Krea 2: Krea AI slipper Raw- og Turbo-vekter for bildegenerering
Krea AI slapp Krea 2 Raw og Krea 2 Turbo som åpne vekter. Den tekniske rapporten beskriver Krea 2 som en 12B tekst-til-bilde-diffusjonsmodell trent fra bunnen av, og beskriver datafiltrering, caption-pipeline, ettertrening, reinforcement learning samt sikkerhets- og lisensgrenser.
Modellnytt / Krea AI
Krea AI presenterte Krea 2 i juni 2026 og ga senere ut Raw og Turbo som to kontrollpunkter med åpne vekter. Den offisielle tekniske rapporten beskriver Krea 2 som en tekst-til-bilde-diffusjonsmodell med 12 milliarder parametere, trent fra grunnen av, med komponenter som en multimodal språkmodell, en Diffusion Transformer og en bildeautoenkoder. Krea publiserte også en lanseringsside, teknisk rapport, GitHub-repositorium, modellkort på Hugging Face og lisenstekst.
Utgivelsen setter Kreas langvarige vekt på «estetikk» inn i en sammenheng med åpne vekter. Det offisielle materialet omtaler ikke Krea 2 bare som en modell for fotorealisme eller resultatlister. Den presenteres rundt utforskning av stil, produktkonsepter, mennesker og scener, materialtekstur og kreative arbeidsflyter. Raw er beregnet på trening og forskning, mens Turbo er beregnet på rask inferens; repositoriet og modellkortene holder disse bruksområdene atskilt.
Fra lanseringsside til modellkort
Det offentlige materialet om Krea 2 er fordelt på flere nivåer. Produktsiden viser eksempler og bruk i kreative verktøy. Siden for åpen kildekode forklarer at Raw- og Turbo-vektene er tilgjengelige. GitHub-repositoriet inneholder inferenskode. Modellkortet på Hugging Face registrerer modelltype, arkitektur, lisens, treningsdata, sikkerhetstiltak og ansvar for resultater. Den tekniske rapporten ble publisert 23. juni 2026, og siden oppgir en lesetid på 58 minutter.
Krea kaller Krea 2 en tekst-til-bilde-grunnmodell med åpne vekter for kreativ utforskning. Modellkortet beskriver formatet som åpne vekter kombinert med Kreas driftede produkter. Treningsdataene omfatter offentlig tilgjengelige data, lisensierte tredjepartsdata og syntetiske data fremstilt med proprietære metoder. Kortet sier også at skadelig innhold filtreres før trening, og at data av lav kvalitet, duplikater og irrelevante data reduseres.
Den tekniske rapporten utdyper dataprosessen. Krea sier at fortreningen ikke bruker AI-genererte bilder, og at interne klassifikatorer filtrerer støy, overredigering, logoer, vannmerker, NSFW-innhold, memer og skjermbilder. Tekstingsprosessen kombinerer OCR, metadata og multimodal forståelse for å lage mer fullstendige bildebeskrivelser. Treningen blander også inn kortere instruksjoner i brukernes stil, slik at modellen møter både lange bildetekster og reelle kreative forespørsler.
Treningen går fra lav til høy oppløsning
Krea 2 bruker en Diffusion Transformer som kjerne for bildegenerering. Den tekniske rapporten sier at fortreningen går fra 256 px til 512 px og deretter 1024 px. Den endelige modellen bruker rectified-flow-tap og v-parametrisering. Rapporten sier også at teamet brukte iREPA tidlig i treningen med lav oppløsning for å fremskynde konvergensen, og deretter fjernet den slik at MMDiT kunne lære sine egne representasjoner.
Prosessen går videre gjennom mellomtrening, veiledet finjustering, preferanseoptimalisering og forsterkningslæring. Mellomtreningen tilpasser modellen til en fordeling som ligger nærmere etterfølgende oppgaver før den veiledede finjusteringen. Finjusteringen bruker et mindre, særskilt filtrert sett med bilder av høy estetisk kvalitet for å forbedre kontrollpunktet og rette opp sterk metning og teksturproblemer i tidlige versjoner.
Preferanseoptimaliseringen deles i to trinn: først en stor runde med syntetiske preferansepar, deretter kalibrering med interne menneskelige etiketter. Forsterkningslæringen bruker en GRPO-lignende metode med flere belønninger og belønningsmodeller for samlet estetikk, etterlevelse av instruksjonen, tekstgjengivelse, struktur og artefakter. Rapporten sier også at Krea trente en egen artefaktmodell for å redusere strukturelle feil som ekstra fingre, forvridde lemmer og skjev tekst.
Instruksjonsutvideren er en del av utgivelsen
Den tekniske rapporten bruker betydelig plass på instruksjonsutvideren. Kreas syn er at detaljerte instruksjoner ofte gir bedre bilder, mens brukernes instruksjoner gjerne er korte, samtalepregede og lite spesifikke. Bildemodeller får mer ut av detaljerte beskrivelser som ligger nærmere fordelingen i treningsbildetekstene. Krea utformer derfor utvideren som en funksjon som gjør en kort instruksjon om til en lengre beskrivelse tilpasset bildemodellen.
Utvideren blir først veiledet finjustert fra en åpen språkmodell. Treningsdataene kommer fra syntetiske par som knytter lange bildetekster til korte brukerforespørsler, før modellen lærer motsatt retning: å utvide korte instruksjoner til modellvennlige beskrivelser. Krea bruker deretter forsterkningslæring til å forbedre virkningen på den endelige bildekvaliteten og legger til kontroller for instruksjonstrohet, sikkerhet og begrensninger. Rapporten nevner også en mangfoldsskår basert på DINOv3-embeddinger for å hindre at resultatene kollapser til én stil.
Raw er for trening, Turbo er for inferens
Raw og Turbo er navnene det er lettest å blande sammen. README-filen i repositoriet skiller dem tydelig: Raw er den udestillerte grunnmodellen, best egnet til LoRA-trening, ettertrening og forskning; Turbo er den destillerte versjonen for rask inferens og daglig tekst-til-bilde-generering. De offisielle eksemplene følger samme logikk: Tren LoRA-er på Raw og generer direkte med Turbo.
Forskjellen handler om mer enn hastighet. Raw bevarer mer av treningsrommet for forskere som vil fortsette å forme modellen. Turbo har vært gjennom ettertrening, finjustering og destillasjon og egner seg derfor bedre til raske kontroller av visuell retning. Begge har åpne vekter, men Raw bør ikke behandles som det vanlige startpunktet for generering, og Turbo bør ikke beskrives som treningsgrunnlaget.
Hugging Face-kortet for Turbo samler også modellfamilie, utgivelsesformat, datakilder, sikkerhetsgrenser og lisenskrav. Det minner de som drifter modellen om at filtrering eller gjennomgang er nødvendig, og at brukerne fortsatt har ansvar for resultatene. Åpne vekter senker terskelen for forskning og utrulling, men fjerner ikke grenser for opphavsrett, personlikhet, ulovlig innhold eller plattformregler.
| Kontrollpunkt | Offisiell rolle | Best egnet til | Avgrensning |
|---|---|---|---|
| Krea 2 Raw | Udestillert grunnkontrollpunkt | LoRA-trening, ettertrening, forskning og stiltilpasning. | Bevarer treningsrommet; er ikke den vanlige inngangen til rask generering. |
| Krea 2 Turbo | Destillert kontrollpunkt med 8 trinn | Rask tekst-til-bilde-generering, kontroll av visuell retning og kreativ iterasjon. | Er inferensbanen og bør ikke beskrives som grunnkontrollpunkt for videre trening. |
Oppfører seg mer som en generator for visuell retning
Eksemplene på Kreas lanseringsside fokuserer på mennesker og scener, konseptprodukter, moteteksturer, interiørstemning, filmatisk lys og redaksjonell illustrasjon. Modellen presenteres ikke først og fremst som et system for plakatskrift eller gjenoppbygging av logoer. Den forsøker å håndtere motiv, materiale, lys, komposisjon og stilreferanse i det samme bildet.
Dette plasserer Krea 2 nær starten på en kreativ arbeidsflyt: å gjøre et abstrakt stilmål om til flere bilder som kan sammenlignes. Merkevare-moodboards, produktkonsepter, kampanjemotiver, omslagsretninger, karakterstudier og romlige atmosfærer går igjen i de offentlige eksemplene. Når oppgaven krever strengt oppsett, lesbar lang tekst, emballasjetekst eller varemerker, er spesialisert tekst- og layoutkontroll fortsatt viktig.
Resultatlister er bare ett perspektiv
Krea viser også til tredjepartsevalueringer og preferanselister for modeller, men disse kan bare svare på en del av spørsmålet. Preferanseevalueringer for tekst til bilde sammenligner vanligvis instruksjoner, resultatbilder og menneskelige valg innenfor én prosess. De er nyttige for å lese bred visuell appell, men erstatter ikke oppgavespesifikke vurderinger. Tekstgjengivelse, kinesiske titler, logoer, komplekse oppsett, konsistente figurer og kommersielle leveringsregler krever egne kontroller.
Krea 2 plasserer åpne vekter og det driftede produktet i samme modellfamilie. Raw holder treningsrommet åpent, mens Turbo tilbyr en mer direkte inferensbane. Forskere, utviklere og skapere får dermed ett felles sett med modellmateriale i stedet for et skille mellom forskningskontrollpunkt og produktmodell.
Den praktiske sammenligningen er derfor ikke bare «hvilken modell vinner». Krea 2 Turbo forstås best som en rask modell for visuell retning; Raw er veien for videre trening; tyngre DiT-systemer er fortsatt relevante når en arbeidsflyt kan godta langsommere inferens for ett gjennomarbeidet resultat. Oppgavene holdes atskilt slik at utgivelsen ikke flates ut til én generell merkelapp som «bildemodell».
Grensene i det offentlige materialet
Utgivelsen har flere kilder som kan kryssjekkes: lanseringssiden viser det visuelle målet, siden for åpen kildekode forklarer tilgjengeligheten av vektene, den tekniske rapporten beskriver treningen, GitHub-repositoriet gir et startpunkt for inferens, og Hugging Face-kortet lister vekter, datakilder, risiko og lisenskrav. Hver kilde har sin rolle, og Krea 2 bør derfor ikke oppsummeres ut fra bare én av dem.
For skapere bringer Krea 2 modeller med åpne vekter tilbake i diskusjonen om estetikk og produktfølelse. For utviklere gir den parallelle utgivelsen av Raw og Turbo to ulike veier: videre trening eller direkte inferens. For drift må sikkerhets-, filtrerings- og lisenskravene i modellkortet fortsatt håndteres før lansering.