Krea 2: Krea AI เปิดตัวน้ำหนัก Raw และ Turbo สำหรับสร้างภาพ

จากหน้าประกาศสู่การ์ดโมเดล

ข้อมูลสาธารณะของ Krea 2 แบ่งออกเป็นหลายชั้น หน้าประกาศผลิตภัณฑ์แสดงตัวอย่างและกรณีใช้เครื่องมือสร้างสรรค์ หน้าประกาศโอเพนซอร์สอธิบายว่าเวต Raw และ Turbo เปิดให้ใช้งาน คลัง GitHub ให้โค้ดสำหรับการอนุมาน ส่วนการ์ดโมเดลบน Hugging Face บันทึกชนิดโมเดล สถาปัตยกรรม สัญญาอนุญาต ข้อมูลฝึก มาตรการความปลอดภัย และความรับผิดชอบต่อผลลัพธ์ รายงานทางเทคนิคเผยแพร่เมื่อ 23 มิถุนายน 2026 และหน้าดังกล่าวระบุว่าใช้เวลาอ่าน 58 นาที

Krea เรียก Krea 2 ว่าโมเดลรากฐานจากข้อความเป็นภาพแบบเปิดเวตสำหรับการสำรวจเชิงสร้างสรรค์ การ์ดโมเดลระบุรูปแบบการเผยแพร่ว่าเป็นเวตแบบเปิดควบคู่กับการผสานรวมในผลิตภัณฑ์ที่ Krea ให้บริการ และระบุว่าข้อมูลฝึกประกอบด้วยข้อมูลที่เปิดเผยต่อสาธารณะ ข้อมูลจากบุคคลที่สามภายใต้สัญญาอนุญาต และข้อมูลสังเคราะห์ที่สร้างด้วยวิธีเฉพาะ นอกจากนี้ยังระบุว่ามีการกรองเนื้อหาที่เป็นอันตรายก่อนฝึก และลดข้อมูลคุณภาพต่ำ ข้อมูลซ้ำ หรือข้อมูลที่ไม่เกี่ยวข้อง

รายงานทางเทคนิคให้รายละเอียดเพิ่มเติมเกี่ยวกับสายงานข้อมูล Krea ระบุว่าข้อมูลก่อนฝึกไม่ใช้ภาพที่สร้างโดย AI และตัวจำแนกภายในจะกรองสัญญาณรบกวน การแก้ไขมากเกินไป โลโก้ ลายน้ำ เนื้อหา NSFW มีม และภาพหน้าจอ สายงานสร้างคำบรรยายผสาน OCR เมทาดาทา และความเข้าใจหลายรูปแบบเพื่อสร้างคำอธิบายภาพที่ครบถ้วนขึ้น การฝึกยังผสมพรอมต์สั้นในแบบที่ผู้ใช้มักเขียน เพื่อให้โมเดลพบทั้งคำบรรยายยาวและพรอมต์สร้างสรรค์ที่ใช้จริง

การฝึกไล่จากความละเอียดต่ำไปสูง

Krea 2 ใช้ Diffusion Transformer เป็นแกนหลักในการสร้างภาพ รายงานทางเทคนิคระบุว่าการฝึกล่วงหน้าไล่จาก 256px ไป 512px แล้วจึง 1024px โมเดลสุดท้ายใช้ rectified-flow loss และ v-parameterization รายงานยังระบุว่าทีมใช้ iREPA ระหว่างช่วงแรกของการฝึกที่ความละเอียดต่ำเพื่อเร่งการลู่เข้า ก่อนนำออกเพื่อให้ MMDiT เรียนรู้ตัวแทนของตัวเอง

จากนั้นกระบวนการฝึกเดินต่อผ่าน midtraining, supervised fine-tuning, การปรับความชอบให้เหมาะสม และ reinforcement learning โดย midtraining ปรับโมเดลให้เข้ากับการกระจายที่ใกล้เคียงงานปลายทางมากขึ้นก่อน supervised fine-tuning ขั้น supervised fine-tuning ใช้ชุดภาพสุนทรียภาพสูงที่เล็กกว่าและผ่านการคัดกรองเฉพาะ เพื่อยกระดับคุณภาพโดยรวมของเช็กพอยต์และแก้ปัญหาความอิ่มสีสูงกับพื้นผิวในเช็กพอยต์ระยะแรก

การปรับความชอบแบ่งเป็นสองขั้น ขั้นแรกประมวลผลคู่ความชอบสังเคราะห์ขนาดใหญ่ จากนั้นปรับเทียบด้วยป้ายกำกับจากมนุษย์ภายในองค์กร ขั้น reinforcement learning ใช้วิธีหลายรางวัลคล้าย GRPO พร้อมโมเดลรางวัลสำหรับสุนทรียภาพโดยรวม การทำตามพรอมต์ การแสดงข้อความ โครงสร้าง และสิ่งแปลกปลอม รายงานยังระบุว่า Krea ฝึกโมเดลรางวัลเฉพาะสำหรับสิ่งแปลกปลอม เพื่อลดข้อผิดพลาดเชิงโครงสร้าง เช่น นิ้วเกิน แขนขาบิดเบี้ยว และข้อความผิดรูป

ตัวขยายพรอมต์เป็นส่วนหนึ่งของรุ่นเผยแพร่

รายงานทางเทคนิคให้พื้นที่กับตัวขยายพรอมต์อย่างมาก มุมมองของ Krea คือพรอมต์ที่มีรายละเอียดหนาแน่นมักให้ภาพดีกว่า ขณะที่พรอมต์ของผู้ใช้มักสั้น เป็นภาษาสนทนา และระบุข้อมูลไม่ครบ โมเดลภาพได้ประโยชน์จากคำอธิบายละเอียดที่ใกล้กับการกระจายของคำบรรยายในข้อมูลฝึกมากกว่า Krea จึงออกแบบตัวขยายพรอมต์ให้จับคู่พรอมต์สั้นไปเป็นคำบรรยายที่ยาวขึ้นและเป็นมิตรต่อโมเดลภาพ

ตัวขยายผ่าน supervised fine-tuning จากโมเดลภาษาแบบเปิดก่อน ข้อมูลฝึกมาจากคู่สังเคราะห์ที่จับคู่คำบรรยายยาวกับพรอมต์ผู้ใช้แบบสั้น แล้วเรียนรู้ทิศทางย้อนกลับ คือขยายพรอมต์สั้นเป็นคำอธิบายที่เหมาะกับโมเดล จากนั้น Krea ใช้ reinforcement learning เพื่อปรับผลของตัวขยายต่อคุณภาพภาพสุดท้ายให้เหมาะสม พร้อมเพิ่มการตรวจสอบความตรงต่อพรอมต์ ความปลอดภัย และข้อจำกัด รายงานยังกล่าวถึงคะแนนความหลากหลายของ embedding จาก DINOv3 เพื่อป้องกันไม่ให้ผลลัพธ์ยุบเหลือสไตล์เดียว

Raw ใช้สำหรับฝึก ส่วน Turbo ใช้สำหรับอนุมาน

Raw และ Turbo เป็นสองชื่อที่มักถูกสับสนมากที่สุด README ของคลังโอเพนซอร์สแยกทั้งคู่ไว้อย่างชัดเจน: Raw คือโมเดลพื้นฐานที่ยังไม่ผ่านการกลั่น เหมาะกับการฝึก LoRA, post-training และการทดลองวิจัยมากกว่า ส่วน Turbo คือรุ่นกลั่นสำหรับการอนุมานเร็วที่ใช้สร้างภาพจากข้อความในชีวิตประจำวัน ตัวอย่างอย่างเป็นทางการใช้ตรรกะเดียวกัน คือฝึก LoRA บน Raw และสร้างภาพโดยตรงด้วย Turbo

ความแตกต่างนี้ไม่ใช่แค่เรื่องความเร็ว Raw รักษาพื้นที่การฝึกไว้มากกว่าสำหรับนักวิจัยที่ต้องการปรับแต่งโมเดลต่อ Turbo ผ่าน post-training, fine-tuning และการกลั่นมาแล้ว จึงเหมาะกับการตรวจสอบทิศทางภาพอย่างรวดเร็ว ทั้งสองเป็นรุ่นเปิดเวต แต่ไม่ควรใช้ Raw เป็นทางเข้าปกติสำหรับการสร้างภาพ และไม่ควรอธิบาย Turbo ว่าเป็นฐานสำหรับการฝึก

การ์ดโมเดล Turbo บน Hugging Face ยังรวบรวมตระกูลโมเดล รูปแบบการเผยแพร่ แหล่งข้อมูลฝึก ขีดจำกัดด้านความปลอดภัย และข้อกำหนดของสัญญาอนุญาต โดยเตือนผู้ติดตั้งว่าต้องมีการกรองหรือทบทวน และผู้ใช้ยังคงรับผิดชอบต่อผลลัพธ์ เวตแบบเปิดลดอุปสรรคสำหรับการวิจัยและติดตั้ง แต่ไม่ได้ลบขอบเขตเรื่องลิขสิทธิ์ ความเหมือนบุคคล เนื้อหาผิดกฎหมาย หรือกฎของแพลตฟอร์ม

ทำงานคล้ายเครื่องมือสร้างทิศทางภาพมากกว่า

ตัวอย่างในหน้าประกาศของ Krea เน้นบุคคลและฉาก แนวคิดผลิตภัณฑ์ พื้นผิวแฟชั่น บรรยากาศภายใน แสงแบบภาพยนตร์ และภาพประกอบเชิงบรรณาธิการ โมเดลไม่ได้ถูกนำเสนอเป็นหลักในฐานะระบบสร้างข้อความโปสเตอร์หรือสร้างโลโก้ขึ้นใหม่ แต่พยายามจัดการตัวแบบ วัสดุ แสง องค์ประกอบ และแหล่งสไตล์ไว้ในภาพเดียวกัน

สิ่งนี้ทำให้ Krea 2 อยู่ใกล้กับต้นทางของกระบวนการสร้างสรรค์มากขึ้น คือเปลี่ยนเป้าหมายสไตล์เชิงนามธรรมเป็นภาพหลายภาพที่นำมาเปรียบเทียบได้ มู้ดบอร์ดแบรนด์ แนวคิดผลิตภัณฑ์ ภาพแคมเปญ แนวทางปก การจัดตัวละคร และบรรยากาศของพื้นที่ ล้วนปรากฏซ้ำในตัวอย่างสาธารณะ เมื่องานต้องการเลย์เอาต์เคร่งครัด ข้อความยาวที่อ่านได้ ข้อความบนบรรจุภัณฑ์ หรือเครื่องหมายแบรนด์ ความสามารถเฉพาะด้านการควบคุมข้อความและเลย์เอาต์ยังคงสำคัญ

ตารางจัดอันดับเป็นเพียงมุมมองหนึ่ง

Krea ยังอ้างอิงการประเมินจากบุคคลที่สามและตารางความชอบของโมเดล แต่สิ่งเหล่านั้นตอบได้เพียงบางส่วนของคำถาม การประเมินความชอบจากข้อความเป็นภาพมักเปรียบเทียบพรอมต์ ภาพผลลัพธ์ และความชอบของมนุษย์ภายในกระบวนการเดียว มีประโยชน์ต่อการอ่านความดึงดูดทางภาพโดยรวม แต่แทนการตัดสินเฉพาะงานไม่ได้ การแสดงข้อความ ชื่อภาษาจีน โลโก้ เลย์เอาต์ซับซ้อน ความสม่ำเสมอของตัวละคร และกฎการส่งมอบเชิงพาณิชย์ ล้วนต้องทบทวนแยกกัน

Krea 2 วางเวตแบบเปิดและผลิตภัณฑ์ที่โฮสต์ไว้ในตระกูลโมเดลเดียวกัน Raw เปิดพื้นที่การฝึกไว้ ส่วน Turbo ให้เส้นทางอนุมานที่ตรงกว่า การจัดวางนี้ทำให้นักวิจัย นักพัฒนา และผู้สร้างใช้ชุดทรัพยากรโมเดลร่วมกัน แทนการแยกเช็กพอยต์วิจัยออกจากโมเดลผลิตภัณฑ์

ดังนั้น การเปรียบเทียบในทางปฏิบัติจึงไม่ใช่เพียง “โมเดลใดชนะ” Krea 2 Turbo เข้าใจได้ง่ายกว่าในฐานะโมเดลกำหนดทิศทางภาพที่รวดเร็ว Raw คือเส้นทางสำหรับฝึกต่อ และระบบ DiT ที่หนักกว่ายังคงมีความสำคัญเมื่อกระบวนการยอมรับการอนุมานที่ช้าลงเพื่อผลลัพธ์ขัดเกลาหนึ่งชิ้นได้ บทความแยกงานเหล่านี้ออกจากกัน เพื่อไม่ให้รุ่นเผยแพร่ถูกลดทอนเหลือป้ายทั่วไปเพียงคำว่า “โมเดลภาพ”

ขอบเขตที่ข้อมูลสาธารณะทิ้งไว้

รุ่นเผยแพร่นี้มีแหล่งข้อมูลที่ตรวจสอบไขว้ได้หลายแห่ง หน้าประกาศแสดงเป้าหมายด้านภาพ หน้าโอเพนซอร์สอธิบายการเข้าถึงเวต รายงานทางเทคนิคอธิบายกระบวนการฝึก คลัง GitHub ให้จุดเริ่มต้นสำหรับการอนุมาน และการ์ดโมเดลบน Hugging Face แสดงเวต แหล่งข้อมูล ความเสี่ยง และข้อกำหนดสัญญาอนุญาต แต่ละแหล่งมีบทบาทต่างกัน จึงไม่ควรสรุป Krea 2 จากเพียงแหล่งเดียว

สำหรับผู้สร้าง Krea 2 นำโมเดลเปิดเวตกลับเข้าสู่การสนทนาเรื่องสุนทรียภาพและความรู้สึกของผลิตภัณฑ์ สำหรับนักพัฒนา การเผยแพร่ Raw และ Turbo ควบคู่กันให้สองเส้นทางที่ต่างกัน คือฝึกต่อหรือรันการอนุมานโดยตรง สำหรับผู้ติดตั้ง ข้อกำหนดด้านความปลอดภัย การกรอง และสัญญาอนุญาตในการ์ดโมเดลยังเป็นขอบเขตที่ต้องจัดการก่อนเปิดตัว