Krea 2：Krea AI が画像生成向け Raw / Turbo 重みを公開

リリースページからモデルカードまで

Krea 2の公開資料は複数の層に分かれている。製品リリースページは作例とクリエイティブツールの用途を示す。オープンソース版のリリースページはRawとTurboのウェイトが利用可能であることを説明する。GitHubリポジトリは推論コードを提供する。Hugging Faceモデルカードには、モデル種別、アーキテクチャ、ライセンス、学習データ、安全対策、出力に関する責任が記録されている。技術レポートは2026年6月23日に公開され、ページには読了時間58分と表示されている。

KreaはKrea 2を、創造的な探索のためのオープンウェイトtext-to-image基盤モデルと呼んでいる。モデルカードでは、公開形式をオープンウェイトとKreaのホスト型製品への統合の組み合わせとしている。学習データには、一般公開データ、ライセンスを受けた第三者データ、独自手法で生成した合成データが含まれるという。また、有害コンテンツは学習前に除外し、低品質、重複、無関係なデータを減らしたとしている。

技術レポートはデータパイプラインをさらに詳しく説明している。Kreaによれば、事前学習データにAI生成画像は使用せず、内部分類器でノイズ、過剰編集、ロゴ、透かし、NSFWコンテンツ、ミーム、スクリーンショットを除外している。キャプション生成パイプラインはOCR、メタデータ、マルチモーダル理解を組み合わせ、より充実した画像説明を作る。学習にはユーザーが実際に使うような短いプロンプトも混ぜ、長いキャプションと現実のクリエイティブプロンプトの両方をモデルに学ばせている。

低解像度から高解像度へ進む学習

Krea 2は画像生成の基幹部にDiffusion Transformerを使用する。技術レポートによると、事前学習は256pxから512px、さらに1024pxへと進む。最終モデルはrectified-flow lossとv-parameterizationを使用する。また、初期の低解像度学習では収束を速めるためiREPAを使用し、その後はMMDiTが独自の表現を学べるよう取り除いたという。

学習工程はその後、midtraining、supervised fine-tuning、選好最適化、reinforcement learningへと進む。midtrainingではsupervised fine-tuningの前に、下流タスクに近い分布へモデルを適応させる。supervised fine-tuning段階では、美的品質の高い画像を専用に絞り込んだ小規模データセットを用い、チェックポイント全体の品質を高めるとともに、初期チェックポイントに見られた彩度過多や質感の問題へ対処する。

選好最適化は二段階に分かれる。まず大規模な合成選好ペアを処理し、次に社内の人手ラベルで較正する。reinforcement learning段階ではGRPOに似た複数報酬方式を採用し、全体的な美しさ、プロンプト追従、文字描画、構造、アーティファクトに対応する報酬モデルを使う。さらに、余分な指、変形した手足、歪んだ文字といった構造的な誤りを減らすため、アーティファクト専用の報酬モデルも学習したとレポートは述べている。

プロンプト拡張器も公開内容の一部

技術レポートはプロンプト拡張器にかなりの紙幅を割いている。Kreaは、情報量の多いプロンプトほど良い画像になりやすい一方、ユーザーのプロンプトは短く会話的で、指定が不足しがちだと考えている。画像モデルには、学習時のキャプション分布に近い詳細な説明のほうが適している。そこでKreaは、短いプロンプトを画像モデルに適した長いキャプションへ写像する仕組みとしてプロンプト拡張器を設計した。

拡張器はまず、オープンな言語モデルを基にsupervised fine-tuningされる。学習データは、長いキャプションを短いユーザープロンプトへ対応づける合成ペアからなり、その逆方向、つまり短いプロンプトをモデル向けの説明へ拡張する方法を学ぶ。続いてKreaはreinforcement learningを使い、最終的な画質に対する拡張器の効果を最適化しながら、プロンプトへの忠実性、安全性、制約の検査を加える。出力が単一スタイルへ収束するのを防ぐため、DINOv3埋め込みの多様性スコアを使うことにも触れている。

Rawは学習用、Turboは推論用

RawとTurboは特に混同されやすい二つの名称だ。オープンソースリポジトリのREADMEは両者を明確に分けている。Rawは蒸留されていないベースモデルで、LoRA学習、post-training、研究実験に適している。Turboは日常的なtext-to-image生成に向けた、蒸留済みの高速推論版である。公式例も同じ考え方に従い、RawでLoRAを学習し、Turboで直接生成する。

違いは速度だけではない。Rawはモデルをさらに調整したい研究者に、学習空間をより多く残している。Turboはpost-training、fine-tuning、蒸留を経ており、視覚的な方向性を素早く確認する用途に適する。どちらもオープンウェイトで公開されているが、Rawを通常の画像生成の入口として扱うべきではなく、Turboを学習用の基盤と説明すべきでもない。

Hugging FaceのTurboモデルカードは、モデルファミリー、公開形式、学習データの出典、安全上の制限、ライセンス要件もまとめている。導入者にはフィルタリングや審査が必要であり、出力の責任は引き続きユーザーにあると注意を促す。オープンウェイトは研究と導入の敷居を下げるが、著作権、肖像、違法コンテンツ、プラットフォーム規則の境界をなくすものではない。

視覚的な方向性を生み出すモデルに近い

Kreaのリリースページにある作例は、人物とシーン、製品コンセプト、ファッション素材の質感、室内の雰囲気、映画的な照明、エディトリアルイラストに重点を置いている。主にポスター文字やロゴ再現のためのシステムとして紹介されているわけではない。一枚の画像で被写体、素材、光、構図、スタイルの参照元をまとめて扱おうとしている。

そのためKrea 2は、抽象的なスタイル目標を比較可能な複数の画像へ変えるという、クリエイティブ制作フローの上流に近い。ブランドのムードボード、製品コンセプト、キャンペーンビジュアル、カバーの方向性、キャラクター設定、空間の雰囲気は、公開作例に繰り返し登場する。厳密なレイアウト、読みやすい長文、パッケージ文言、ブランドマークが必要な作業では、文字やレイアウトを専門に制御する能力が依然として重要になる。

リーダーボードは一つの見方にすぎない

Kreaは第三者評価やモデル選好リーダーボードにも言及しているが、それだけで答えられるのは問いの一部に限られる。text-to-imageの選好評価は通常、一つの手順の中でプロンプト、出力画像、人間の好みを比較する。幅広い視覚的魅力を把握するには役立つが、タスク固有の判断の代わりにはならない。文字描画、中国語タイトル、ロゴ、複雑なレイアウト、キャラクターの一貫性、商用納品の規則は、いずれも個別に確認する必要がある。

Krea 2はオープンウェイトとホスト型製品を同じモデルファミリーに置いている。Rawは学習の余地を開いたままにし、Turboはより直接的な推論経路を提供する。この構成により、研究用チェックポイントと製品モデルを分断するのではなく、研究者、開発者、クリエイターが共通のモデル資料一式を利用できる。

したがって、実用上の比較は単純に「どのモデルが勝つか」ではない。Krea 2 Turboは高速な視覚方向づけモデルとして捉えやすく、Rawは継続学習の経路である。より大規模なDiTシステムも、単一の洗練された結果のために遅い推論を許容できる制作フローでは、引き続き有力だ。本記事はこうした役割を分け、公開内容を一般的な「画像モデル」という一つのラベルに押し込めない。

公開資料が示す境界

今回の公開には相互確認できる複数の情報源がある。リリースページは視覚的な目標を示し、オープンソースページはウェイトの入手可能性を説明し、技術レポートは学習工程を解説する。GitHubリポジトリは推論の入口を提供し、Hugging Faceモデルカードはウェイト、データソース、リスク、ライセンス要件を列挙する。各情報源の役割は異なるため、一つだけを基にKrea 2を要約すべきではない。

クリエイターにとってKrea 2は、オープンウェイトモデルを美的表現や製品の質感をめぐる議論へ戻す。開発者には、RawとTurboの同時公開によって、学習を続けるか、直接推論するかという二つの異なる経路が提供される。導入者にとっては、モデルカードにある安全性、フィルタリング、ライセンスの要件が、公開前に対応すべき境界として残る。