# FLUX.1 [dev] with Controlnets and Loras · Differential Diffusion API

> FLUX.1 [dev]-afbeeldingsbewerking met een wijzigingskaart die bepaalt hoe sterk elk gebied wordt aangepast

Transformeert een bronafbeelding per gebied en gebruikt een wijzigingskaart om te bepalen hoeveel elk gebied wordt aangepast. Vereist `prompt`, `image_url` en `change_map_image_url`. Ondersteunt ook LoRAs, ControlNets, IP-Adapters en een referentieafbeelding. `num_inference_steps` loopt van 1 tot 50 en `num_images` tot 10, met png- of jpeg-uitvoer.

- Model id: `flux-general/differential-diffusion`
- Made by: Black Forest Labs
- Category: Image Editing
- Output: image
- Estimated price per run: $0.138 / image (cheapest run $0.138 (138 API credits))
- Run: `POST https://api.doitong.com/v1/run/flux-general/differential-diffusion`
- Quote: `POST https://api.doitong.com/v1/quote/flux-general/differential-diffusion`
- Docs page: https://doitong.com/nl/developers/models/flux-general/differential-diffusion

## Pricing

Price: **$0.138 / image**. Estimated from the typical cost of one run, per output (`num_images`). The quote is exactly what the run charges.

The full example input below costs $0.138 = 138 API credits (1 image × 138 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/flux-general/differential-diffusion` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  |  | Prompt die afbeeldingsgeneratie stuurt. |
| `image_size` |  | object {width, height} \| enum (string) | no |  | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | Afmetingen van de gegenereerde afbeelding. |
| `num_inference_steps` |  | integer | no | `28` | 1 – 50 | Aantal uit te voeren inferentiestappen. |
| `seed` |  | integer \| null | no |  |  | Seed voor reproduceerbare afbeeldingen: een identieke prompt en seed produceren een identieke afbeelding als de modelversie ongewijzigd is. |
| `loras` |  | array of object {path, scale} | no | `[]` |  | LoRA's waarvan het gecombineerde effect de gegenereerde afbeelding produceert, zonder limiet voor het aantal dat je opgeeft. |
| `loras[].path` |  | string | yes |  |  | Locatie van de LoRA-gewichten, opgegeven als URL of pad. |
| `loras[].scale` |  | object \| number | no | `1` |  | Schaling toegepast op LoRA-gewichten voordat ze met het basismodel worden samengevoegd. Lever een woordenboek aan in de vorm {"layer_name":layer_scale} om afzonderlijke laagschalen in te stellen; niet-gespecificeerde lagen gebruiken 1.0. |
| `control_loras` |  | array of object {path, scale, control_image_url, preprocess} | no | `[]` |  | Control-image-LoRA's die worden samengevoegd tot een gecombineerde configuratie voor het genereren van de uiteindelijke afbeelding; het aantal is onbeperkt. |
| `control_loras[].path` |  | string | yes |  |  | Locatie van de LoRA-gewichten, opgegeven als URL of pad. |
| `control_loras[].scale` |  | object \| number | no | `1` |  | Schaling toegepast op LoRA-gewichten voordat ze met het basismodel worden samengevoegd. Lever een woordenboek aan in de vorm {"layer_name":layer_scale} om afzonderlijke laagschalen in te stellen; niet-gespecificeerde lagen gebruiken 1.0. |
| `control_loras[].control_image_url` |  | string (image URL) | yes |  |  | Afbeeldings-URL die de controleafbeelding levert. |
| `control_loras[].preprocess` |  | enum (string) | no | `None` | `canny`, `depth`, `None` | Voorbewerkingsmethode die op de aangeleverde afbeelding wordt toegepast. |
| `controlnets` |  | array of object {path, config_url, variant, control_image_url, mask_image_url, mask_threshold, conditioning_scale, start_percentage, end_percentage} | no | `[]` |  | ControlNet-configuratie voor afbeeldingsgeneratie, momenteel beperkt tot één ControlNet. |
| `controlnets[].path` |  | string | yes |  |  | Locatie van ControlNet-gewichten, opgegeven als URL of pad. |
| `controlnets[].config_url` |  | string \| null | no |  |  | Optionele URL naar het config.json-bestand van de ControlNet. |
| `controlnets[].variant` |  | string \| null | no |  |  | Optionele variant voor gebruik met een Hugging Face-repositorysleutel. |
| `controlnets[].control_image_url` |  | string (image URL) | yes |  |  | Afbeeldings-URL die de controleafbeelding levert. |
| `controlnets[].mask_image_url` |  | string (image URL) | no |  |  | Masker-URL die aan de controleafbeelding is gekoppeld. |
| `controlnets[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | Drempelwaarde van het masker. |
| `controlnets[].conditioning_scale` |  | number | no | `1` | 0 – 2 | Schaling toegepast op ControlNet-gewichten voordat ze met het basismodel worden samengevoegd. |
| `controlnets[].start_percentage` |  | number | no | `0` | 0 – 1 | Percentage van het totale aantal timesteps waarop ControlNet invloed begint uit te oefenen op de afbeeldingsgeneratie. |
| `controlnets[].end_percentage` |  | number | no | `1` | 0 – 1 | Percentage van het totale aantal timesteps waarop ControlNet geen invloed meer uitoefent op de afbeeldingsgeneratie. |
| `controlnet_unions` |  | array of object {path, config_url, variant, controls} | no | `[]` |  | ControlNet-unionconfiguratie voor afbeeldingsgeneratie, onderhevig aan de huidige beperking van één ControlNet. |
| `controlnet_unions[].path` |  | string | yes |  |  | Locatie van ControlNet-gewichten, opgegeven als URL of pad. |
| `controlnet_unions[].config_url` |  | string \| null | no |  |  | Optionele URL naar het config.json-bestand van de ControlNet. |
| `controlnet_unions[].variant` |  | string \| null | no |  |  | Optionele variant voor gebruik met een Hugging Face-repositorysleutel. |
| `controlnet_unions[].controls` |  | array of object {control_image_url, mask_image_url, control_mode, conditioning_scale, mask_threshold, start_percentage, end_percentage} | yes |  |  | Controleafbeeldingen en bijbehorende modi die aan ControlNet worden geleverd. |
| `controlnet_unions[].controls[].control_image_url` |  | string (image URL) | yes |  |  | Afbeeldings-URL die de controleafbeelding levert. |
| `controlnet_unions[].controls[].mask_image_url` |  | string (image URL) | no |  |  | Masker-URL die aan de controleafbeelding is gekoppeld. |
| `controlnet_unions[].controls[].control_mode` |  | enum (string) | yes |  | `canny`, `tile`, `depth`, `blur`, `pose`, `gray`, `low-quality` | Besturingsmodus die door Flux Controlnet Union wordt gebruikt. Opties: canny stuurt de generatie met randen; tile met tegels; depth met een grijswaarden-dieptekaart; blur vervaagt de afbeelding; pose stuurt de generatie met de pose van de afbeelding; gray maakt de afbeelding in grijswaarden; low-quality produceert een versie van lage kwaliteit. |
| `controlnet_unions[].controls[].conditioning_scale` |  | number | no | `1` | 0 – 2 | Schaling toegepast op ControlNet-gewichten voordat ze met het basismodel worden samengevoegd. |
| `controlnet_unions[].controls[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | Drempelwaarde van het masker. |
| `controlnet_unions[].controls[].start_percentage` |  | number | no | `0` | 0 – 1 | Percentage van het totale aantal timesteps waarop ControlNet invloed begint uit te oefenen op de afbeeldingsgeneratie. |
| `controlnet_unions[].controls[].end_percentage` |  | number | no | `1` | 0 – 1 | Percentage van het totale aantal timesteps waarop ControlNet geen invloed meer uitoefent op de afbeeldingsgeneratie. |
| `ip_adapters` |  | array of object {path, subfolder, weight_name, image_encoder_path, image_encoder_subfolder, image_encoder_weight_name, image_url, mask_image_url, mask_threshold, scale} | no | `[]` |  | IP-Adapter die tijdens de afbeeldingsgeneratie wordt toegepast. |
| `ip_adapters[].path` |  | string | yes |  |  | Locatie van de IP-Adapter op Hugging Face. |
| `ip_adapters[].subfolder` |  | string \| null | no |  |  | Submap met de ip_adapter-gewichten. |
| `ip_adapters[].weight_name` |  | string \| null | no |  |  | Safetensors-bestandsnaam voor de gewichten van de IP-Adapter. |
| `ip_adapters[].image_encoder_path` |  | string | yes |  |  | Locatie van de afbeeldingsencoder van de IP-Adapter, zoals 'openai/clip-vit-large-patch14'. |
| `ip_adapters[].image_encoder_subfolder` |  | string \| null | no |  |  | Submap met gewichten voor de afbeeldingsencoder. |
| `ip_adapters[].image_encoder_weight_name` |  | string \| null | no |  |  | Naam van de afbeeldingsencoder. |
| `ip_adapters[].image_url` |  | string (image URL) | yes |  |  | URL van de conditionerende afbeelding die aan de IP-Adapter wordt geleverd. |
| `ip_adapters[].mask_image_url` |  | string (image URL) \| null | no |  |  | Masker-URL die aan de controleafbeelding is gekoppeld. |
| `ip_adapters[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | Drempelwaarde van het masker. |
| `ip_adapters[].scale` |  | number | yes |  |  | Schaalfactor van de IP-Adapter. |
| `easycontrols` |  | array of object {control_method_url, scale, image_url, image_control_type} | no | `[]` |  | EasyControl-invoer die tijdens de afbeeldingsgeneratie wordt toegepast. |
| `easycontrols[].control_method_url` |  | string | yes |  |  | URL van de safetensor-gewichten van de besturingsmethode, of een ondersteunde identifier: `canny`, `depth`, `hedsketch`, `inpainting`, `pose`, `seg`, `subject`, `ghibli`. |
| `easycontrols[].scale` |  | number | no | `1` | 0 – 2 | Schaalfactor van de besturingsmethode. |
| `easycontrols[].image_url` |  | string (image URL) | yes |  |  | Afbeeldings-URL die een besturingsinvoer levert. |
| `easycontrols[].image_control_type` |  | enum (string) | yes |  | `subject`, `spatial` | Besturingsmodus voor afbeeldingen; accepteert `spatial` of `subject`. |
| `fill_image` |  | object {fill_image_url} \| null | no |  |  | Invoerafbeelding die de generatie stuurt en inhoud voor gemaskeerde gebieden kan leveren. |
| `fill_image.fill_image_url` |  | string (image URL) \| array of image URL | no | `[]` |  | Afbeeldings-URL's voor vullen via redux prompting. |
| `guidance_scale` |  | number | no | `3.5` | 0 – 20 | Sterkte waarmee de prompt wordt gevolgd bij beeldselectie, uitgedrukt als CFG (Classifier Free Guidance). |
| `real_cfg_scale` |  | number | no | `3.5` | 0 – 5 | Sterkte waarmee de prompt wordt gevolgd bij beeldselectie, uitgedrukt als CFG (Classifier Free Guidance). |
| `use_real_cfg` |  | boolean | no | `false` |  | Klassieke CFG-schakelaar, automatisch ingeschakeld met XLabs IP-Adapter v1. Het guidance-gedrag komt overeen met dat van modellen zoals SD1.5 en SDXL. |
| `use_cfg_zero` |  | boolean | no | `false` |  | Schakelt CFG-zero-initialisatiesampling in, beschreven op https://arxiv.org/abs/2503.18886. |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 10 | Stel in hoeveel afbeeldingen moeten worden gegenereerd; deze keuze staat vast op 1 wanneer de uitvoer wordt gestreamd. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Veiligheidscontrole die zwarte afbeeldingen teruggeeft in plaats van afbeeldingen die als onveilig zijn gemarkeerd. true schakelt controle in; false schakelt deze alleen uit voor geautoriseerde accounts, terwijl requests zonder autorisatie altijd worden gecontroleerd. |
| `reference_image_url` |  | string (image URL) | no |  |  | Afbeeldings-URL die wordt gebruikt voor Reference-Only guidance. |
| `reference_strength` |  | number | no | `0.65` | -3 – 3 | Invloed van de referentieafbeelding tijdens reference_only-generatie; zonder aangeleverde referentieafbeelding heeft deze sterktee-instelling geen effect. |
| `reference_start` |  | number | no | `0` | 0 – 1 | Startpunt van referentie-guidance, uitgedrukt als percentage van alle timesteps. |
| `reference_end` |  | number | no | `1` | 0 – 1 | Eindpunt van referentie-guidance, uitgedrukt als percentage van alle timesteps. |
| `base_shift` |  | number | no | `0.5` | 0.01 – 5 | Basisshift toegepast op geplande timesteps. |
| `max_shift` |  | number | no | `1.15` | 0.01 – 5 | Maximale shift toegepast op geplande timesteps. |
| `output_format` |  | enum (string) | no | `png` | `jpeg`, `png` | Bestandsindeling van de resulterende afbeelding. |
| `use_beta_schedule` |  | boolean | no | `false` |  | Bepaalt of beta-sigma's worden gebruikt. |
| `sigma_schedule` |  | string \| null | no |  |  | Sigma-schema dat tijdens denoising wordt gebruikt. |
| `scheduler` |  | enum (string) | no | `euler` | `euler`, `dpmpp_2m` | Scheduler die tijdens denoising wordt gebruikt. |
| `negative_prompt` |  | string | no | `` |  | Negatieve prompt die standaard met NAG wordt verwerkt om de opgegeven ongewenste kenmerken in gegenereerde afbeeldingen te ontmoedigen. |
| `nag_scale` |  | number | no | `3` | ≤ 10, > 1 | Vermijding van de negatieve prompt, geregeld door de NAG-schaal: verhoging ervan maakt de gegenereerde afbeelding minder gelijk aan de negatieve beschrijving. |
| `nag_tau` |  | number | no | `2.5` | > 0 | NAG-tau-instelling voor normalisatie van verborgen toestanden; het wordt aanbevolen deze ongewijzigd te laten. Verhoging verzwakt de normalisatie en kan leiden tot onverwachte afwijkingen van de oorspronkelijke afbeelding. |
| `nag_alpha` |  | number | no | `0.25` | ≤ 1, > 0 | NAG-alpha bepaalt in welke mate de positieve prompt de genormaliseerde guidance omleidt die de positieve en negatieve prompts combineert. Deze uiteindelijke weging geeft de positieve prompt meer invloed bij lagere instellingen en vermindert omleiding bij hogere instellingen. |
| `nag_end` |  | number | no | `0.25` | ≤ 1, > 0 | NAG-cutoff, uitgedrukt als verhouding van de generatiestappen. De oorspronkelijke attention-processors van FLUX nemen het over nadat NAG gedurende die beginverhouding heeft gedraaid. |
| `image_url` | `image` | string (image URL) | yes |  |  | Afbeeldings-URL die de beginafbeelding levert. |
| `change_map_image_url` |  | string (image URL) | yes |  |  | URL naar de wijzigingskaart. |
| `strength` |  | number | no | `0.85` | 0.01 – 1 | Sterkte van differentiële diffusie, van behoud van het origineel bij 0.0 tot een volledige hercreatie bij 1.0. |

File parameters (`reference_image_url`, `image`, `change_map_image_url`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "image": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
  "change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}
```

A fuller example:

```json
{
  "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
  "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
  "change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/flux-general/differential-diffusion?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/flux-general/differential-diffusion?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/flux-general/differential-diffusion", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "flux-general/differential-diffusion",
      "input": {
        "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
        "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
        "change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "flux-general/differential-diffusion",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 138,
    "usd": "0.138",
    "charged": 138,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field",
    "image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg",
    "change_map_image_url": "https://content.doitong.com/images/showcase/v3/gen_fox_cartoon.jpg"
  },
  "output": {
    "images": [
      {
        "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
        "width": 1024,
        "height": 768,
        "content_type": "image/jpeg"
      }
    ],
    "timings": {},
    "seed": 42,
    "has_nsfw_concepts": [
      false
    ],
    "prompt": "string"
  },
  "outputs": [
    {
      "type": "image",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "width": 1024,
      "height": 768,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `images` | array of object {url, width, height, content_type} | Bestandsinformatie voor de gegenereerde afbeeldingen. |
| `timings` | object |  |
| `seed` | integer | Seed voor afbeeldingsgeneratie, inclusief de willekeurig gekozen waarde als de invoer geen seed bevatte; anders wordt de opgegeven waarde herhaald. |
| `has_nsfw_concepts` | array of boolean | Geeft aan of NSFW-concepten in de gegenereerde afbeeldingen voorkomen. |
| `prompt` | string | Prompt die tijdens afbeeldingsgeneratie wordt gebruikt. |

## Related models

- [FLUX.1 \[dev\] with Controlnets and Loras](https://doitong.com/developers/models/flux-general.md) (`flux-general`): $0.30 / image
- [FLUX.1 \[dev\] with Controlnets and Loras · Image to Image](https://doitong.com/developers/models/flux-general/image-to-image.md) (`flux-general/image-to-image`): $0.15 / image
- [FLUX.1 \[dev\] with Controlnets and Loras · Inpainting](https://doitong.com/developers/models/flux-general/inpainting.md) (`flux-general/inpainting`): $0.192 / image
- [FLUX.1 \[dev\] with Controlnets and Loras · Rf Inversion](https://doitong.com/developers/models/flux-general/rf-inversion.md) (`flux-general/rf-inversion`): $0.025 / image
- [FLUX.1 Kontext \[pro\]](https://doitong.com/developers/models/flux-pro/kontext.md) (`flux-pro/kontext`): $0.04 / image
- [GPT Image 2.5 Edit](https://doitong.com/developers/models/openai/gpt-image-2.5/flare/edit.md) (`openai/gpt-image-2.5/flare/edit`): from $0.12 / image
- [Nano Banana 2 Edit](https://doitong.com/developers/models/nano-banana-2/edit.md) (`nano-banana-2/edit`): from $0.06 / image
- [Nano Banana Pro Edit](https://doitong.com/developers/models/nano-banana-pro/edit.md) (`nano-banana-pro/edit`): from $0.15 / image

## Links

- HTML page: https://doitong.com/developers/models/flux-general/differential-diffusion
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=flux-general/differential-diffusion
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/flux-general/differential-diffusion