Krea 2: Krea AI publica pesos Raw y Turbo para generación de imágenes

De la página de lanzamiento a la ficha del modelo

El material público de Krea 2 se distribuye en varias capas. La página de lanzamiento del producto muestra ejemplos y casos de uso de herramientas creativas. La página del lanzamiento de código abierto explica que los pesos de Raw y Turbo están disponibles. El repositorio de GitHub aporta el código de inferencia. La ficha del modelo en Hugging Face registra el tipo de modelo, la arquitectura, la licencia, los datos de entrenamiento, las medidas de seguridad y la responsabilidad sobre los resultados. El informe técnico se publicó el 23 de junio de 2026 y la página lo presenta como una lectura de 58 minutos.

Krea define Krea 2 como un modelo fundacional de texto a imagen con pesos abiertos para la exploración creativa. La ficha del modelo indica como formato de publicación los pesos abiertos junto con la integración en productos alojados por Krea. Señala que los datos de entrenamiento incluyen datos disponibles públicamente, datos de terceros con licencia y datos sintéticos generados mediante métodos propietarios. La ficha también afirma que el contenido dañino se filtra antes del entrenamiento y que se reducen los datos de baja calidad, duplicados o irrelevantes.

El informe técnico ofrece más detalles sobre el flujo de datos. Krea afirma que sus datos de preentrenamiento no utilizan imágenes generadas por IA y que clasificadores internos filtran ruido, edición excesiva, logotipos, marcas de agua, contenido NSFW, memes y capturas de pantalla. El sistema de descripción combina OCR, metadatos y comprensión multimodal para crear descripciones de imagen más completas. El entrenamiento también incorpora prompts más breves, similares a los de los usuarios, para que el modelo vea tanto descripciones extensas como prompts creativos reales.

El entrenamiento avanza de baja a alta resolución

Krea 2 utiliza un Diffusion Transformer como núcleo de generación de imágenes. Según el informe técnico, el preentrenamiento pasa de 256px a 512px y después a 1024px. El modelo final emplea una función de pérdida de flujo rectificado y parametrización v. El informe también señala que el equipo utilizó iREPA durante las primeras fases de entrenamiento a baja resolución para acelerar la convergencia y luego lo retiró, de modo que MMDiT pudiera aprender sus propias representaciones.

El proceso continúa con entrenamiento intermedio, ajuste fino supervisado, optimización de preferencias y aprendizaje por refuerzo. El entrenamiento intermedio adapta el modelo a una distribución más próxima a las tareas posteriores antes del ajuste fino supervisado. Esta fase usa un conjunto menor y filtrado específicamente de imágenes con alta calidad estética para mejorar la calidad general del checkpoint y corregir la saturación excesiva y los problemas de textura de checkpoints iniciales.

La optimización de preferencias se divide en dos pasos: primero, una ronda amplia con pares de preferencias sintéticos; después, una calibración con etiquetas humanas internas. La fase de aprendizaje por refuerzo emplea un método de recompensas múltiples similar a GRPO, con modelos de recompensa para la estética general, el seguimiento del prompt, la representación de texto, la estructura y los artefactos. El informe añade que Krea entrenó un modelo de recompensa específico para artefactos con el fin de reducir errores estructurales como dedos adicionales, extremidades deformadas y texto distorsionado.

El expansor de prompts forma parte del lanzamiento

El informe técnico dedica bastante espacio al expansor de prompts. Krea considera que los prompts densos suelen producir mejores imágenes, mientras que los prompts de los usuarios tienden a ser breves, conversacionales y poco específicos. A los modelos de imagen les resultan más útiles las descripciones detalladas, cercanas a la distribución de los textos usados en el entrenamiento. Por ello, Krea diseña el expansor como un sistema que transforma un prompt corto en una descripción más larga y adecuada para el modelo de imagen.

Primero se aplica al expansor un ajuste fino supervisado a partir de un modelo de lenguaje abierto. Sus datos de entrenamiento proceden de pares sintéticos que relacionan descripciones largas con prompts de usuario breves; después aprende el recorrido inverso: ampliar prompts cortos hasta convertirlos en descripciones apropiadas para el modelo. A continuación, Krea usa aprendizaje por refuerzo para optimizar el efecto del expansor sobre la calidad final de la imagen, e incorpora comprobaciones de fidelidad al prompt, seguridad y restricciones. El informe también menciona una puntuación de diversidad basada en embeddings DINOv3 para evitar que los resultados converjan en un único estilo.

Raw sirve para entrenar; Turbo, para inferencia

Raw y Turbo son los dos nombres que más fácilmente pueden confundirse. El README del repositorio de código abierto los distingue con claridad: Raw es el modelo base sin destilar, más indicado para entrenar LoRA, continuar el entrenamiento y realizar investigación; Turbo es la versión destilada de inferencia rápida para la generación cotidiana de texto a imagen. Los ejemplos oficiales siguen la misma lógica: entrenar LoRA con Raw y generar directamente con Turbo.

La diferencia va más allá de la velocidad. Raw conserva más margen de entrenamiento para quienes quieran seguir dando forma al modelo. Turbo ha pasado por entrenamiento posterior, ajuste fino y destilación, por lo que resulta más adecuado para comprobar con rapidez una dirección visual. Ambos se publican con pesos abiertos, pero Raw no debe tratarse como la vía habitual de generación ni Turbo describirse como la base de entrenamiento.

La ficha de Krea 2 Turbo en Hugging Face también reúne la familia del modelo, el formato de publicación, las fuentes de datos de entrenamiento, los límites de seguridad y los requisitos de licencia. Recuerda a quienes lo despliegan que hace falta filtrar o revisar y que los usuarios siguen siendo responsables de los resultados. Los pesos abiertos reducen la barrera para investigar y desplegar; no eliminan los límites relativos a derechos de autor, derechos de imagen, contenido ilegal o normas de la plataforma.

Se comporta más como un generador de dirección visual

Las muestras de la página de lanzamiento de Krea se centran en personas y escenas, productos conceptuales, texturas de moda, ambientes interiores, iluminación cinematográfica e ilustración editorial. El modelo no se presenta principalmente como un sistema para crear texto de carteles o reconstruir logotipos. Busca resolver en una misma imagen el sujeto, los materiales, la luz, la composición y la referencia estilística.

Esto sitúa Krea 2 cerca del inicio de un flujo creativo: convierte un objetivo estilístico abstracto en varias imágenes que pueden compararse. Los paneles de inspiración de marca, los conceptos de producto, las imágenes de campaña, las propuestas de portada, la definición de personajes y las atmósferas espaciales son escenarios recurrentes en las muestras públicas. Cuando una tarea exige una composición estricta, texto largo legible, textos de envase o marcas gráficas, sigue siendo necesaria una capacidad especializada para controlar texto y diseño.

Las clasificaciones son solo una perspectiva

Krea también cita evaluaciones de terceros y clasificaciones de preferencia entre modelos, pero solo pueden responder a una parte de la cuestión. Las evaluaciones de preferencia de texto a imagen suelen comparar prompts, imágenes resultantes y preferencias humanas dentro de un mismo proceso. Sirven para interpretar el atractivo visual general, pero no sustituyen el criterio específico de cada tarea. La representación de texto, los títulos en chino, los logotipos, las composiciones complejas, la coherencia de los personajes y las reglas de entrega comercial requieren revisiones independientes.

Krea 2 reúne los pesos abiertos y el producto alojado en una misma familia de modelos. Raw mantiene abierto el margen de entrenamiento, mientras que Turbo ofrece una vía de inferencia más directa. Esta disposición proporciona a investigadores, desarrolladores y creadores un conjunto compartido de materiales del modelo, en lugar de separar un checkpoint de investigación de un modelo de producto.

Por tanto, la comparación práctica no se reduce a «qué modelo gana». Krea 2 Turbo se entiende mejor como un modelo rápido de dirección visual; Raw es la vía para continuar el entrenamiento; y los sistemas DiT de mayor peso siguen siendo relevantes cuando un flujo de trabajo puede asumir una inferencia más lenta a cambio de un único resultado pulido. Este artículo mantiene esas tareas separadas para no reducir el lanzamiento a la etiqueta genérica de «modelo de imagen».

El límite que marca el material público

Este lanzamiento cuenta con varias fuentes que pueden contrastarse: la página de lanzamiento muestra el objetivo visual; la página de código abierto explica la disponibilidad de los pesos; el informe técnico detalla el proceso de entrenamiento; el repositorio de GitHub ofrece un punto de entrada para la inferencia; y la ficha del modelo en Hugging Face enumera los pesos, las fuentes de datos, los riesgos y los requisitos de licencia. Cada fuente cumple una función distinta, por lo que Krea 2 no debería resumirse a partir de una sola.

Para los creadores, Krea 2 devuelve los modelos de pesos abiertos al debate sobre la estética y la sensación de producto. Para los desarrolladores, la publicación paralela de Raw y Turbo abre dos vías distintas: continuar el entrenamiento o ejecutar inferencia directamente. Para quienes lo despliegan, los requisitos de seguridad, filtrado y licencia de la ficha del modelo siguen siendo límites que deben resolverse antes del lanzamiento.