Krea 2: ‏Krea AI تصدر أوزان Raw وTurbo لتوليد الصور

من صفحة الإصدار إلى بطاقة النموذج

تتوزع المواد العامة الخاصة بـKrea 2 على عدة طبقات. تعرض صفحة إصدار المنتج عينات وحالات استخدام للأدوات الإبداعية. وتوضح صفحة الإصدار مفتوح المصدر توافر أوزان Raw وTurbo. ويقدم مستودع GitHub شيفرة الاستدلال. وتسجل بطاقة النموذج على Hugging Face نوع النموذج وبنيته وترخيصه وبيانات التدريب وتدابير السلامة والمسؤولية عن المخرجات. نُشر التقرير التقني في 23 يونيو 2026، وتصفه الصفحة بأنه يستغرق 58 دقيقة للقراءة.

تصف Krea نموذج Krea 2 بأنه نموذج أساسي مفتوح الأوزان لتحويل النص إلى صورة من أجل الاستكشاف الإبداعي. تسجل بطاقة النموذج صيغة الإصدار على أنها أوزان مفتوحة مع تكامل في المنتجات التي تستضيفها Krea. وتذكر أن بيانات التدريب تشمل بيانات متاحة للعامة وبيانات مرخصة من أطراف ثالثة وبيانات اصطناعية مولدة بأساليب خاصة. كما تذكر أن المحتوى الضار يُرشح قبل التدريب وأن البيانات منخفضة الجودة أو المكررة أو غير ذات الصلة يجري تقليلها.

يقدم التقرير التقني تفاصيل إضافية عن مسار البيانات. تقول Krea إن بيانات التدريب المسبق لا تستخدم صورًا مولدة بالذكاء الاصطناعي، وإن مصنفات داخلية ترشح الضوضاء والإفراط في التعديل والشعارات والعلامات المائية ومحتوى NSFW والميمات ولقطات الشاشة. يجمع مسار كتابة الأوصاف بين OCR والبيانات الوصفية والفهم متعدد الوسائط لإنتاج أوصاف أشمل للصور. كما يمزج التدريب مطالبات أقصر على طريقة المستخدمين، حتى يرى النموذج الأوصاف الطويلة والمطالبات الإبداعية الواقعية معًا.

ينتقل التدريب من الدقة المنخفضة إلى العالية

يستخدم Krea 2 بنية Diffusion Transformer أساسًا لتوليد الصور. يذكر التقرير التقني أن التدريب المسبق ينتقل من 256px إلى 512px ثم إلى 1024px. يستخدم النموذج النهائي خسارة rectified-flow وv-parameterization. ويذكر التقرير أيضًا أن الفريق استخدم iREPA خلال التدريب المبكر منخفض الدقة لتسريع التقارب، ثم أزاله كي يتعلم MMDiT تمثيلاته الخاصة.

تنتقل عملية التدريب بعد ذلك عبر midtraining وsupervised fine-tuning وتحسين التفضيلات وreinforcement learning. يكيف midtraining النموذج مع توزيع أقرب إلى المهام اللاحقة قبل supervised fine-tuning. وتستخدم مرحلة supervised fine-tuning مجموعة أصغر منتقاة خصيصًا من الصور ذات القيمة الجمالية العالية لتحسين الجودة العامة لنقطة التحقق ومعالجة مشكلات التشبع الزائد والخامات في نقاط التحقق المبكرة.

ينقسم تحسين التفضيلات إلى خطوتين: تمرير واسع النطاق لأزواج تفضيل اصطناعية أولًا، ثم المعايرة باستخدام وسوم بشرية داخلية. تستخدم مرحلة reinforcement learning أسلوبًا متعدد المكافآت شبيهًا بـGRPO، مع نماذج مكافأة للجماليات العامة واتباع المطالبة وعرض النص والبنية والشوائب. ويذكر التقرير أيضًا أن Krea دربت نموذج مكافأة مخصصًا للشوائب لتقليل الأخطاء البنيوية مثل الأصابع الزائدة والأطراف المشوهة والنص الملتوي.

موسّع المطالبات جزء من الإصدار

يخصص التقرير التقني مساحة كبيرة لموسّع المطالبات. ترى Krea أن المطالبات الغنية بالتفاصيل غالبًا ما تنتج صورًا أفضل، في حين تكون مطالبات المستخدمين قصيرة وحوارية وغير محددة بما يكفي. وتستفيد نماذج الصور أكثر من الأوصاف المفصلة الأقرب إلى توزيع أوصاف التدريب. لذلك تصمم Krea موسّع المطالبات ليحوّل مطالبة قصيرة إلى وصف أطول وأكثر ملاءمة لنموذج الصور.

يخضع الموسّع أولًا لـsupervised fine-tuning انطلاقًا من نموذج لغوي مفتوح. تأتي بيانات تدريبه من أزواج اصطناعية تربط الأوصاف الطويلة بمطالبات المستخدمين القصيرة، ثم يتعلم الاتجاه المعاكس: توسيع المطالبات القصيرة إلى أوصاف ملائمة للنموذج. بعد ذلك تستخدم Krea reinforcement learning لتحسين أثر الموسّع في جودة الصورة النهائية، مع إضافة فحوص للالتزام بالمطالبة والسلامة والقيود. ويذكر التقرير أيضًا استخدام درجة تنوع تضمينات DINOv3 لمنع المخرجات من الانهيار إلى أسلوب واحد.

Raw للتدريب وTurbo للاستدلال

Raw وTurbo هما الاسمان الأكثر عرضة للخلط. يفصل ملف README في المستودع مفتوح المصدر بينهما بوضوح: Raw هو النموذج الأساسي غير المقطّر، وهو أنسب لتدريب LoRA وpost-training وتجارب البحث؛ أما Turbo فهو النسخة المقطّرة للاستدلال السريع والمخصصة لتوليد الصور اليومي من النص. وتتبع الأمثلة الرسمية المنطق نفسه: تدريب LoRA على Raw والتوليد مباشرة باستخدام Turbo.

لا يقتصر هذا الاختلاف على السرعة. يحتفظ Raw بجزء أكبر من مساحة التدريب للباحثين الذين يريدون مواصلة تشكيل النموذج. وقد مر Turbo بمراحل post-training وfine-tuning والتقطير، ما يجعله أنسب للفحص السريع للاتجاه البصري. كلاهما إصدار بأوزان مفتوحة، لكن لا ينبغي اعتبار Raw نقطة الدخول المعتادة للتوليد، ولا وصف Turbo بأنه قاعدة التدريب.

تجمع بطاقة نموذج Turbo على Hugging Face أيضًا عائلة النموذج وصيغة الإصدار ومصادر بيانات التدريب وحدود السلامة ومتطلبات الترخيص. وهي تذكّر القائمين على النشر بضرورة الترشيح أو المراجعة، وبأن المستخدمين يظلون مسؤولين عن المخرجات. تقلل الأوزان المفتوحة عائق البحث والنشر، لكنها لا تلغي حدود حقوق النشر أو الشبه بالأشخاص أو المحتوى غير القانوني أو قواعد المنصات.

يتصرف كمولّد للاتجاه البصري بدرجة أكبر

تركز عينات صفحة إصدار Krea على الأشخاص والمشاهد ومفاهيم المنتجات وخامات الأزياء وأجواء التصميم الداخلي والإضاءة السينمائية والرسوم التحريرية. لا يُقدم النموذج أساسًا كنظام لنصوص الملصقات أو إعادة بناء الشعارات. بل يحاول معالجة الموضوع والخامة والضوء والتكوين ومصدر الأسلوب ضمن الصورة نفسها.

يجعل ذلك Krea 2 أقرب إلى بداية سير العمل الإبداعي: تحويل هدف أسلوبي مجرد إلى عدة صور يمكن مقارنتها. تتكرر في العينات العامة لوحات المزاج للعلامات التجارية ومفاهيم المنتجات ومرئيات الحملات واتجاهات الأغلفة وإعدادات الشخصيات والأجواء المكانية. وعندما تتطلب المهمة تخطيطًا صارمًا أو نصًا طويلًا مقروءًا أو نصوص تغليف أو علامات تجارية، تظل القدرات المتخصصة في التحكم بالنص والتخطيط مهمة.

لوحات الصدارة ليست سوى منظور واحد

تشير Krea أيضًا إلى تقييمات أطراف ثالثة ولوحات تفضيل النماذج، لكنها لا تجيب إلا عن جزء من السؤال. تقارن تقييمات تفضيل تحويل النص إلى صورة عادةً بين المطالبات والصور الناتجة والتفضيل البشري ضمن عملية واحدة. وهي مفيدة لفهم الجاذبية البصرية العامة، لكنها لا تستبدل الحكم الخاص بالمهمة. يحتاج عرض النص والعناوين الصينية والشعارات والتخطيطات المعقدة واتساق الشخصيات وقواعد التسليم التجاري إلى مراجعة منفصلة.

يضع Krea 2 الأوزان المفتوحة والمنتج المستضاف ضمن عائلة النموذج نفسها. يبقي Raw مساحة التدريب مفتوحة، بينما يوفر Turbo مسار استدلال أكثر مباشرة. يمنح هذا الترتيب الباحثين والمطورين والمبدعين مجموعة مشتركة واحدة من مواد النموذج بدل الفصل بين نقطة تحقق بحثية ونموذج منتج.

لذلك لا تقتصر المقارنة العملية على سؤال «أي نموذج يفوز». من الأسهل فهم Krea 2 Turbo كنموذج سريع للاتجاه البصري؛ وRaw هو مسار مواصلة التدريب؛ وتظل أنظمة DiT الأثقل ذات صلة حين يستطيع سير العمل تحمل استدلال أبطأ للحصول على نتيجة واحدة مصقولة. تفصل المقالة بين هذه المهام كي لا يُختزل الإصدار في تسمية عامة واحدة هي «نموذج صور».

الحدود التي ترسمها المواد العامة

لهذا الإصدار عدة مصادر قابلة للتحقق المتبادل: تعرض صفحة الإصدار الهدف البصري، وتوضح صفحة المصدر المفتوح توافر الأوزان، ويشرح التقرير التقني عملية التدريب، ويقدم مستودع GitHub نقطة دخول للاستدلال، وتسرد بطاقة النموذج على Hugging Face الأوزان ومصادر البيانات والمخاطر ومتطلبات الترخيص. لكل مصدر دور مختلف، لذلك لا ينبغي تلخيص Krea 2 اعتمادًا على واحد منها فقط.

بالنسبة إلى المبدعين، يعيد Krea 2 النماذج مفتوحة الأوزان إلى نقاش الجماليات والإحساس بالمنتج. وبالنسبة إلى المطورين، يقدم الإصدار المتوازي لـRaw وTurbo مسارين مختلفين: مواصلة التدريب أو تشغيل الاستدلال مباشرة. أما القائمون على النشر، فتبقى متطلبات السلامة والترشيح والترخيص في بطاقة النموذج حدودًا يجب التعامل معها قبل الإطلاق.