Krea 2: Krea AI udgiver Raw- og Turbo-vægte til billedgenerering
Krea AI udgav Krea 2 Raw og Krea 2 Turbo som åbne vægte. Den tekniske rapport beskriver Krea 2 som en 12B tekst-til-billede-diffusionsmodel trænet fra bunden og gennemgår datafiltrering, caption-pipeline, eftertræning, reinforcement learning samt sikkerheds- og licensgrænser.
Modelnyheder / Krea AI
Krea AI præsenterede Krea 2 i juni 2026 og udgav senere Raw og Turbo som to checkpoints med åbne vægte. Den officielle tekniske rapport beskriver modellen som en 12B tekst-til-billede-diffusionsmodel, der er trænet fra bunden, med komponenter som en multimodal sprogmodel, en Diffusion Transformer og en billed-autoencoder. Krea udgav også en lanceringsside, en teknisk rapport, et GitHub-repositorium, et Hugging Face-modelkort og licensteksten.
Udgivelsen placerer Kreas mangeårige fokus på ”æstetik” i en sammenhæng med åbne vægte. Det officielle materiale fremstiller ikke Krea 2 som blot en model til fotorealisme eller ranglister. Den præsenteres omkring udforskning af stil, produktkoncepter, mennesker og scener, materialetekstur og kreative arbejdsgange. Raw er beregnet til træning og forskning, mens Turbo er beregnet til hurtig inferens; repositoriet og modelkortene holder disse anvendelsesveje adskilt.
Fra lanceringsside til modelkort
Krea 2's offentlige materiale er fordelt på flere lag. Produktets lanceringsside viser eksempler og anvendelser af de kreative værktøjer. Open source-siden forklarer, at Raw- og Turbo-vægtene er tilgængelige. GitHub-repositoriet leverer inferenskode. Hugging Face-modelkortet dokumenterer modeltype, arkitektur, licens, træningsdata, sikkerhedsforanstaltninger og ansvar for output. Den tekniske rapport blev udgivet den 23. juni 2026, og siden angiver en læsetid på 58 minutter.
Krea kalder Krea 2 en tekst-til-billede-grundmodel med åbne vægte til kreativ udforskning. Modelkortet angiver udgivelsesformatet som åbne vægte kombineret med integration i produkter, der hostes af Krea. Det oplyser, at træningsdataene omfatter offentligt tilgængelige data, licenserede tredjepartsdata og syntetiske data genereret med proprietære metoder. Modelkortet siger også, at skadeligt indhold filtreres før træning, og at data af lav kvalitet samt dubletter og irrelevante data reduceres.
Den tekniske rapport giver flere detaljer om datapipelinen. Krea siger, at deres prætræningsdata ikke anvender AI-genererede billeder, og at interne klassifikatorer filtrerer støj, overdreven redigering, logoer, vandmærker, NSFW-indhold, memes og skærmbilleder fra. Billedtekst-pipelinen kombinerer OCR, metadata og multimodal forståelse for at skabe mere fyldestgørende billedbeskrivelser. Træningen blander også kortere prompts i brugerstil ind, så modellen møder både lange billedtekster og virkelige kreative prompts.
Træningen bevæger sig fra lav til høj opløsning
Krea 2 bruger en Diffusion Transformer som rygrad for billedgenereringen. Ifølge den tekniske rapport bevæger prætræningen sig fra 256px til 512px og derefter til 1024px. Den endelige model bruger rectified-flow-loss og v-parameterization. Rapporten siger også, at holdet anvendte iREPA under den tidlige træning i lav opløsning for at fremskynde konvergensen og derefter fjernede det, så MMDiT kunne lære sine egne repræsentationer.
Træningsprocessen fortsætter derefter gennem midtraining, supervised fine-tuning, præferenceoptimering og reinforcement learning. Midtraining tilpasser modellen til en fordeling, der ligger tættere på de efterfølgende opgaver, før supervised fine-tuning. Denne fase bruger et mindre, særligt filtreret sæt billeder med høj æstetisk kvalitet til at forbedre checkpointets samlede kvalitet og håndtere problemer med høj mætning og teksturer i tidlige checkpoints.
Præferenceoptimeringen er delt i to trin: først en stor gennemgang af syntetiske præferencepar og derefter kalibrering med interne menneskelige mærkater. Reinforcement learning-fasen bruger en GRPO-lignende metode med flere belønninger og belønningsmodeller for samlet æstetik, overholdelse af prompten, tekstgengivelse, struktur og artefakter. Rapporten siger også, at Krea trænede en dedikeret belønningsmodel for artefakter for at reducere strukturelle fejl som ekstra fingre, forvrængede lemmer og skæv tekst.
Prompt-udvideren er en del af udgivelsen
Den tekniske rapport bruger betydelig plads på prompt-udvideren. Kreas synspunkt er, at detaljerede prompts ofte giver bedre billeder, mens brugerprompts tit er korte, samtaleprægede og upræcise. Billedmodeller har større gavn af udførlige beskrivelser, der ligger tættere på fordelingen af billedtekster i træningsdataene. Krea udformer derfor prompt-udvideren som en oversætter fra en kort prompt til en længere billedtekst, som billedmodellen lettere kan bruge.
Udvideren gennemgår først supervised fine-tuning med udgangspunkt i en åben sprogmodel. Dens træningsdata kommer fra syntetiske par, der forbinder lange billedtekster med korte brugerprompts, hvorefter den lærer den omvendte retning: at udvide korte prompts til modelvenlige beskrivelser. Krea bruger derefter reinforcement learning til at optimere udviderens indvirkning på den endelige billedkvalitet og tilføjer samtidig kontroller for prompttroskab, sikkerhed og begrænsninger. Rapporten nævner også en DINOv3-embeddingdiversitetsscore, der skal forhindre output i at kollapse til én enkelt stil.
Raw er til træning, Turbo er til inferens
Raw og Turbo er de to navne, der lettest blandes sammen. README-filen i open source-repositoriet adskiller dem tydeligt: Raw er den udestillerede basismodel, der egner sig bedre til LoRA-træning, post-training og forskningseksperimenter; Turbo er den destillerede version til hurtig inferens og daglig tekst-til-billede-generering. De officielle eksempler følger samme logik: Træn LoRA'er på Raw, og generér direkte med Turbo.
Forskellen handler om mere end hastighed. Raw bevarer mere af træningsrummet for forskere, som vil fortsætte med at forme modellen. Turbo har gennemgået post-training, fine-tuning og destillation, hvilket gør den mere egnet til hurtige afprøvninger af visuel retning. Begge udgives med åbne vægte, men Raw bør ikke behandles som det normale udgangspunkt for generering, og Turbo bør ikke beskrives som træningsgrundlaget.
Turbo-modelkortet på Hugging Face samler også modelfamilien, udgivelsesformatet, kilder til træningsdata, sikkerhedsgrænser og licenskrav. Det minder dem, der implementerer modellen, om, at filtrering eller gennemgang er nødvendig, og at brugerne fortsat er ansvarlige for output. Åbne vægte sænker tærsklen for forskning og implementering; de fjerner ikke grænser vedrørende ophavsret, personers lighed, ulovligt indhold eller platformregler.
| Checkpoint | Officiel rolle | Bedst egnet til | Afgrænsning |
|---|---|---|---|
| Krea 2 Raw | Udestilleret basis-checkpoint | LoRA-træning, post-training, forskningseksperimenter og stiltilpasning. | Det bevarer træningsrummet; det er ikke det normale udgangspunkt for hurtig generering. |
| Krea 2 Turbo | Destilleret checkpoint med 8 trin | Hurtig tekst-til-billede-generering, kontrol af visuel retning og kreativ iteration. | Det er inferensvejen; det bør ikke beskrives som basis-checkpoint for videre træning. |
Den fungerer mere som en generator af visuel retning
Eksemplerne på Kreas lanceringsside fokuserer på mennesker og scener, produktkoncepter, modeteksturer, stemning i interiører, filmisk belysning og redaktionel illustration. Modellen præsenteres ikke primært som et system til plakattekst eller rekonstruktion af logoer. Den forsøger at håndtere motiv, materiale, lys, komposition og stilkilde i det samme billede.
Det placerer Krea 2 tættere på begyndelsen af en kreativ arbejdsgang: at omdanne et abstrakt stilmål til flere billeder, som kan sammenlignes. Brand-moodboards, produktkoncepter, kampagnegrafik, retninger for omslag, karakteropsætninger og rumlige atmosfærer går igen i de offentlige eksempler. Når opgaven kræver stramt layout, læsbar lang tekst, emballagetekst eller brandmærker, er specialiserede evner til tekst- og layoutkontrol stadig vigtige.
Ranglister er kun ét perspektiv
Krea henviser også til tredjepartsevalueringer og ranglister over modelpræferencer, men de kan kun besvare en del af spørgsmålet. Præferenceevalueringer for tekst-til-billede sammenligner normalt prompts, outputbilleder og menneskelige præferencer inden for én proces. De er nyttige til at aflæse bred visuel appel, men kan ikke erstatte en opgavespecifik vurdering. Tekstgengivelse, kinesiske titler, logoer, komplekst layout, konsistente karakterer og regler for kommerciel levering kræver alle særskilt gennemgang.
Krea 2 placerer åbne vægte og det hostede produkt i samme modelfamilie. Raw holder træningsrummet åbent, mens Turbo giver en mere direkte inferensvej. Denne ordning giver forskere, udviklere og skabere ét fælles sæt modelmaterialer i stedet for en opdeling mellem et forsknings-checkpoint og en produktmodel.
Den praktiske sammenligning er derfor ikke blot ”hvilken model vinder”. Krea 2 Turbo forstås bedre som en hurtig model til visuel retning; Raw er vejen til fortsat træning; tungere DiT-systemer er stadig relevante, når en arbejdsgang kan rumme langsommere inferens for ét enkelt, gennemarbejdet resultat. Artiklen holder opgaverne adskilt, så udgivelsen ikke reduceres til én generisk etiket som ”billedmodel”.
Grænsen i det offentlige materiale
Udgivelsen har flere kilder, der kan krydstjekkes: Lanceringssiden viser det visuelle mål, open source-siden forklarer tilgængeligheden af vægte, den tekniske rapport forklarer træningsprocessen, GitHub-repositoriet giver et indgangspunkt til inferens, og Hugging Face-modelkortet angiver vægte, datakilder, risici og licenskrav. Kilderne har forskellige roller, så Krea 2 bør ikke sammenfattes ud fra kun én af dem.
For skabere bringer Krea 2 modeller med åbne vægte tilbage i diskussionen om æstetik og produktfornemmelse. For udviklere giver den parallelle udgivelse af Raw og Turbo to forskellige veje: Fortsæt træningen, eller kør inferens direkte. For dem, der implementerer modellen, er sikkerheds-, filtrerings- og licenskravene i modelkortet fortsat grænser, som skal håndteres før lancering.