：每个框都能重新描述、替换成别的东西或者移动位置，而没有动过的地方保持原样，所以一张图能一轮一轮迭代下去。官方还澄清了一个常见疑问：你自己画的框，提示词放大器只会围绕它去补 caption、可能建议增加元素，但你画的每个框都会带着原来的 id 和坐标原样送进模型，放大器加的内容只有在 caption 引用它时才保留。另外两点很实用：最多可以用 10 张参考图拼出一张构图完整的图；生成分辨率是原生的 2K 与 4K（官方示例图是 5456×3072），纹理、人脸、颜色这类小细节能保住。

它适合什么样的画面

官方在 FAQ 里说得很准：适合「部件多、关系严格」的构图——照片周围排字、拼贴、分格漫画、杂志跨页，或者每个人都得有自己位置的密集人群场景。反过来，一张单纯的风光照用不上这套机制。想试的话，那边开了 Playground，也可以直接向 API 提交排版提示。

对做企业数字化、小团队的实际启发

有三点对小团队有现实意义。一是「画面元素可被程序寻址」本身就打开了批量生产的口子：同一个模板，换文案、换产品图、换背景，出图可以变成流水线里的一个函数，而不是一张一张地抽卡。二是接口已经开始按「给智能体用」来设计，配图、海报、电商主图这类活儿，有条件从人工操作挪进脚本。三是边界要自己守：模型能拼得很像，但商用素材的授权、人物肖像的授权，仍然得由人来负责——给客户交付时，这一条从来不会因为技术变好而消失。