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

> FLUX.1 [dev]-bilderedigering styrt av et endringskart som angir hvor sterkt hvert område endres

Transformerer et kildebilde område for område ved hjelp av et endringskart som styrer hvor mye hvert område endres. Krever `prompt`, `image_url` og `change_map_image_url`. Godtar også LoRAs, ControlNets, IP-Adapters og et referansebilde. `num_inference_steps` går fra 1 til 50 og `num_images` opptil 10, med png- eller jpeg-utdata.

- 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/no/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 som veileder bildegenerering. |
| `image_size` |  | object {width, height} \| enum (string) | no |  | `square_hd`, `square`, `portrait_4_3`, `portrait_16_9`, `landscape_4_3`, `landscape_16_9` | Dimensjonene til det genererte bildet. |
| `num_inference_steps` |  | integer | no | `28` | 1 – 50 | Antall inferenssteg som skal kjøres. |
| `seed` |  | integer \| null | no |  |  | Seed for reproduserbare bilder: en identisk prompt og seed gir et identisk bilde når modellversjonen er uendret. |
| `loras` |  | array of object {path, scale} | no | `[]` |  | LoRA-er der den samlede effekten produserer det genererte bildet, uten grense for hvor mange du kan oppgi. |
| `loras[].path` |  | string | yes |  |  | Plasseringen til LoRA-vektene, angitt som en URL eller bane. |
| `loras[].scale` |  | object \| number | no | `1` |  | Skalering brukt på LoRA-vekter før de flettes inn i basismodellen. Oppgi en ordbok på formen {"layer_name":layer_scale} for å angi individuell lagskalering; lag som ikke oppgis bruker 1.0. |
| `control_loras` |  | array of object {path, scale, control_image_url, preprocess} | no | `[]` |  | Kontrollbilde-LoRA-er flettet inn i en samlet konfigurasjon for generering av det endelige bildet; antallet er ubegrenset. |
| `control_loras[].path` |  | string | yes |  |  | Plasseringen til LoRA-vektene, angitt som en URL eller bane. |
| `control_loras[].scale` |  | object \| number | no | `1` |  | Skalering brukt på LoRA-vekter før de flettes inn i basismodellen. Oppgi en ordbok på formen {"layer_name":layer_scale} for å angi individuell lagskalering; lag som ikke oppgis bruker 1.0. |
| `control_loras[].control_image_url` |  | string (image URL) | yes |  |  | Bilde-URL som leverer kontrollbildet. |
| `control_loras[].preprocess` |  | enum (string) | no | `None` | `canny`, `depth`, `None` | Forbehandlingsmetode brukt på det oppgitte bildet. |
| `controlnets` |  | array of object {path, config_url, variant, control_image_url, mask_image_url, mask_threshold, conditioning_scale, start_percentage, end_percentage} | no | `[]` |  | ControlNet-konfigurasjon for bildegenerering, for øyeblikket begrenset til ett enkelt ControlNet. |
| `controlnets[].path` |  | string | yes |  |  | Plassering for ControlNet-vekter, angitt som en URL eller bane. |
| `controlnets[].config_url` |  | string \| null | no |  |  | Valgfri URL til ControlNet-en sin config.json-fil. |
| `controlnets[].variant` |  | string \| null | no |  |  | Valgfri variant for bruk med en Hugging Face-repositorienøkkel. |
| `controlnets[].control_image_url` |  | string (image URL) | yes |  |  | Bilde-URL som leverer kontrollbildet. |
| `controlnets[].mask_image_url` |  | string (image URL) | no |  |  | Maske-URL knyttet til kontrollbildet. |
| `controlnets[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | Terskelverdi for masken. |
| `controlnets[].conditioning_scale` |  | number | no | `1` | 0 – 2 | Skalering brukt på ControlNet-vekter før de flettes inn i basismodellen. |
| `controlnets[].start_percentage` |  | number | no | `0` | 0 – 1 | Prosentandel av alle tidssteg der ControlNet begynner å påvirke bildegenereringen. |
| `controlnets[].end_percentage` |  | number | no | `1` | 0 – 1 | Prosentandel av alle tidssteg der ControlNet slutter å påvirke bildegenereringen. |
| `controlnet_unions` |  | array of object {path, config_url, variant, controls} | no | `[]` |  | ControlNet-union-konfigurasjon for bildegenerering, underlagt gjeldende begrensning på ett enkelt ControlNet. |
| `controlnet_unions[].path` |  | string | yes |  |  | Plassering for ControlNet-vekter, angitt som en URL eller bane. |
| `controlnet_unions[].config_url` |  | string \| null | no |  |  | Valgfri URL til ControlNet-en sin config.json-fil. |
| `controlnet_unions[].variant` |  | string \| null | no |  |  | Valgfri variant for bruk med en Hugging Face-repositorienøkkel. |
| `controlnet_unions[].controls` |  | array of object {control_image_url, mask_image_url, control_mode, conditioning_scale, mask_threshold, start_percentage, end_percentage} | yes |  |  | Kontrollbilder og tilknyttede moduser som sendes til ControlNet. |
| `controlnet_unions[].controls[].control_image_url` |  | string (image URL) | yes |  |  | Bilde-URL som leverer kontrollbildet. |
| `controlnet_unions[].controls[].mask_image_url` |  | string (image URL) | no |  |  | Maske-URL knyttet til kontrollbildet. |
| `controlnet_unions[].controls[].control_mode` |  | enum (string) | yes |  | `canny`, `tile`, `depth`, `blur`, `pose`, `gray`, `low-quality` | Kontrollmodus brukt av Flux Controlnet Union. Alternativer: canny styrer genereringen med kanter; tile styrer den med fliser; depth styrer den med et gråskala-dybdekart; blur gjør bildet uskarpt; pose styrer genereringen med posituren i bildet; gray gjør bildet til gråtoner; low-quality produserer en versjon av bildet med lav kvalitet. |
| `controlnet_unions[].controls[].conditioning_scale` |  | number | no | `1` | 0 – 2 | Skalering brukt på ControlNet-vekter før de flettes inn i basismodellen. |
| `controlnet_unions[].controls[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | Terskelverdi for masken. |
| `controlnet_unions[].controls[].start_percentage` |  | number | no | `0` | 0 – 1 | Prosentandel av alle tidssteg der ControlNet begynner å påvirke bildegenereringen. |
| `controlnet_unions[].controls[].end_percentage` |  | number | no | `1` | 0 – 1 | Prosentandel av alle tidssteg der ControlNet slutter å påvirke bildegenereringen. |
| `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 brukt under bildegenerering. |
| `ip_adapters[].path` |  | string | yes |  |  | Plassering for IP-Adapter på Hugging Face. |
| `ip_adapters[].subfolder` |  | string \| null | no |  |  | Undermappe som inneholder ip_adapter-vektene. |
| `ip_adapters[].weight_name` |  | string \| null | no |  |  | Safetensors-filnavn for IP-Adapter-vektene. |
| `ip_adapters[].image_encoder_path` |  | string | yes |  |  | Plassering for IP-Adapter-bildekoderen, for eksempel 'openai/clip-vit-large-patch14'. |
| `ip_adapters[].image_encoder_subfolder` |  | string \| null | no |  |  | Undermappe som inneholder vekter for bildekoderen. |
| `ip_adapters[].image_encoder_weight_name` |  | string \| null | no |  |  | Navn på bildekoder. |
| `ip_adapters[].image_url` |  | string (image URL) | yes |  |  | URL til betingelsesbilde som sendes til IP-Adapter. |
| `ip_adapters[].mask_image_url` |  | string (image URL) \| null | no |  |  | Maske-URL knyttet til kontrollbildet. |
| `ip_adapters[].mask_threshold` |  | number | no | `0.5` | 0.01 – 0.99 | Terskelverdi for masken. |
| `ip_adapters[].scale` |  | number | yes |  |  | Skaleringsfaktor for IP-Adapter. |
| `easycontrols` |  | array of object {control_method_url, scale, image_url, image_control_type} | no | `[]` |  | EasyControl-inndata brukt under bildegenerering. |
| `easycontrols[].control_method_url` |  | string | yes |  |  | URL til safetensor-vekten for kontrollmetoden, eller en støttet identifikator: `canny`, `depth`, `hedsketch`, `inpainting`, `pose`, `seg`, `subject`, `ghibli`. |
| `easycontrols[].scale` |  | number | no | `1` | 0 – 2 | Skaleringsfaktor for kontrollmetoden. |
| `easycontrols[].image_url` |  | string (image URL) | yes |  |  | Bilde-URL som leverer en kontrollinndata. |
| `easycontrols[].image_control_type` |  | enum (string) | yes |  | `subject`, `spatial` | Bildekontrollmodus; godtar enten `spatial` eller `subject`. |
| `fill_image` |  | object {fill_image_url} \| null | no |  |  | Inndatabilde som styrer genereringen og kan levere innhold til maskerte områder. |
| `fill_image.fill_image_url` |  | string (image URL) \| array of image URL | no | `[]` |  | Bilde-URL-er for utfylling via redux-prompting. |
| `guidance_scale` |  | number | no | `3.5` | 0 – 20 | Styrke for prompt-etterlevelse ved bildeutvalg, uttrykt som CFG (Classifier Free Guidance). |
| `real_cfg_scale` |  | number | no | `3.5` | 0 – 5 | Styrke for prompt-etterlevelse ved bildeutvalg, uttrykt som CFG (Classifier Free Guidance). |
| `use_real_cfg` |  | boolean | no | `false` |  | Klassisk CFG-bryter, automatisk aktivert med XLabs IP-Adapter v1. Veiledningsatferden samsvarer med den for modeller som SD1.5 og SDXL. |
| `use_cfg_zero` |  | boolean | no | `false` |  | Aktiverer sampling med CFG-zero-initialisering, beskrevet på https://arxiv.org/abs/2503.18886. |
| `num_images` | `num_outputs` | integer | no | `1` | 1 – 10 | Angi hvor mange bilder som skal genereres; dette valget er fast satt til 1 når utdata strømmes. |
| `enable_safety_checker` |  | boolean | no | `true` |  | Sikkerhetskontroll som returnerer svarte bilder i stedet for bilder som er flagget som utrygge. true aktiverer kontrollen; false deaktiverer den bare for autoriserte kontoer, mens forespørsler uten autorisasjon kontrolleres uansett. |
| `reference_image_url` |  | string (image URL) | no |  |  | Bilde-URL brukt for Reference-Only-veiledning. |
| `reference_strength` |  | number | no | `0.65` | -3 – 3 | Referansebildets påvirkning under reference_only-generering; uten et oppgitt referansebilde har denne styrkeinnstillingen ingen effekt. |
| `reference_start` |  | number | no | `0` | 0 – 1 | Startpunkt for referanseveiledning, uttrykt som en prosentandel av alle tidssteg. |
| `reference_end` |  | number | no | `1` | 0 – 1 | Sluttpunkt for referanseveiledning, uttrykt som en prosentandel av alle tidssteg. |
| `base_shift` |  | number | no | `0.5` | 0.01 – 5 | Grunnforskyvning brukt på planlagte tidssteg. |
| `max_shift` |  | number | no | `1.15` | 0.01 – 5 | Maksimal forskyvning brukt på planlagte tidssteg. |
| `output_format` |  | enum (string) | no | `png` | `jpeg`, `png` | Filformat for det resulterende bildet. |
| `use_beta_schedule` |  | boolean | no | `false` |  | Styrer om betasigmaer skal brukes. |
| `sigma_schedule` |  | string \| null | no |  |  | Sigmaplan brukt under avstøying. |
| `scheduler` |  | enum (string) | no | `euler` | `euler`, `dpmpp_2m` | Planlegger brukt under avstøying. |
| `negative_prompt` |  | string | no | `` |  | Negativ prompt som som standard behandles med NAG for å motvirke de angitte uønskede egenskapene i genererte bilder. |
| `nag_scale` |  | number | no | `3` | ≤ 10, > 1 | Unngåelse av negativ prompt kontrollert av NAG-skalaen: en økning gjør det genererte bildet mindre likt den negative beskrivelsen. |
| `nag_tau` |  | number | no | `2.5` | > 0 | NAG-tauinnstilling for normalisering av skjulte tilstander; det anbefales å la den stå uendret. En økning svekker normaliseringen og kan føre til uventede avvik fra originalbildet. |
| `nag_alpha` |  | number | no | `0.25` | ≤ 1, > 0 | NAG-alpha angir hvor mye den positive prompten omdirigerer den normaliserte veiledningen som kombinerer de positive og negative promptene. Denne endelige vektingen gir den positive prompten større innflytelse ved lavere innstillinger og reduserer omdirigeringen ved høyere innstillinger. |
| `nag_end` |  | number | no | `0.25` | ≤ 1, > 0 | NAG-grense uttrykt som en andel av genereringsstegene. FLUXs opprinnelige oppmerksomhetsprosessorer overtar etter at NAG har kjørt i denne innledende andelen. |
| `image_url` | `image` | string (image URL) | yes |  |  | Bilde-URL som leverer startbildet. |
| `change_map_image_url` |  | string (image URL) | yes |  |  | URL til endringskartet. |
| `strength` |  | number | no | `0.85` | 0.01 – 1 | Styrke for differensiell diffusjon, fra bevaring av originalen ved 0.0 til en fullstendig ny versjon ved 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} | Filinformasjon for de genererte bildene. |
| `timings` | object |  |
| `seed` | integer | Seed for bildegenerering, inkludert den tilfeldig valgte verdien hvis inndataene utelot en seed; ellers gjentas den oppgitte verdien. |
| `has_nsfw_concepts` | array of boolean | Angir om NSFW-konsepter forekommer i de genererte bildene. |
| `prompt` | string | Prompt brukt under bildegenerering. |

## 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