Krea 2: Krea AI выпускает веса Raw и Turbo для генерации изображений

От страницы релиза до карточки модели

Публичные материалы Krea 2 разделены на несколько уровней. Страница релиза продукта показывает примеры и сценарии применения творческих инструментов. Страница open-source-релиза сообщает о доступности весов Raw и Turbo. Репозиторий GitHub предоставляет код инференса. Карточка модели Hugging Face фиксирует тип модели, архитектуру, лицензию, обучающие данные, меры безопасности и ответственность за результаты. Технический отчёт опубликован 23 июня 2026 года, а на странице он обозначен как материал на 58 минут чтения.

Krea называет Krea 2 базовой моделью text-to-image с открытыми весами для творческого поиска. В карточке модели формат релиза указан как открытые веса плюс интеграция с продуктами, размещёнными Krea. Там сказано, что обучающие данные включают общедоступные данные, данные сторонних поставщиков по лицензии и синтетические данные, созданные собственными методами. Карточка также сообщает, что вредоносный контент фильтруется до обучения, а доля низкокачественных, дублирующихся и нерелевантных данных сокращается.

Технический отчёт подробнее раскрывает конвейер данных. По словам Krea, в данных для предобучения нет изображений, сгенерированных AI, а внутренние классификаторы отфильтровывают шум, чрезмерную обработку, логотипы, водяные знаки, NSFW-контент, мемы и снимки экрана. Конвейер создания подписей сочетает OCR, метаданные и мультимодальное понимание, чтобы формировать более полные описания изображений. В обучение также добавляются более короткие пользовательские промпты, поэтому модель видит и длинные подписи, и реальные творческие запросы.

Обучение переходит от низкого разрешения к высокому

Krea 2 использует Diffusion Transformer как основу генерации изображений. Согласно техническому отчёту, предобучение последовательно переходит от 256px к 512px, а затем к 1024px. Финальная модель использует функцию потерь rectified flow и v-parameterization. В отчёте также сказано, что на раннем этапе обучения в низком разрешении команда применяла iREPA для ускорения сходимости, а затем убрала её, чтобы MMDiT мог сформировать собственные представления.

Далее процесс проходит через midtraining, supervised fine-tuning, оптимизацию предпочтений и обучение с подкреплением. До supervised fine-tuning этап midtraining адаптирует модель к распределению, более близкому к последующим задачам. На этапе supervised fine-tuning используется меньший, специально отфильтрованный набор изображений с высокой эстетической оценкой, чтобы повысить общее качество checkpoint и устранить проблемы с перенасыщенностью и текстурами в ранних checkpoint.

Оптимизация предпочтений разделена на два шага: сначала крупный проход по синтетическим парам предпочтений, затем калибровка по внутренним человеческим меткам. На этапе обучения с подкреплением применяется многокритериальный метод, похожий на GRPO, с моделями награды за общую эстетику, следование промпту, отрисовку текста, структуру и артефакты. В отчёте также сказано, что Krea обучила отдельную модель награды за артефакты, чтобы уменьшить структурные ошибки — лишние пальцы, искажённые конечности и деформированный текст.

Расширитель промптов входит в состав релиза

Технический отчёт уделяет расширителю промптов значительное место. Krea исходит из того, что насыщенные деталями промпты часто дают лучшие изображения, тогда как пользовательские запросы обычно короткие, разговорные и недостаточно конкретные. Для моделей изображений лучше подходят подробные описания, близкие к распределению обучающих подписей. Поэтому Krea проектирует расширитель как преобразователь короткого промпта в более длинную подпись, удобную для модели изображений.

Сначала расширитель проходит supervised fine-tuning на основе открытой языковой модели. Его обучающие данные состоят из синтетических пар, сопоставляющих длинные подписи коротким пользовательским промптам, после чего модель учится обратному направлению: разворачивать короткие промпты в удобные для модели описания. Затем Krea применяет обучение с подкреплением, чтобы оптимизировать влияние расширителя на итоговое качество изображения, добавляя проверки соответствия промпту, безопасности и ограничений. В отчёте также упоминается оценка разнообразия embedding DINOv3, не позволяющая результатам схлопнуться в один стиль.

Raw предназначена для обучения, Turbo — для инференса

Raw и Turbo — два названия, которые особенно легко перепутать. README open-source-репозитория чётко их разделяет: Raw — недистиллированная базовая модель, лучше подходящая для обучения LoRA, post-training и исследований; Turbo — дистиллированная версия для быстрого инференса и повседневной генерации text-to-image. Официальные примеры следуют той же логике: LoRA обучают на Raw, а изображения напрямую генерируют с Turbo.

Различие связано не только со скоростью. Raw сохраняет больше пространства для исследователей, желающих продолжать формирование модели. Turbo прошла post-training, fine-tuning и дистилляцию, поэтому лучше подходит для быстрой проверки визуального направления. Оба релиза имеют открытые веса, но Raw не следует считать обычной отправной точкой генерации, а Turbo — называть базой для обучения.

Карточка модели Turbo на Hugging Face также объединяет сведения о семействе модели, формате релиза, источниках обучающих данных, ограничениях безопасности и требованиях лицензии. Она напоминает специалистам по развёртыванию о необходимости фильтрации или проверки и об ответственности пользователей за результаты. Открытые веса снижают порог для исследований и развёртывания; они не отменяют границ, связанных с авторским правом, правом на изображение, незаконным контентом и правилами платформ.

Модель скорее работает как генератор визуального направления

Примеры на странице релиза Krea сосредоточены на людях и сценах, концептуальных продуктах, модных фактурах, настроении интерьеров, кинематографическом освещении и журнальной иллюстрации. Модель не представлена прежде всего как система для текста на плакатах или воссоздания логотипов. Она стремится объединить объект, материал, свет, композицию и источник стиля в одном изображении.

Это приближает Krea 2 к началу творческого процесса: преобразованию абстрактной стилевой цели в несколько изображений для сравнения. Мудборды бренда, концепции продуктов, визуальные материалы кампаний, направления для обложек, постановки персонажей и пространственные атмосферы постоянно встречаются в публичных примерах. Когда задача требует строгой компоновки, читаемого длинного текста, текста на упаковке или фирменных знаков, по-прежнему важны специализированные возможности управления текстом и макетом.

Лидерборды — лишь один ракурс

Krea также ссылается на сторонние оценки и лидерборды предпочтений моделей, но они отвечают лишь на часть вопроса. Оценки предпочтений text-to-image обычно сравнивают промпты, полученные изображения и человеческие предпочтения в рамках одного процесса. Они полезны для понимания общей визуальной привлекательности, но не заменяют оценку конкретной задачи. Отрисовка текста, китайские заголовки, логотипы, сложная компоновка, постоянство персонажей и правила коммерческой поставки требуют отдельной проверки.

Krea 2 объединяет открытые веса и хостинговый продукт в одном семействе моделей. Raw сохраняет пространство для обучения открытым, а Turbo предлагает более прямой путь инференса. Такая схема даёт исследователям, разработчикам и авторам общий набор материалов модели вместо разделения между исследовательским checkpoint и продуктовой моделью.

Поэтому практическое сравнение не сводится к вопросу «какая модель победила». Krea 2 Turbo удобнее воспринимать как быструю модель визуального направления; Raw — это путь продолжения обучения; более тяжёлые системы DiT сохраняют актуальность, когда процесс может позволить себе более медленный инференс ради одного тщательно отработанного результата. Статья разделяет эти задачи, чтобы релиз не сводился к общей метке «модель изображений».

Границы, заданные публичными материалами

У этого релиза есть несколько взаимно проверяемых источников: страница релиза показывает визуальную цель, страница open source объясняет доступность весов, технический отчёт описывает процесс обучения, репозиторий GitHub предоставляет точку входа для инференса, а карточка модели Hugging Face перечисляет веса, источники данных, риски и требования лицензии. Каждый источник выполняет свою роль, поэтому Krea 2 нельзя описывать лишь по одному из них.

Для авторов Krea 2 возвращает модели с открытыми весами в обсуждение эстетики и ощущения от продукта. Разработчикам параллельный выпуск Raw и Turbo даёт два разных пути: продолжить обучение или сразу запустить инференс. Для специалистов по развёртыванию требования к безопасности, фильтрации и лицензии из карточки модели остаются границами, которые необходимо учесть до запуска.