Krea 2: Krea AI publikuje wagi Raw i Turbo do generowania obrazów
Krea AI opublikowała Krea 2 Raw i Krea 2 Turbo jako open weights. Raport techniczny opisuje Krea 2 jako model dyfuzyjny text-to-image 12B trenowany od zera i omawia filtrowanie danych, pipeline captionów, post-training, reinforcement learning oraz granice bezpieczeństwa i licencji.
Wiadomości o modelach / Krea AI
Krea AI zaprezentowała Krea 2 w czerwcu 2026 roku, a następnie udostępniła Raw i Turbo jako dwa checkpointy z otwartymi wagami. Oficjalny raport techniczny opisuje ten system jako model dyfuzyjny text-to-image o 12B parametrach, wytrenowany od podstaw i złożony między innymi z multimodalnego modelu językowego, Diffusion Transformer oraz autoenkodera obrazów. Krea opublikowała również stronę wydania, raport techniczny, repozytorium GitHub, kartę modelu Hugging Face i treść licencji.
To wydanie przenosi wieloletnie zainteresowanie Krea „estetyką” do świata otwartych wag. Oficjalne materiały nie przedstawiają Krea 2 wyłącznie jako modelu fotorealistycznego ani modelu do rankingów. Nacisk położono na eksplorację stylu, koncepcje produktów, ludzi i sceny, fakturę materiałów oraz kreatywne przepływy pracy. Raw jest przeznaczony do trenowania i badań, a Turbo do szybkiego wnioskowania; repozytorium i karty modeli wyraźnie rozdzielają te zastosowania.
Od strony wydania do karty modelu
Publiczne materiały Krea 2 są podzielone na kilka warstw. Strona wydania produktu prezentuje próbki i zastosowania narzędzi kreatywnych. Strona wydania open source wyjaśnia dostępność wag Raw i Turbo. Repozytorium GitHub zawiera kod wnioskowania. Karta modelu Hugging Face opisuje typ modelu, architekturę, licencję, dane treningowe, środki bezpieczeństwa i odpowiedzialność za wyniki. Raport techniczny opublikowano 23 czerwca 2026 roku, a strona określa go jako lekturę na 58 minut.
Krea nazywa Krea 2 bazowym modelem text-to-image z otwartymi wagami, przeznaczonym do kreatywnej eksploracji. Karta modelu określa format wydania jako otwarte wagi wraz z integracją z produktami hostowanymi przez Krea. Podaje, że dane treningowe obejmują dane publicznie dostępne, dane licencjonowane od podmiotów trzecich oraz dane syntetyczne wygenerowane metodami zastrzeżonymi. Karta informuje także o filtrowaniu szkodliwych treści przed treningiem i ograniczaniu danych niskiej jakości, duplikatów oraz materiałów nieistotnych.
Raport techniczny podaje więcej szczegółów o potoku danych. Krea twierdzi, że dane pretreningowe nie obejmują obrazów wygenerowanych przez AI, a wewnętrzne klasyfikatory odfiltrowują szum, nadmierną edycję, logo, znaki wodne, treści NSFW, memy i zrzuty ekranu. Potok tworzenia podpisów łączy OCR, metadane i rozumienie multimodalne, aby budować pełniejsze opisy obrazów. W treningu uwzględniono również krótsze prompty w stylu użytkowników, dzięki czemu model poznaje zarówno długie podpisy, jak i rzeczywiste prompty kreatywne.
Trening przechodzi od niskiej do wysokiej rozdzielczości
Krea 2 wykorzystuje Diffusion Transformer jako podstawę generowania obrazów. Według raportu technicznego pretrening przechodzi od 256px przez 512px do 1024px. Model końcowy stosuje stratę rectified flow i v-parameterization. Raport podaje również, że zespół używał iREPA na wczesnym etapie treningu w niskiej rozdzielczości, aby przyspieszyć zbieżność, a następnie usunął go, by MMDiT mógł nauczyć się własnych reprezentacji.
Proces treningowy przechodzi następnie przez midtraining, supervised fine-tuning, optymalizację preferencji i uczenie ze wzmocnieniem. Midtraining dostosowuje model do rozkładu bliższego zadaniom docelowym przed supervised fine-tuning. Etap supervised fine-tuning wykorzystuje mniejszy, specjalnie filtrowany zbiór wysoce estetycznych obrazów, aby poprawić ogólną jakość checkpointu oraz ograniczyć problemy z nadmiernym nasyceniem i fakturą we wczesnych checkpointach.
Optymalizację preferencji podzielono na dwa etapy: najpierw duży przebieg na syntetycznych parach preferencji, a potem kalibrację z wewnętrznymi etykietami nadanymi przez ludzi. Etap uczenia ze wzmocnieniem stosuje wielonagrodową metodę podobną do GRPO, z modelami nagrody oceniającymi ogólną estetykę, zgodność z promptem, renderowanie tekstu, strukturę i artefakty. Raport podaje też, że Krea wytrenowała dedykowany model nagrody za artefakty, aby ograniczyć błędy strukturalne, takie jak dodatkowe palce, zniekształcone kończyny i zdeformowany tekst.
Rozszerzanie promptów jest częścią wydania
Raport techniczny poświęca dużo miejsca modułowi rozszerzającemu prompty. Krea zakłada, że rozbudowane prompty często dają lepsze obrazy, podczas gdy prompty użytkowników są zwykle krótkie, konwersacyjne i niedookreślone. Modelom obrazowym lepiej służą szczegółowe opisy bliższe rozkładowi podpisów treningowych. Dlatego Krea projektuje moduł rozszerzający jako narzędzie przekształcające krótki prompt w dłuższy opis, lepiej dostosowany do modelu obrazowego.
Moduł jest najpierw poddawany supervised fine-tuning na bazie otwartego modelu językowego. Jego dane treningowe pochodzą z syntetycznych par mapujących długie podpisy na krótkie prompty użytkowników, po czym uczy się kierunku odwrotnego: rozwijania krótkich promptów w opisy przyjazne modelowi. Następnie Krea używa uczenia ze wzmocnieniem do optymalizacji wpływu modułu na końcową jakość obrazu, dodając kontrole zgodności z promptem, bezpieczeństwa i ograniczeń. Raport wspomina także o wyniku różnorodności embeddingów DINOv3, który zapobiega załamaniu się wyników do jednego stylu.
Raw służy do trenowania, Turbo do wnioskowania
Raw i Turbo to dwie nazwy, które najłatwiej pomylić. README repozytorium open source wyraźnie je rozdziela: Raw jest niedestylowanym modelem bazowym, lepiej nadającym się do trenowania LoRA, post-trainingu i badań; Turbo jest destylowaną wersją do szybkiego wnioskowania, przeznaczoną do codziennego generowania text-to-image. Oficjalne przykłady stosują tę samą logikę: LoRA trenuje się na Raw, a obrazy generuje bezpośrednio za pomocą Turbo.
Ta różnica dotyczy czegoś więcej niż prędkości. Raw zachowuje większą część przestrzeni treningowej dla badaczy, którzy chcą dalej kształtować model. Turbo przeszło post-training, fine-tuning i destylację, dzięki czemu lepiej nadaje się do szybkiego sprawdzania kierunków wizualnych. Oba wydania mają otwarte wagi, ale Raw nie należy traktować jako zwykłego punktu wejścia do generowania, a Turbo nie należy opisywać jako bazy treningowej.
Karta modelu Turbo na Hugging Face grupuje również rodzinę modelu, format wydania, źródła danych treningowych, ograniczenia bezpieczeństwa i wymagania licencyjne. Przypomina wdrażającym, że konieczne jest filtrowanie lub przegląd, a użytkownicy pozostają odpowiedzialni za wyniki. Otwarte wagi obniżają barierę dla badań i wdrożeń; nie usuwają granic związanych z prawami autorskimi, wizerunkiem, treściami nielegalnymi ani zasadami platform.
| Checkpoint | Oficjalna rola | Najlepsze zastosowanie | Granica |
|---|---|---|---|
| Krea 2 Raw | Niedestylowany checkpoint bazowy | Trenowanie LoRA, post-training, eksperymenty badawcze i adaptacja stylu. | Zachowuje przestrzeń treningową; nie jest codziennym punktem wejścia do szybkiego generowania. |
| Krea 2 Turbo | Destylowany checkpoint 8-step | Szybkie generowanie text-to-image, sprawdzanie kierunku wizualnego i twórcza iteracja. | Jest ścieżką wnioskowania; nie należy go opisywać jako checkpointu bazowego do dalszego trenowania. |
Działa raczej jak generator kierunku wizualnego
Próbki ze strony wydania Krea skupiają się na ludziach i scenach, koncepcyjnych produktach, fakturach modowych, nastroju wnętrz, filmowym oświetleniu i ilustracji redakcyjnej. Model nie jest prezentowany przede wszystkim jako system do tekstu plakatowego czy odtwarzania logo. Próbuje ująć temat, materiał, światło, kompozycję i źródło stylu w jednym obrazie.
To zbliża Krea 2 do początku kreatywnego przepływu pracy: przekształcania abstrakcyjnego celu stylistycznego w kilka obrazów, które można porównać. Moodboardy marki, koncepcje produktów, materiały kampanii, kierunki okładek, projekty postaci i atmosfery przestrzenne to powtarzające się scenariusze w publicznych próbkach. Gdy zadanie wymaga ścisłego układu, czytelnego długiego tekstu, tekstu na opakowaniu lub znaków marki, nadal liczą się wyspecjalizowane możliwości kontroli tekstu i kompozycji.
Rankingi są tylko jedną perspektywą
Krea odwołuje się także do ocen podmiotów trzecich i rankingów preferencji modeli, ale mogą one odpowiedzieć tylko na część pytania. Oceny preferencji text-to-image zwykle porównują prompty, obrazy wynikowe i preferencje ludzi w ramach jednego procesu. Pomagają odczytać ogólną atrakcyjność wizualną, ale nie zastępują oceny właściwej dla zadania. Renderowanie tekstu, chińskie tytuły, logo, złożony układ, spójne postacie i reguły dostarczenia komercyjnego wymagają osobnej weryfikacji.
Krea 2 umieszcza otwarte wagi i hostowany produkt w tej samej rodzinie modeli. Raw zachowuje otwartą przestrzeń treningową, a Turbo zapewnia bardziej bezpośrednią ścieżkę wnioskowania. Taki układ daje badaczom, programistom i twórcom wspólny zestaw materiałów modelowych zamiast podziału na checkpoint badawczy i model produktowy.
Praktyczne porównanie nie sprowadza się więc do pytania „który model wygrywa”. Krea 2 Turbo łatwiej rozumieć jako szybki model kierunku wizualnego; Raw jest ścieżką dalszego treningu; cięższe systemy DiT pozostają istotne, gdy przepływ pracy może pozwolić sobie na wolniejsze wnioskowanie w zamian za pojedynczy dopracowany wynik. Artykuł rozdziela te zadania, aby nie spłaszczać wydania do ogólnej etykiety „model obrazowy”.
Granice wynikające z materiałów publicznych
To wydanie ma kilka źródeł, które można wzajemnie sprawdzić: strona wydania pokazuje cel wizualny, strona open source wyjaśnia dostępność wag, raport techniczny opisuje proces treningowy, repozytorium GitHub udostępnia punkt wejścia do wnioskowania, a karta modelu Hugging Face wymienia wagi, źródła danych, ryzyka i wymagania licencyjne. Każde źródło pełni inną rolę, dlatego Krea 2 nie należy podsumowywać na podstawie tylko jednego z nich.
Dla twórców Krea 2 przywraca modele z otwartymi wagami do dyskusji o estetyce i charakterze produktu. Dla programistów równoległe wydanie Raw i Turbo zapewnia dwie różne drogi: kontynuować trening albo uruchomić wnioskowanie bezpośrednio. Dla wdrażających wymagania dotyczące bezpieczeństwa, filtrowania i licencji zapisane w karcie modelu pozostają granicami, które trzeba obsłużyć przed uruchomieniem.