FLUX 3 Image і Vercel AI Gateway: dev-friendly batch backend для bulk-каталогів Bubble через BIAIG
Після промо FLUX 3 (до ~8.10) мені логічніший крок — інтеграційний патерн: оркестратор у Bubble будує layout-box і multi-ref, Vercel AI Gateway тримає credentials і REST-leg; native Gateway batch для image не працює — bulk роблю через Schedule API Workflow on a list.
Контекст після промо
Black Forest Labs випустила FLUX 3 Image (2026-10-01): один async endpoint (POST https://api.bfl.ai/v1/flux-3-image), далі poll polling_url, результат у result.sample (signed URL — орієнтовно до ~1 год). Launch-знижка ~50% документовано до 2026-10-08 (~15:00 UTC); далі — list pricing за resolution (наприклад tier 1k ≈ $0.048/image у release notes BFL; 4k суттєво дорожче).
Vercel AI Gateway додав модель bfl/flux-3-image (2026-10-08): один AI_GATEWAY_API_KEY, без окремого акаунта BFL. Для Bubble я беру OpenAI-сумісний POST https://ai-gateway.vercel.sh/v1/images/generations (Bearer, b64_json) через API Connector у backend workflows. Поруч із цим: Після 8.10: FLUX 3 Image.
Чесно: native batch processing у AI Gateway (beta, webhook/poll, знижки на text) явно не підтримує type: 'image'. «Batch backend» тут для мене = managed auth/billing + REST до FLUX, а масовість — у моєму оркестраторі, не в GPU-шарі Vercel.
Що таке BIAIG у цій статті
У публічних доках назви BIAIG немає — нижче це мій редакційний shorthand: BulkImagen (BulkI…) + AI Gateway (…AIG) як multi-leg bulk для каталогів (контекст digest: Batch Banana / FLUX як другий leg). Перед продом я перевіряю каталог моделей: у BulkImagen API на момент packet — flux-2-pro, flux-3-image ще не в каталозі; FLUX 3 leg логічно вести через Gateway, поки провайдер не вирівняє лінійку. Про це окремо: Batch Banana: FLUX 3 Image.
Розподіл відповідальності (integration pattern)
| Шар | Хто | Що робить |
|---|---|---|
| Connector | API Connector | Заголовки, AI_GATEWAY_API_KEY, optional BulkImagen server-side key; не тримати ключі у frontend (BulkImagen: no CORS/browser). |
| Orchestrator | Backend / API workflow | SKU-рядки, consistency (seed/style anchors — де підтримує провайдер), layout-box JSON у prompt, multi-ref (до 10 refs), маршрут leg-1 vs leg-2. |
| Inference leg | Gateway → BFL upstream | Text-to-image + edit в одному виклику; resolution 768sq–4k; optional grounding (default on). |
| Bulk mechanics | Bubble | Schedule API Workflow on a list + interval для 429; паралельний fan-out замість Gateway image batch. |
Layout-box і multi-ref лишаються в оркестраторі — BFL кладе bounding-box JSON в текст prompt, окремого box-параметра немає; multi-ref — до 10 зображень, boxes — сильні підказки, не hard clip (очікування для каталогу треба знизити).
Практичний flow для bulk-каталогу
- Leg 1 (опційно): BulkImagen
POST /v1/batches+ poll — швидкий draft/ref chain (Nano Banana тощо), якщо модель у їхньому каталозі. - Leg 2 (FLUX 3): для рядків, де потрібен edit + layout: orchestrator збирає довгий prompt (bbox rows
from/src_bbox/tgt_bboxза BFL docs) + refs (URL у BFL; у Gateway AI SDK —prompt.images; для Connector перевірте, чи OpenAI path покриває ваш multi-ref/bbox кейс — open question у packet). - Виклик Gateway → отримали
b64_jsonабо URL upstream → негайно persist у Storage/CDN (BFL signed URLs ~1 год). - 429 / 402: Gateway free tier — нижчі per-model caps; paid знімає Gateway caps, але upstream BFL limits лишаються; budgets дають 402 — complement backoff.
API Connector vs «редактор логіки»
Я не дублюю HTTP у кожному workflow кроку вручну: один Named call на images/generations, dynamic body з orchestrator. Складність (JSON bbox, списки ref URL) — у Custom state / Thing fields або JSON text на рядок каталогу, не в UI logic.
| Підхід | Для чого | Не для чого |
|---|---|---|
Named call на images/generations |
Dynamic body з orchestrator | Ручного дублювання HTTP у кожному workflow кроці |
| Custom state / Thing fields, JSON text на рядок каталогу | JSON bbox, списки ref URL | UI logic («редактор логіки») |
Consistency між провайдерами
Multi-leg = різні billing і різна семантика refs. Я фіксую в orchestrator: один canonical prompt template, версія моделі (bfl/flux-3-image), resolution policy (1k для mass, 4k лише hero — інакше cost drift після промо), ланцюжок «leg1 output URL → leg2 ref».
Ризики (коротко)
- Не називайте Gateway «image batch API» — це overclaim.
- Parallel schedules можуть вбити rate limits — intervals обов’язкові.
- Gateway flat $0.024/image на model page може не збігатися з BFL resolution tiers — рахуйте бюджет по фактичному tier.
- Retention/PII у product shots — перевірте політики провайдерів.
Висновок
Після 8.10 мені потрібна стаття про патерн, не promo: як Bubble-фаундер я не будую GPU-шар — будую оркестратор каталогу, а Vercel AI Gateway тримає dev-friendly FLUX 3 leg (ключ, REST, ліміти), поруч із BulkImagen там, де їхній batch-каталог підходить. Bulk для зображень — мій parallel backend + async poll BFL/Gateway, не native Gateway batch.
Джерела (з Scout packet): docs.bfl.ml (FLUX 3 overview, bbox, multi-ref, release notes); vercel.com (changelog 2026-10-08, batch processing exclusion image, OpenAI image REST, rate limits); manual.bubble.io (API Connector, Schedule on a list); bulkimagen.com/docs/api.