"LongCat-Image vs FLUX"看似是一个对比，实际上 FLUX 已经是一整族模型：FLUX.1 Dev、Schnell、Kontext、FLUX.2 Dev、Klein、Flex、Pro、Max 的体量、协议、价格和编辑能力都不同。把各版本最强的能力拼进同一列，会虚构出一个并不存在的模型。
本文以 FLUX.2 Klein 4B 为主对手，因为它和 LongCat 最接近：开放权重、Apache-2.0、可在消费级设备部署，而且覆盖生成与编辑。FLUX.1 Dev 只用于引用 LongCat 报告里的直接同榜数据，FLUX.2 Dev 则代表高成本的开放权重质量上限。
**一句话结论：**中文图内文字、完整开放的生成/编辑训练链和中文指令编辑选 LongCat-Image；更低显存、4 步速度、多参考图编辑、更低 API 成本和更成熟生态选 FLUX.2 Klein。
公平的数字对照
| LongCat-Image | FLUX.2 Klein 4B | FLUX.2 Dev | |
|---|---|---|---|
| 开发方 | 美团 LongCat 团队 | Black Forest Labs | Black Forest Labs |
| 核心体量 | 6B 扩散核心 | 4B | 32B |
| 协议 | Apache-2.0 | Apache-2.0 | 非商业、非生产用途 |
| 典型推理 | 标准 50 步；Edit-Turbo 8 步 | 4 步 | 高端部署 |
| 官方/本地显存口径 | CPU offload 约 17 GB（Edit 约 18 GB） | 约 8–13 GB，取决于运行方式 | 原始路径需 H100 级硬件，另有量化方案 |
| 编辑 | 独立 Edit 与 Edit-Turbo 权重 | 生成 + 单/多参考图编辑 | 生成、编辑、多参考组合 |
| 2026-07-16 托管价格 | fal 生图 $0.13/MP；编辑 $0.15/MP | BFL API $0.014/张起 | fal $0.012/MP |
| 证据最强的优势 | 中文字符覆盖 | 速度、成本、轻量部署 | 开放权重质量上限 |
来源：LongCat 技术报告、LongCat 官方仓库、FLUX.2 官方仓库、FLUX.2 Klein model card、BFL 模型说明。
LongCat-Image 赢在哪
中文文字的证据最扎实
LongCat 公开评测在 ChineseWord 得到 90.7。该基准围绕 8105 个标准汉字设计，model card 还明确要求将目标文字放进引号里，说明文字渲染是专门设计的工作流，不是偶然撞对提示词。
FLUX.2 Flex 的官方定位包含 typography，但 Black Forest Labs 没有公开可直接对照的 ChineseWord 分数。因此严谨结论不是"FLUX 不会写中文"，而是：目前覆盖大量中文字符的一手公开证据，LongCat-Image 更强。
这对菜单、包装、店招、活动海报、标签等场景很重要，因为错一个字就可能整张作废。但 ChineseWord 仍然只是基准，不能把 90.7 外推成"所有复杂海报都能 90.7% 正确"，真实文案仍要实测。
对 FLUX.1 Dev 的同榜指标领先
在 LongCat-Image 官方报告中，LongCat 在三项共同指标上高于 FLUX.1 Dev：
| 基准 | LongCat-Image | FLUX.1 Dev |
|---|---|---|
| GenEval | 0.87 | 0.66 |
| DPG | 86.80 | 83.84 |
| WISE | 0.65 | 0.50 |
这些数字来自 LongCat 团队评测，而且对手是上一代 FLUX.1 Dev，不是 FLUX.2。它们能支持"LongCat 在这几项提示遵循与组合生成指标上更高"，不能支持"LongCat 的美感全面超过所有 FLUX"。
商业自托管的边界更清楚
LongCat-Image、LongCat-Image-Edit 和训练代码都是 Apache-2.0。FLUX.2 Klein 4B 同样是 Apache-2.0，但 FLUX.1 Dev 与 FLUX.2 Dev 使用限制更多的模型协议。需要检查、微调并商业自托管时，应把 LongCat 和 Klein 放在一起比，而不是把只能非商业部署的 Dev 权重当成同类。
LongCat 还公开了 SFT、LoRA、DPO 与图像编辑训练路径。对需要研究训练过程、而不仅是下载推理权重的人，这一点很实在。
FLUX 赢在哪
Klein 更轻、更快
FLUX.2 Klein 4B 是 4 步蒸馏模型。BFL 不同官方页面给出的本地显存约为 8–13 GB，差异通常来自精度、offload 和运行实现。LongCat 官方 bf16 路径的文生图是 CPU offload 约 17 GB，编辑约 18 GB。
LongCat 的社区 GGUF 可以更小，但文件体积不等于运行显存，而且这些量化不是美团官方发布。对 8–12 GB 显卡用户，Klein 是更直接的答案。
多参考图是原生能力
FLUX.2 在同一产品线里支持文生图、单参考编辑与多参考图组合。你可以从一张图保留人物、另一张图取商品，再从第三张图取风格。
LongCat 已发布独立 Edit 和 8 步 Edit-Turbo，对单图自然语言编辑很有竞争力，尤其适合中文文字相关修改。但官方资料没有承诺同等级的多参考图组合能力，因此本站编辑器也只使用一张参考图。
价格和生态明显占优
按 2026-07-16 核查到的托管价格，LongCat 在 fal 的文生图是 $0.13/百万像素；FLUX.2 Dev 在 fal 是 $0.012/百万像素，BFL 的 Klein 则从 $0.014/张起。计价单位不完全相同，但高频通用出图的价格方向非常明确：FLUX 更便宜。
FLUX.1 Dev 在 Hugging Face 上已有数万 adapters 与数百 finetunes，LongCat 生态还年轻。工作流依赖现成 LoRA、ControlNet、教程、社区 checkpoint 或商业平台接入时，FLUX 当前选择更多。
通用美感和照片写实谁赢
没有足够干净的一手同条件测试，可以给 LongCat 与当前 FLUX.2 全家桶判定永久冠军。LongCat 证明了 6B 核心可以获得强写实表现；BFL 则把 FLUX.2 Dev 定位成开放权重质量上限，Pro/Max 是更高档的托管模型。
最诚实的做法是用相同提示词、种子策略、比例和验收标准测试你真正准备使用的版本。文字准确率、手部、商品身份、光影和风格多样性，可能各自出现不同赢家。
按用途选
- **中文海报、招牌、菜单、包装、生僻字：**LongCat-Image。
- **修改现有图片里的中文文字：**LongCat-Image-Edit。
- **8–12 GB 本地显卡与快速预览：**FLUX.2 Klein 4B。
- **多张参考图、人物/商品组合：**FLUX.2。
- **最低托管出图成本：**FLUX。
- **Apache-2.0 商业自托管：**LongCat-Image 或 FLUX.2 Klein 4B。
- **高端硬件上的开放权重质量上限：**FLUX.2 Dev，但要接受其协议限制。
- **需要生成与编辑训练代码：**LongCat-Image。
- **需要大量 LoRA 和现成工作流：**FLUX。
两家都不是每一项都赢。中文文字和开放编辑是 LongCat 的专项；速度、价格、多参考组合和生态是 FLUX 的现实优势。
用自己的素材实测
最快的比较不是看厂商样图，而是拿同一张参考图、同一条指令检查真实返工点：文字是否逐字正确、商品和人物是否保持、背景有没有误改、边缘细节是否干净。
打开 LongCat Image 编辑器做单参考图测试；准备本地部署前，先看显存与 ComfyUI 指南。
一手来源：LongCat-Image 技术报告 · LongCat 官方 GitHub · FLUX.2 官方 GitHub · FLUX.2 Klein 4B model card · FLUX.2 Dev model card · BFL 定价 · fal LongCat 定价
