Krea 2 : Krea AI publie les poids Raw et Turbo pour la génération d'images

De la page de lancement à la fiche du modèle

Les ressources publiques de Krea 2 sont réparties sur plusieurs supports. La page de lancement du produit présente des exemples et des usages d’outils créatifs. La page consacrée à la version open source annonce la disponibilité des poids Raw et Turbo. Le dépôt GitHub fournit le code d’inférence. La fiche du modèle sur Hugging Face consigne le type de modèle, l’architecture, la licence, les données d’entraînement, les mesures de sécurité et la responsabilité relative aux résultats. Le rapport technique a été publié le 23 juin 2026 et la page indique un temps de lecture de 58 minutes.

Krea présente Krea 2 comme un modèle fondamental texte-vers-image à poids ouverts destiné à l’exploration créative. La fiche du modèle indique un format de publication associant poids ouverts et intégration aux produits hébergés par Krea. Elle précise que les données d’entraînement comprennent des données accessibles au public, des données tierces sous licence et des données synthétiques produites au moyen de méthodes propriétaires. Elle indique également que les contenus nuisibles sont filtrés avant l’entraînement et que les données de mauvaise qualité, en double ou non pertinentes sont réduites.

Le rapport technique détaille davantage la chaîne de traitement des données. Krea affirme que ses données de préentraînement n’utilisent pas d’images générées par l’IA et que des classifieurs internes filtrent le bruit, les retouches excessives, les logos, les filigranes, les contenus NSFW, les mèmes et les captures d’écran. Le système de légendage combine OCR, métadonnées et compréhension multimodale pour produire des descriptions d’image plus complètes. L’entraînement intègre aussi des prompts plus courts, proches de ceux des utilisateurs, afin d’exposer le modèle à la fois à de longues légendes et à de véritables prompts créatifs.

L’entraînement progresse de la basse vers la haute résolution

Krea 2 s’appuie sur un Diffusion Transformer pour générer les images. Selon le rapport technique, le préentraînement passe de 256px à 512px, puis à 1024px. Le modèle final utilise une fonction de perte de type rectified flow et la v-paramétrisation. Le rapport indique aussi que l’équipe a utilisé iREPA au début de l’entraînement en basse résolution pour accélérer la convergence, avant de le retirer afin que MMDiT apprenne ses propres représentations.

L’entraînement se poursuit ensuite par une phase intermédiaire, un affinage supervisé, une optimisation des préférences et un apprentissage par renforcement. La phase intermédiaire adapte le modèle à une distribution plus proche des tâches en aval avant l’affinage supervisé. Celui-ci s’appuie sur un ensemble plus restreint et spécialement filtré d’images à forte qualité esthétique, afin d’améliorer la qualité générale du checkpoint et de corriger les excès de saturation ainsi que les défauts de texture des premiers checkpoints.

L’optimisation des préférences se déroule en deux temps : d’abord un vaste passage sur des paires de préférences synthétiques, puis un étalonnage à l’aide d’annotations humaines internes. L’apprentissage par renforcement emploie une méthode multi-récompenses proche de GRPO, avec des modèles de récompense évaluant l’esthétique générale, le respect du prompt, le rendu du texte, la structure et les artefacts. Le rapport précise aussi que Krea a entraîné un modèle de récompense dédié aux artefacts pour réduire les erreurs structurelles telles que les doigts surnuméraires, les membres déformés et le texte distordu.

L’expanseur de prompts fait partie de la publication

Le rapport technique accorde une place importante à l’expanseur de prompts. Selon Krea, les prompts denses produisent souvent de meilleures images, alors que ceux des utilisateurs sont fréquemment courts, conversationnels et peu précis. Les modèles d’image tirent davantage parti de descriptions détaillées, proches de la distribution des légendes d’entraînement. Krea conçoit donc l’expanseur comme un dispositif qui transforme un prompt court en une légende plus longue et mieux adaptée au modèle d’image.

L’expanseur fait d’abord l’objet d’un affinage supervisé à partir d’un modèle de langage ouvert. Ses données d’entraînement proviennent de paires synthétiques reliant de longues légendes à de courts prompts utilisateur ; il apprend ensuite le trajet inverse, c’est-à-dire à développer des prompts courts en descriptions adaptées au modèle. Krea recourt ensuite à l’apprentissage par renforcement pour optimiser l’effet de l’expanseur sur la qualité finale de l’image, tout en ajoutant des contrôles de fidélité au prompt, de sécurité et de respect des contraintes. Le rapport mentionne également un score de diversité fondé sur des embeddings DINOv3, destiné à empêcher les résultats de converger vers un style unique.

Raw sert à l’entraînement, Turbo à l’inférence

Raw et Turbo sont les deux noms les plus susceptibles d’être confondus. Le README du dépôt open source les distingue nettement : Raw est le modèle de base non distillé, mieux adapté à l’entraînement de LoRA, au post-entraînement et à la recherche ; Turbo est la version distillée pour l’inférence rapide, destinée à la génération texte-vers-image au quotidien. Les exemples officiels suivent la même logique : entraîner des LoRA sur Raw et générer directement avec Turbo.

Cette différence ne tient pas seulement à la vitesse. Raw préserve un espace d’entraînement plus vaste pour les chercheurs qui souhaitent continuer à façonner le modèle. Turbo a subi un post-entraînement, un affinage et une distillation, ce qui le rend plus approprié aux vérifications rapides d’une direction visuelle. Tous deux sont publiés avec des poids ouverts, mais Raw ne doit pas être considéré comme le point d’entrée habituel pour la génération, ni Turbo présenté comme la base d’entraînement.

La fiche Hugging Face de Krea 2 Turbo réunit également la famille du modèle, le format de publication, les sources des données d’entraînement, les limites de sécurité et les exigences de licence. Elle rappelle aux responsables du déploiement que le filtrage ou la vérification restent nécessaires et que les utilisateurs demeurent responsables des résultats. Les poids ouverts facilitent la recherche et le déploiement ; ils n’abolissent pas les limites liées au droit d’auteur, au droit à l’image, aux contenus illégaux ou aux règles des plateformes.

Il se comporte davantage comme un générateur de direction visuelle

Les exemples de la page de lancement de Krea mettent l’accent sur les personnes et les scènes, les concepts de produit, les textures de mode, les ambiances intérieures, les éclairages cinématographiques et l’illustration éditoriale. Le modèle n’est pas principalement présenté comme un système de création de texte pour affiches ou de reconstruction de logos. Il cherche à traiter dans une même image le sujet, la matière, la lumière, la composition et la référence stylistique.

Krea 2 se place ainsi en amont du flux créatif : il transforme un objectif stylistique abstrait en plusieurs images comparables. Planches d’ambiance de marque, concepts de produit, visuels de campagne, pistes de couverture, configurations de personnages et atmosphères spatiales sont autant de scénarios récurrents dans les exemples publics. Lorsqu’une tâche exige une mise en page stricte, de longs textes lisibles, du texte d’emballage ou des signes de marque, des capacités spécialisées de contrôle du texte et de la mise en page restent indispensables.

Les classements ne sont qu’un angle d’analyse

Krea cite également des évaluations tierces et des classements de préférence entre modèles, mais ceux-ci ne répondent qu’à une partie de la question. Les évaluations de préférence texte-vers-image comparent généralement prompts, images produites et préférences humaines au sein d’un même processus. Elles aident à apprécier l’attrait visuel général, mais ne remplacent pas une évaluation propre à chaque tâche. Le rendu du texte, les titres chinois, les logos, les mises en page complexes, la cohérence des personnages et les règles de livraison commerciale doivent faire l’objet d’examens distincts.

Krea 2 rassemble les poids ouverts et le produit hébergé dans une même famille de modèles. Raw conserve un espace d’entraînement ouvert, tandis que Turbo fournit une voie d’inférence plus directe. Cette organisation offre aux chercheurs, aux développeurs et aux créateurs un ensemble commun de ressources, au lieu de séparer un checkpoint de recherche d’un modèle de produit.

La comparaison pratique ne se résume donc pas à savoir « quel modèle gagne ». Krea 2 Turbo se comprend plus facilement comme un modèle rapide de direction visuelle ; Raw est la voie destinée à poursuivre l’entraînement ; les systèmes DiT plus lourds restent pertinents lorsqu’un flux de travail peut accepter une inférence plus lente pour obtenir un résultat unique et soigné. L’article distingue ces tâches afin que la publication ne soit pas réduite à une étiquette générique de « modèle d’image ».

Les limites dessinées par les ressources publiques

Cette publication s’appuie sur plusieurs sources qui peuvent être recoupées : la page de lancement montre l’objectif visuel, la page open source précise la disponibilité des poids, le rapport technique explique le processus d’entraînement, le dépôt GitHub fournit un point d’entrée pour l’inférence et la fiche du modèle sur Hugging Face répertorie les poids, les sources de données, les risques et les exigences de licence. Chaque source joue un rôle différent ; Krea 2 ne doit donc pas être résumé à partir d’une seule d’entre elles.

Pour les créateurs, Krea 2 replace les modèles à poids ouverts dans la discussion sur l’esthétique et la perception du produit. Pour les développeurs, la publication parallèle de Raw et Turbo offre deux voies distinctes : poursuivre l’entraînement ou lancer directement l’inférence. Pour les responsables du déploiement, les exigences de sécurité, de filtrage et de licence figurant dans la fiche du modèle restent des limites à traiter avant le lancement.