FLUX 3 Image bounding boxy: přesné rozložení v praxi

Když necháš AI vygenerovat banner, stokrát se stane tohle: produkt skončí uprostřed, text přeteče přes logo a tlačítko visí kdekoliv, jen ne tam, kde má. Prompt umí popsat, co má na obrázku být, ale ne kde přesně to má být. FLUX 3 Image od Black Forest Labs to řeší bounding boxy: každému prvku dáš souřadnice a model ho tam umístí. Otestovali jsme to 2. 10. 2026 přes API hned poté, co se model objevil u providerů, a funguje to překvapivě přesně — včetně češtiny s diakritikou.

Ukážeme ti, jak systém souřadnic funguje, jak vypadá konkrétní request, výsledek dvou testů (generování rozložení z ničeho a editace prvku v existujícím obrázku) a kolik co stojí.

01Proč prompt sám o sobě rozložení nevyřeší

Textový prompt je nedeterministický návod. Když napíšeš „svíčka vlevo, nadpis vpravo nahoře, tlačítko pod nadpisem", každé volání interpretuje míru „vlevo" trochu jinak. U jednoho obrázku to nevadí, vybereš si z pár variant. U automatizované produkce to vadí strašně: když agent generuje desítky bannerů pro kategorie e-shopu, potřebuje záruku, že produkt vždycky zaujme levou polovinu a tlačítko sedí na stejném místě.

FLUX 3 k tomu přidává dvě záludnosti: nemá seed (stejný prompt = pokaždé jiné rozložení) a automaticky rozšiřuje prompt — tohle rozšíření, které model dělá sám, nemůžeš vypnout. Oficiální dokumentace proto doporučuje workflow „vygeneruj dávku, vyber snímek, dolaď editací" — a právě pro ten krok jsou bounding boxy klíčové.

Bounding boxy mění rozložení z „popisného přání" na souřadnicový údaj, který agent spočítá a ověří. To je rozdíl mezi „snad to vyjde" a „zaručeně sedí".

02Jak bounding boxy ve FLUX 3 Image fungují

Celý obrázek leží na normalizované mřížce 0–1000 ve vodorovném i svislém směru. Souřadnice nejsou v pixelech, takže stejné boxy platí stejně pro výstup 768 px i 4K. Každý box jsou čtyři celá čísla v pořadí [nahoře, vlevo, dole, vpravo] — svislá osa první.

Pozor Když box přečteš jako x, y (vodorovně první), dostaneš zrcadlově převrácené rozložení. Je to nejčastější chyba při prvním pokusu — oficiální průvodce bounding boxů ji zmiňuje jako první kontrolní bod, když layout vychází převráceně.

Každý prvek dostane id, na které se odvoláš v promptu pomocí <token>, plus vlastní desc s popisem. Definice rozložení se do requestu vkládá jako JSON pole přilepené za text promptu. Text, který má být na obrázku, dostane vlastní box a přesné znění se uvede v uvozovkách v desc — to je důležité pro čistou typografii bez rozsypaných znaků.

U editace existujícího obrázku přibývají dvě pole: src_bbox (kde prvek v referenčním obrázku je) a tgt_bbox (kam má jet). Stejný zdrojový i cílový box znamená ukotvení prvku na místě, tgt_bbox: null prvek smaže. Malé boxy (~40×25 px v reálném rozlišení) se podle dokumentace často nepovede vygenerovat — novým prvkům proto dávej větší boxy a okolo boxů nech volný okraj, aby se vešly stíny a dotykové body.

03Request, který posíláš do API

Přímé API běží na POST https://api.bfl.ai/v1/flux-3-image s hlavičkou x-key. Parametrů je překvapivě málo: prompt, images (až 10 referencí), aspect_ratio (15 poměrů plus auto podle první reference), resolution (768sq, 1k, 1.5k, 2k, 4k), safety_tolerance a grounding (vyhledávání na webu před generováním, ve výchozím stavu zapnuté). Neexistují parametry seed, negativní prompt ani počet kroků. Volání je asynchronní — vrátí polling_url a hotový výsledek zůstává ke stažení hodinu.

Takhle vypadal náš první testový request (generování hero banneru 16:9 se čtyřmi prvky):

{
  "prompt": "A minimalist e-commerce hero banner with a warm cream background... On the left stands <candle_1>. At the top right is the headline <headline_1>. Below the headline sits the button <button_1>. In the bottom right corner lies <leaves_1>. [{"id": "candle_1", "from": null, "src_bbox": null, "tgt_bbox": [80, 60, 920, 460], "desc": "a matte ceramic scented candle jar in warm terracotta color..."}, {"id": "headline_1", "tgt_bbox": [140, 540, 320, 950], "desc": "large elegant serif headline text reading \"Podzimní svícny\"..."}, ...]",
  "aspect_ratio": "16:9",
  "resolution": "1k"
}

Model je dostupný i přes Replicate (dostupný od 1. 10. 2026), fal.ai a Runware — syntaxe promptu je stejná, jen se mění obal volání. Runware navíc boxy přijímá jako strukturované pole settings.boundingBoxes místo přilepeného JSONu, což je pohodlnější, pokud ti přilepený JSON string komplikuje kód.

04Test 1: hero banner z ničeho podle čtyř boxů

Naplánovali jsme klasický e-commerce hero 16:9: svíčka v terakotovém odstínu na levé polovině ([80, 60, 920, 460]), serifový nadpis „Podzimní svícny" vpravo nahoře ([140, 540, 320, 950]), tlačítko „Koupit teď" pod ním ([420, 560, 520, 840]) a dekorace ze suchého podzimního listí s dýní vpravo dole ([640, 560, 950, 950]).

Výsledek testu 1: rozložení přesně podle zadaných boxů, 1K rozlišení, 49 sekund generování.

Výsledek: všechny čtyři prvky sedí přesně ve svých boxech. Svíčka zaujala levou polovinu shora dolů, nadpis se objevil v pravém horním rohu, tlačítko pod ním a dekorace vpravo dole. Typografie zůstala čistá — a co nás překvapilo nejvíc, čeština s diakritikou vyšla bez jediné chyby: „Podzimní svícny" i „Koupit teď" s háčkem nad ď. Oficiální ukázky dokumentace pracují s angličtinou, japonštinou, francouzštinou a gruzínštinou, ale češtinu v praxi zvládá také.

Generování v 1K trvalo 49 sekund. Stejný obrázek by tě přes přímé BFL API stál 0,048 USD.

05Test 2: přesun a smazání prvku jedním requestem

Druhý test ověřil agentní smyčku: vzali jsme výsledek prvního testu jako referenční obrázek a poslali jeden request se třemi typy úprav najednou — svíčku a nadpis jsme ukotvili (stejný src_bbox i tgt_bbox), tlačítko přesunuli níž (tgt_bbox [700, 560, 800, 840]) a dekoraci s dýní smazali (tgt_bbox: null).

Výsledek testu 2: tlačítko přesunuté do spodní části, dekorace odebrána bez pozůstatků, 86 sekund.

Editace proběhla v jediném volání: svíčka i nadpis zůstaly identické, tlačítko sjelo zhruba na 70–80 % výšky obrázku a po dýni a listí nezůstala ani stopa — žádné stíny, žádné vybledlé fleky, žádné viditelné švy. Smazaná oblast se vyplnila stejně krémovým pozadím. Podle dokumentace zůstávají pixely mimo boxy většinou identické (oficiální ukázky uvádějí 67–94 % shodných pixelů), což potvrzujeme — menší odchylky vznikají jen u stínů a odlesků.

Edit trval 86 sekund, tedy zhruba o 75 % déle než generování nového obrázku.

06Vyzkoušeli jsme to: co jsme zjistili

Test proběhl 2. 10. 2026 přes Replicate API (model black-forest-labs/flux-3-image), rozlišení 1K, grounding vypnuté.

• Rozložení je deterministické. Všechny čtyři prvky prvního testu skončily přesně v zadaných boxech na mřížce 0–1000; žádný prvek nepřetekl mimo přiřazenou zónu.
• Čeština s diakritikou funguje. „Podzimní svícny" i „Koupit teď" (včetně ď s háčkem) vyšly bez chyb, a to oficiální dokumentace češtinu mezi ukázkovými jazyky neuvádí. Text je potřeba dát do vlastního boxu a znění uvést v uvozovkách v desc.
• Anchor + přesun + smazání zvládne jeden request. Nemusíš řetězit inpainting po jednotlivých úpravách — agent naplánuje všechny změny najednou a dotyčné oblasti se přegenerují jen jednou.
• Rychlost a cena. 49 s generování, 86 s editace v 1K; přes BFL API je to 0,048 USD za obrázek.

07K čemu je to agentům

Celý tenhle systém je postavený pro automatizace, ne pro hraní v jednom promptu. Tři nejužitečnější vzory pro praxi:

• Šablonová produkce bannerů. Agent dostane šablonu rozložení (levá polovina produkt, pravý horní roh nadpis, spodní pásmo CTA) a pro každou kategorii e-shopu jen dosazuje desc jednotlivých boxů. Rozložení zůstane konzistentní napříč tisíci výstupy. Podobný generátor si můžeš postavit v n8n — návod na generátor obrázků v n8n máme hotový, FLUX 3 do něj nasadíš místo dosavadního modelu jedním HTTP modulem.
• Převod pixelů na mřížku. Když agent pracuje s konkrétní šablonou v pixelech, přepočet je jedna funkce z oficiální dokumentace: [round(top/height*1000), round(left/width*1000), round(bottom/height*1000), round(right/width*1000)]. Tedy například oblast 384, 108, 1536, 972 na plátně 1920×1080 je na mřížce [100, 200, 900, 800].
• Verzování bez přegenerování. Uživateli se nelíbí tlačítko? Agent pošle edit se src_bbox tlačítka a novým tgt_bbox, zbytek obrázku zůstane. Bez boxů bys musel generovat znovu celý snímek — a bez seedu by ti vyšel jiný produkt, jiné světlo, jiné pozadí.

Protože FLUX 3 nemá seed, si agent musí výstup po každém kroku ukládat jako referenční obrázek. Další iterace pak vždycky staví na konkrétním snímku, ne na náhodném opakování promptu.

08Cena FLUX 3 Image a limity API

FLUX 3 Image je částí širší rodiny FLUX 3 — multimodální architektury oznámené 23. 7. 2026, z níž postupně vycházejí i video a akční modely. Image varianta dorazila na veřejná API začátkem října 2026.

Přímé BFL API účtuje podle rozlišení: 0,041 USD za 768×768, 0,048 USD za 1K, 0,100 USD za 2K a 0,607 USD za 4K. Na Replicate a dalších providerech je cena mírně vyšší kvůli marži, ale pořád mluvíme o pár korunách za obrázek.

Parametry, které FLUX 3 nemá: seed, negativní prompt, počet kroků, sampler. Jedinými vstupy jsou prompt (s boxy), reference, poměr stran, rozlišení a bezpečnostní tolerance. grounding ve výchozím nastavení zapnuté znamená, že model před generováním vyhledává na webu — pro automatizovanou produkci doporučujeme ho vypnout, jinak ti do produkční dávky vnikne síťová latence i nejistota, co si model vyhledá.

Srovnání s konkurencí: Nano Banana 2 od Googlu zůstává nejlevnější cestou ke kvalitním obrázkům (v bezplatné verzi), což jsme rozebírali v článku o Nano Banana 2 a v porovnání Flux vs Nano Banana 2 vs Grok Image. FLUX 3 Image stojí za pozornost hlavně tím přesným rozložením — takovou úroveň kontroly souřadnic u konkurence nenajdeš. Starší Flux modely jsme srovnávali i v článku Midjourney vs ChatGPT vs Flux.

09Časté otázky