Krea 2: Krea AI випускає ваги Raw і Turbo для генерації зображень

Від сторінки випуску до картки моделі

Публічні матеріали Krea 2 розподілені між кількома рівнями. Сторінка продукту показує приклади та сценарії творчих інструментів. Сторінка відкритого випуску пояснює доступність ваг Raw і Turbo. Репозиторій GitHub містить код виведення. Картка Hugging Face фіксує тип моделі, архітектуру, ліцензію, навчальні дані, заходи безпеки та відповідальність за результати. Технічний звіт опубліковано 23 червня 2026 року, а сторінка оцінює час читання у 58 хвилин.

Krea називає Krea 2 базовою текстово-графічною моделлю з відкритими вагами для творчого пошуку. Формат випуску в картці визначено як відкриті ваги плюс інтеграція з продуктами, які розміщує Krea. Навчальні дані включають загальнодоступні матеріали, ліцензовані дані третіх сторін і синтетичні дані, створені власними методами. Також зазначено, що шкідливий вміст фільтрується до навчання, а низькоякісні, повторювані чи нерелевантні дані скорочуються.

Технічний звіт докладніше описує конвеєр даних. Krea стверджує, що попереднє навчання не використовує зображення, створені ШІ, а внутрішні класифікатори відсіюють шум, надмірне редагування, логотипи, водяні знаки, NSFW-вміст, меми та знімки екрана. Конвеєр підписів поєднує OCR, метадані та мультимодальне розуміння для формування повніших описів. У навчання також додають коротші запити в стилі користувачів, щоб модель бачила і довгі підписи, і реальні творчі інструкції.

Навчання переходить від низької до високої роздільності

Ядром генерації зображень Krea 2 є Diffusion Transformer. Згідно зі звітом, попереднє навчання переходить від 256 px до 512 px, а потім до 1024 px. Остаточна модель використовує втрату rectified flow і v-параметризацію. Команда також застосовувала iREPA на ранньому етапі з низькою роздільністю для прискорення збіжності, а потім прибрала її, щоб MMDiT навчився власних представлень.

Далі процес проходить проміжне навчання, контрольоване донавчання, оптимізацію вподобань і навчання з підкріпленням. Проміжний етап наближає розподіл моделі до майбутніх завдань перед контрольованим донавчанням. Для нього використовується менший, спеціально відфільтрований набір високоякісних естетичних зображень, що підвищує загальну якість контрольного пункту й виправляє надмірну насиченість і проблеми фактури ранніх версій.

Оптимізація вподобань складається з двох кроків: спочатку великий прохід синтетичних пар, потім калібрування внутрішніми людськими оцінками. Навчання з підкріпленням використовує багатокритеріальний метод, подібний до GRPO, з моделями винагороди за загальну естетику, відповідність запиту, відтворення тексту, структуру й артефакти. У звіті також сказано, що Krea навчила окрему модель винагороди за відсутність артефактів, щоб зменшити такі структурні помилки, як зайві пальці, деформовані кінцівки й викривлений текст.

Розширювач запитів входить до випуску

Технічний звіт приділяє багато уваги розширювачу запитів. Krea вважає, що насичені деталями інструкції часто дають кращі зображення, тоді як користувацькі запити зазвичай короткі, розмовні й недостатньо конкретні. Моделі зображень краще працюють із докладними описами, близькими до розподілу навчальних підписів. Тому розширювач перетворює короткий запит на довший підпис, зручніший для графічної моделі.

Спочатку розширювач проходить контрольоване донавчання на відкритій мовній моделі. Дані походять із синтетичних пар, які співвідносять довгі підписи з короткими користувацькими запитами, а потім навчають зворотного напряму: розгортання коротких інструкцій у придатні для моделі описи. Після цього Krea застосовує навчання з підкріпленням для оптимізації впливу на підсумкову якість, додаючи перевірки відповідності запиту, безпеки й обмежень. Звіт також згадує оцінку різноманітності ембедингів DINOv3, яка запобігає зведенню результатів до одного стилю.

Raw — для навчання, Turbo — для виведення

Raw і Turbo — дві назви, які найпростіше сплутати. README репозиторію чітко їх розділяє: Raw є недистильованою базовою моделлю, краще придатною для навчання LoRA, подальшого навчання та досліджень; Turbo — дистильована версія швидкого виведення для щоденної генерації з тексту. Офіційні приклади дотримуються тієї самої логіки: навчати LoRA на Raw і генерувати безпосередньо з Turbo.

Різниця полягає не лише у швидкості. Raw зберігає більше навчального простору для дослідників, які хочуть продовжити формування моделі. Turbo пройшов подальше навчання, донавчання та дистиляцію, тому краще підходить для швидкої перевірки візуального напряму. Обидва випуски мають відкриті ваги, однак Raw не слід вважати звичайною точкою входу для генерації, а Turbo — базою для навчання.

Картка Turbo на Hugging Face також об'єднує відомості про сімейство, формат випуску, джерела даних, межі безпеки й ліцензійні вимоги. Вона нагадує, що під час розгортання потрібна фільтрація або перевірка, а користувачі залишаються відповідальними за результати. Відкриті ваги знижують поріг дослідження та розгортання, але не скасовують обмежень авторського права, права на образ, незаконного вмісту чи правил платформи.

Поведінка ближча до генератора візуального напряму

Приклади на сторінці Krea зосереджені на людях і сценах, концептуальних продуктах, фактурах моди, настрої інтер'єрів, кінематографічному освітленні та редакційній ілюстрації. Модель не подається передусім як система для тексту на плакатах чи відтворення логотипів. Вона намагається поєднати предмет, матеріал, світло, композицію та джерело стилю в одному зображенні.

Це розміщує Krea 2 на початку творчого процесу: перетворення абстрактної стилістичної мети на кілька зображень, які можна порівнювати. Мудборди бренду, концепції продуктів, матеріали кампаній, напрями обкладинок, налаштування персонажів і просторові атмосфери постійно з'являються в публічних прикладах. Коли завдання потребує суворого макета, читабельного довгого тексту, написів на упаковці чи фірмових знаків, спеціалізоване керування текстом і компонуванням залишається важливим.

Рейтинги — лише один погляд

Krea також посилається на сторонні оцінювання та рейтинги вподобань моделей, але вони відповідають лише на частину питання. Оцінювання текстово-графічних моделей зазвичай порівнює запити, зображення й людські вподобання в межах одного процесу. Воно корисне для загальної оцінки візуальної привабливості, але не замінює аналізу конкретного завдання. Відтворення тексту, китайські заголовки, логотипи, складний макет, сталі персонажі й правила комерційної доставки потребують окремої перевірки.

Krea 2 об'єднує відкриті ваги та розміщений продукт в одному сімействі. Raw залишає навчальний простір відкритим, а Turbo пропонує пряміший шлях виведення. Це дає дослідникам, розробникам і творцям спільний набір матеріалів замість поділу на дослідницький контрольний пункт і продуктову модель.

Тому практичне порівняння не зводиться до запитання «яка модель перемагає». Krea 2 Turbo легше сприймати як швидку модель візуального напряму; Raw — як маршрут продовження навчання; важчі DiT-системи залишаються доречними, якщо робочий процес може дозволити повільніше виведення заради одного відшліфованого результату. Ці завдання розділено, щоб випуск не зводився до загального ярлика «модель зображень».

Межі, які залишають публічні матеріали

Випуск має кілька джерел для перехресної перевірки: сторінка показує візуальну мету, сторінка відкритого коду пояснює доступність ваг, технічний звіт описує навчання, репозиторій GitHub надає точку входу для виведення, а картка Hugging Face перелічує ваги, джерела даних, ризики й ліцензійні вимоги. Кожне джерело має свою роль, тому Krea 2 не слід підсумовувати лише за одним із них.

Для творців Krea 2 повертає моделі з відкритими вагами до розмови про естетику й відчуття продукту. Для розробників паралельний випуск Raw і Turbo пропонує два маршрути: продовжити навчання або запускати виведення безпосередньо. Під час розгортання вимоги безпеки, фільтрації та ліцензії з картки залишаються межами, які потрібно опрацювати до запуску.