Krea 2: Η Krea AI κυκλοφορεί βάρη Raw και Turbo για παραγωγή εικόνων

Από τη σελίδα κυκλοφορίας στην καρτέλα μοντέλου

Το δημόσιο υλικό του Krea 2 χωρίζεται σε πολλά επίπεδα. Η σελίδα κυκλοφορίας του προϊόντος δείχνει δείγματα και περιπτώσεις χρήσης δημιουργικών εργαλείων. Η σελίδα κυκλοφορίας ανοικτού κώδικα εξηγεί ότι διατίθενται τα βάρη Raw και Turbo. Το αποθετήριο GitHub παρέχει κώδικα εξαγωγής συμπερασμάτων. Η καρτέλα μοντέλου Hugging Face καταγράφει τον τύπο του μοντέλου, την αρχιτεκτονική, την άδεια χρήσης, τα δεδομένα εκπαίδευσης, τα μέτρα ασφαλείας και την ευθύνη για τα αποτελέσματα. Η τεχνική έκθεση δημοσιεύτηκε στις 23 Ιουνίου 2026 και η σελίδα την χαρακτηρίζει ανάγνωσμα 58 λεπτών.

Η Krea αποκαλεί το Krea 2 θεμελιώδες μοντέλο text-to-image με ανοικτά βάρη για δημιουργική εξερεύνηση. Η καρτέλα μοντέλου ορίζει τη μορφή κυκλοφορίας ως ανοικτά βάρη μαζί με ενσωμάτωση στα προϊόντα που φιλοξενεί η Krea. Αναφέρει ότι τα δεδομένα εκπαίδευσης περιλαμβάνουν δημόσια διαθέσιμα δεδομένα, δεδομένα τρίτων με άδεια και συνθετικά δεδομένα που παράγονται με ιδιόκτητες μεθόδους. Η καρτέλα αναφέρει επίσης ότι το επιβλαβές περιεχόμενο φιλτράρεται πριν από την εκπαίδευση και ότι μειώνονται τα χαμηλής ποιότητας, διπλότυπα ή άσχετα δεδομένα.

Η τεχνική έκθεση δίνει περισσότερες λεπτομέρειες για τη ροή δεδομένων. Η Krea δηλώνει ότι τα δεδομένα προεκπαίδευσης δεν χρησιμοποιούν εικόνες που έχουν παραχθεί από AI και ότι εσωτερικοί ταξινομητές φιλτράρουν θόρυβο, υπερβολική επεξεργασία, λογότυπα, υδατογραφήματα, περιεχόμενο NSFW, meme και στιγμιότυπα οθόνης. Η ροή δημιουργίας λεζαντών συνδυάζει OCR, μεταδεδομένα και πολυτροπική κατανόηση για πληρέστερες περιγραφές εικόνων. Η εκπαίδευση ενσωματώνει επίσης συντομότερα prompt σε ύφος χρήστη, ώστε το μοντέλο να βλέπει τόσο μεγάλες λεζάντες όσο και πραγματικά δημιουργικά prompt.

Η εκπαίδευση μεταβαίνει από χαμηλή σε υψηλή ανάλυση

Το Krea 2 χρησιμοποιεί έναν Diffusion Transformer ως κορμό παραγωγής εικόνων. Η τεχνική έκθεση αναφέρει ότι η προεκπαίδευση μεταβαίνει από 256px σε 512px και έπειτα σε 1024px. Το τελικό μοντέλο χρησιμοποιεί απώλεια rectified flow και v-parameterization. Η έκθεση αναφέρει επίσης ότι η ομάδα χρησιμοποίησε iREPA κατά την πρώιμη εκπαίδευση χαμηλής ανάλυσης για να επιταχύνει τη σύγκλιση και στη συνέχεια το αφαίρεσε, ώστε ο MMDiT να μάθει τις δικές του αναπαραστάσεις.

Κατόπιν η διαδικασία περνά από midtraining, supervised fine-tuning, βελτιστοποίηση προτιμήσεων και ενισχυτική μάθηση. Το midtraining προσαρμόζει το μοντέλο σε μια κατανομή πιο κοντά στις μεταγενέστερες εργασίες πριν από το supervised fine-tuning. Το στάδιο supervised fine-tuning χρησιμοποιεί μικρότερο, ειδικά φιλτραρισμένο σύνολο εικόνων υψηλής αισθητικής, ώστε να βελτιώσει τη συνολική ποιότητα του checkpoint και να αντιμετωπίσει προβλήματα υπερβολικού κορεσμού και υφής στα πρώιμα checkpoint.

Η βελτιστοποίηση προτιμήσεων χωρίζεται σε δύο βήματα: πρώτα ένα μεγάλο πέρασμα συνθετικών ζευγών προτίμησης και έπειτα βαθμονόμηση με εσωτερικές ανθρώπινες ετικέτες. Το στάδιο ενισχυτικής μάθησης χρησιμοποιεί μια πολυκριτηριακή μέθοδο παρόμοια με GRPO, με μοντέλα ανταμοιβής για τη συνολική αισθητική, την τήρηση του prompt, την απόδοση κειμένου, τη δομή και τα τεχνουργήματα. Η έκθεση αναφέρει επίσης ότι η Krea εκπαίδευσε ειδικό μοντέλο ανταμοιβής τεχνουργημάτων για να μειώσει δομικά σφάλματα όπως επιπλέον δάχτυλα, παραμορφωμένα άκρα και στρεβλωμένο κείμενο.

Ο επεκτατής prompt αποτελεί μέρος της κυκλοφορίας

Η τεχνική έκθεση αφιερώνει σημαντικό χώρο στον επεκτατή prompt. Η άποψη της Krea είναι ότι τα πυκνά, λεπτομερή prompt συχνά παράγουν καλύτερες εικόνες, ενώ τα prompt των χρηστών είναι συνήθως σύντομα, συνομιλιακά και ανεπαρκώς προσδιορισμένα. Τα μοντέλα εικόνων εξυπηρετούνται καλύτερα από λεπτομερείς περιγραφές κοντά στην κατανομή των λεζαντών εκπαίδευσης. Γι' αυτό η Krea σχεδιάζει τον επεκτατή ως αντιστοίχιση ενός σύντομου prompt σε μια μεγαλύτερη λεζάντα, πιο φιλική προς το μοντέλο εικόνων.

Ο επεκτατής περνά πρώτα από supervised fine-tuning με βάση ένα ανοικτό γλωσσικό μοντέλο. Τα δεδομένα εκπαίδευσής του προέρχονται από συνθετικά ζεύγη που αντιστοιχίζουν μεγάλες λεζάντες σε σύντομα prompt χρηστών και κατόπιν μαθαίνει την αντίστροφη κατεύθυνση: να επεκτείνει σύντομα prompt σε περιγραφές φιλικές προς το μοντέλο. Έπειτα η Krea χρησιμοποιεί ενισχυτική μάθηση για να βελτιστοποιήσει την επίδραση του επεκτατή στην τελική ποιότητα εικόνας, προσθέτοντας ελέγχους πιστότητας στο prompt, ασφάλειας και περιορισμών. Η έκθεση αναφέρει επίσης βαθμολογία ποικιλομορφίας embedding DINOv3, ώστε τα αποτελέσματα να μη συγκλίνουν σε ένα μόνο ύφος.

Το Raw είναι για εκπαίδευση, το Turbo για εξαγωγή συμπερασμάτων

Raw και Turbo είναι τα δύο ονόματα που είναι πιο πιθανό να συγχέονται. Το README του αποθετηρίου ανοικτού κώδικα τα ξεχωρίζει σαφώς: το Raw είναι το μη αποσταγμένο βασικό μοντέλο, καταλληλότερο για εκπαίδευση LoRA, post-training και έρευνα· το Turbo είναι η αποσταγμένη έκδοση γρήγορης εξαγωγής συμπερασμάτων για καθημερινή παραγωγή text-to-image. Τα επίσημα παραδείγματα ακολουθούν την ίδια λογική: εκπαιδεύστε LoRA στο Raw και δημιουργήστε απευθείας με το Turbo.

Αυτή η διαφορά αφορά περισσότερα από την ταχύτητα. Το Raw διατηρεί μεγαλύτερο μέρος του χώρου εκπαίδευσης για ερευνητές που θέλουν να συνεχίσουν να διαμορφώνουν το μοντέλο. Το Turbo έχει περάσει από post-training, fine-tuning και απόσταξη, γεγονός που το καθιστά καταλληλότερο για γρήγορους ελέγχους οπτικής κατεύθυνσης. Και τα δύο είναι κυκλοφορίες ανοικτών βαρών, αλλά το Raw δεν πρέπει να αντιμετωπίζεται ως το συνηθισμένο σημείο εισόδου για παραγωγή ούτε το Turbo να περιγράφεται ως βάση εκπαίδευσης.

Η καρτέλα μοντέλου Turbo στο Hugging Face ομαδοποιεί επίσης την οικογένεια μοντέλων, τη μορφή κυκλοφορίας, τις πηγές δεδομένων εκπαίδευσης, τα όρια ασφαλείας και τις απαιτήσεις της άδειας χρήσης. Υπενθυμίζει στους υπεύθυνους ανάπτυξης ότι απαιτείται φιλτράρισμα ή έλεγχος και ότι οι χρήστες παραμένουν υπεύθυνοι για τα αποτελέσματα. Τα ανοικτά βάρη χαμηλώνουν το εμπόδιο για έρευνα και ανάπτυξη· δεν καταργούν τα όρια πνευματικών δικαιωμάτων, ομοιότητας προσώπου, παράνομου περιεχομένου ή κανόνων πλατφόρμας.

Συμπεριφέρεται περισσότερο σαν γεννήτρια οπτικής κατεύθυνσης

Τα δείγματα της σελίδας κυκλοφορίας της Krea εστιάζουν σε ανθρώπους και σκηνές, εννοιολογικά προϊόντα, υφές μόδας, ατμόσφαιρα εσωτερικών χώρων, κινηματογραφικό φωτισμό και εκδοτική εικονογράφηση. Το μοντέλο δεν παρουσιάζεται κυρίως ως σύστημα κειμένου αφίσας ή ανακατασκευής λογοτύπων. Προσπαθεί να χειριστεί το θέμα, το υλικό, το φως, τη σύνθεση και την πηγή ύφους στην ίδια εικόνα.

Αυτό φέρνει το Krea 2 πιο κοντά στην αρχή μιας δημιουργικής ροής εργασίας: μετατρέπει έναν αφηρημένο στόχο ύφους σε πολλές εικόνες που μπορούν να συγκριθούν. Moodboard επωνυμίας, ιδέες προϊόντων, οπτικά υλικά καμπάνιας, κατευθύνσεις εξωφύλλων, στησίματα χαρακτήρων και χωρικές ατμόσφαιρες επανέρχονται στα δημόσια δείγματα. Όταν η εργασία απαιτεί αυστηρή διάταξη, ευανάγνωστο μεγάλο κείμενο, κείμενο συσκευασίας ή σήματα επωνυμίας, εξακολουθεί να έχει σημασία η εξειδικευμένη δυνατότητα ελέγχου κειμένου και διάταξης.

Οι πίνακες κατάταξης είναι μόνο μία οπτική

Η Krea παραπέμπει επίσης σε αξιολογήσεις τρίτων και πίνακες προτιμήσεων μοντέλων, αλλά αυτά απαντούν μόνο σε μέρος του ερωτήματος. Οι αξιολογήσεις προτίμησης text-to-image συνήθως συγκρίνουν prompt, εικόνες εξόδου και ανθρώπινη προτίμηση μέσα σε μία διαδικασία. Είναι χρήσιμες για την ανάγνωση της γενικής οπτικής ελκυστικότητας, αλλά δεν μπορούν να αντικαταστήσουν την κρίση για τη συγκεκριμένη εργασία. Η απόδοση κειμένου, οι κινεζικοί τίτλοι, τα λογότυπα, η σύνθετη διάταξη, οι συνεπείς χαρακτήρες και οι κανόνες εμπορικής παράδοσης χρειάζονται ξεχωριστό έλεγχο.

Το Krea 2 τοποθετεί τα ανοικτά βάρη και το φιλοξενούμενο προϊόν στην ίδια οικογένεια μοντέλων. Το Raw κρατά ανοικτό τον χώρο εκπαίδευσης, ενώ το Turbo προσφέρει πιο άμεση διαδρομή εξαγωγής συμπερασμάτων. Αυτή η διάταξη δίνει σε ερευνητές, προγραμματιστές και δημιουργούς ένα κοινό σύνολο υλικών μοντέλου, αντί για διαχωρισμό ανάμεσα σε ερευνητικό checkpoint και μοντέλο προϊόντος.

Επομένως, η πρακτική σύγκριση δεν είναι απλώς «ποιο μοντέλο κερδίζει». Το Krea 2 Turbo διαβάζεται ευκολότερα ως γρήγορο μοντέλο οπτικής κατεύθυνσης· το Raw είναι η διαδρομή συνέχισης της εκπαίδευσης· τα βαρύτερα συστήματα DiT παραμένουν σχετικά όταν μια ροή εργασίας μπορεί να αντέξει πιο αργή εξαγωγή συμπερασμάτων για ένα μόνο καλοδουλεμένο αποτέλεσμα. Το άρθρο κρατά αυτές τις εργασίες ξεχωριστές, ώστε η κυκλοφορία να μη συμπιεστεί σε μία γενική ετικέτα «μοντέλο εικόνων».

Το όριο που αφήνει το δημόσιο υλικό

Αυτή η κυκλοφορία διαθέτει πολλές πηγές που μπορούν να διασταυρωθούν: η σελίδα κυκλοφορίας δείχνει τον οπτικό στόχο, η σελίδα ανοικτού κώδικα εξηγεί τη διαθεσιμότητα των βαρών, η τεχνική έκθεση περιγράφει τη διαδικασία εκπαίδευσης, το αποθετήριο GitHub παρέχει σημείο εισόδου για εξαγωγή συμπερασμάτων και η καρτέλα μοντέλου Hugging Face απαριθμεί βάρη, πηγές δεδομένων, κινδύνους και απαιτήσεις άδειας χρήσης. Κάθε πηγή έχει διαφορετικό ρόλο, επομένως το Krea 2 δεν πρέπει να συνοψίζεται από μία μόνο από αυτές.

Για τους δημιουργούς, το Krea 2 επαναφέρει τα μοντέλα ανοικτών βαρών στη συζήτηση για την αισθητική και την αίσθηση του προϊόντος. Για τους προγραμματιστές, η παράλληλη κυκλοφορία Raw και Turbo προσφέρει δύο διαφορετικές διαδρομές: συνέχιση της εκπαίδευσης ή άμεση εκτέλεση εξαγωγής συμπερασμάτων. Για τους υπεύθυνους ανάπτυξης, οι απαιτήσεις ασφάλειας, φιλτραρίσματος και άδειας χρήσης στην καρτέλα μοντέλου παραμένουν όρια που πρέπει να αντιμετωπιστούν πριν από την κυκλοφορία.