Krea 2：Krea AI 公開 Raw 與 Turbo 兩組影像生成權重

1. 開放權重之後：即時創作回饋的工程定義

傳統文字生成圖片的流程通常是「輸入提示詞、等待生成、取得一張靜態圖片」。這種管線適合一次性產圖，卻不適用於設計、插畫、室內方案、廣告視覺與產品概念等需要反覆嘗試的工作流程。創作者往往得在短時間內比較多種風格方向，調整文字、參考圖、構圖與材質，再沿著選定方案持續細化。

過去，社群為了獲得更快的回饋，常見做法是替 SDXL 或 SD 1.5 接上 LCM、Lightning、Hyper-SD 等蒸餾或加速路線，把數十步採樣壓縮成少數幾步。這條路確實改變了互動速度，但若底層模型、蒸餾目標與後訓練未一併設計，畫面往往會在高頻紋理、邊緣關係、材質層次與複雜結構上付出代價。速度提升了，影像卻容易出現「塑膠感」、細節斷層或構圖漂移。

Krea 2 的技術路線更接近「從模型家族內部解決速度與可編輯性」。官方將它拆成 Raw 與 Turbo 兩個 checkpoint：Raw 保留基礎模型的多樣性與可塑性，適合 LoRA 訓練、後訓練及研究；Turbo 則是面向快速推論的 8-step 蒸餾版本，用於日常文字生成圖片與創意迭代。這種拆分方式明確區隔訓練基礎與產圖入口，也讓開源社群首次能在同一套模型資料中，同時看見「可訓練」和「可快速使用」兩條路徑。

Krea 2 帶來的改變在於：開放權重不再只是讓研究人員下載一個 checkpoint，也不只是把封閉 API 的結果截圖搬出來展示。它將產品級美感、模型權重、推論程式碼、技術報告、LoRA 路線及授權責任擺在同一張桌面上。對創作者而言，它更像一塊能反覆塑形的視覺草稿板；對開發者而言，它是一個可檢查、擴充並整合至工作流程的影像生成基礎。

2. 影像生成技術演進：從局部影像區塊到全域時空流

早期 Stable Diffusion 1.5 與 SDXL 代表的是 UNet 擴散模型時代。這些模型使用卷積主幹與交叉注意力，將文字條件注入影像生成流程，生態成熟、外掛豐富，但在處理長提示詞、複雜空間關係與高解析度細節時有先天壓力。之後，SD3、Flux.1 等模型將 Diffusion Transformer 推向前台，讓文字與影像 token 在更統一的注意力空間中互動，提示詞理解與全域結構能力因而顯著增強。

代價也很明確：重型 DiT 通常需要更多運算資源，生成鏈路較長，工程整合與互動成本也更高。為了讓模型加快，社群長期仰賴 Turbo、Lightning、LCM、Hyper-SD 等蒸餾路線，將數十步採樣縮短為少數幾步。然而，低步數蒸餾若只被視為外掛補丁，便容易犧牲紋理、邊緣、材質與複雜結構。

Krea 2 屬於以開放權重發布的現代 DiT 系統。官方開源頁說明它採用 Qwen Image VAE、12B dense DiT backbone 與 Qwen3-VL text encoder；技術報告則補充 rectified-flow loss、v-parameterization、multi-layer feature aggregation、3D Axial RoPE、資料過濾、caption 管線、後訓練及強化學習。訓練鏈路最終形成 Raw 與 Turbo 兩種用途，整個家族並不仰賴單一的小型模型路線。

3. 架構拆解：Krea 2 的三層遞進式設計

官方開源頁對架構的說明相當直接：Krea 2 Open-Source 採用 Qwen Image VAE、12B dense DiT backbone 與 Qwen3-VL text encoder，並透過 multi-layer feature aggregation 擷取文字編碼器的多層特徵。它具備負責影像壓縮與還原的視覺基礎、負責全域生成的 DiT 主幹，以及處理自然語言條件的多模態文字編碼器，因此屬於完整的文字生成圖片基礎模型家族，而非輕量展示模型。

第一層是影像表示。VAE 決定模型如何將影像壓縮至潛在空間，再從潛在空間還原成影像。Krea 2 採用 Qwen Image VAE，代表它將影像生成底層的像素壓縮與還原，交給已針對高品質影像生成最佳化的自動編碼器。第二層是 12B dense DiT backbone，負責從雜訊到影像潛在變數的主要生成過程。第三層是 Qwen3-VL text encoder，將自然語言提示轉換成更適合影像生成主幹使用的語意條件。

技術報告中的一項關鍵細節是 3D Axial RoPE。一般 RoPE 已能表達相對位置關係，3D Axial RoPE 則進一步分別建模時間／步進、影像高度與影像寬度等維度，讓模型在處理二維影像 token 與採樣軌跡時，擁有更清楚的位置結構。對文字生成圖片而言，這會影響構圖、物件關係、局部細節與高解析度一致性。

Krea 將這套系統定位於創意探索：訓練目標涵蓋更廣的風格、情緒、材質與構圖空間，而不是只針對單一固定的美感預設值最佳化。Prompt expander 與 LoRA 風格擴充延續同一思路；當文字描述不夠精準時，可透過更豐富的文字條件或可訓練風格進入目標視覺範圍。

4. 修正流匹配：少步數推論背後的數學取捨

Krea 2 技術報告指出，最終模型採用 rectified-flow loss 與 v-parameterization。Rectified Flow 的直觀概念，是盡可能拉直從雜訊分布到資料分布之間的傳輸路徑，讓模型學習速度場，而不是在推論時沿著高度彎曲的去雜訊軌跡逐步摸索。軌跡越筆直，少步數採樣越有機會維持穩定。

以最簡化的插值形式表示，可以把雜訊樣本與目標樣本之間的中間狀態寫成：

Turbo 的 8 步推論來自專門的蒸餾訓練，不能只理解為「步數更少」。官方開源頁與儲存庫將 Turbo 定義為 8-step distilled checkpoint，Raw 則是供研究、後訓練及 LoRA 使用的未蒸餾基礎 checkpoint。基礎權重與蒸餾權重分別發布，訓練與日常產圖也因此採用不同路徑。

這也是 Krea 2 與許多外掛加速路線不同之處：rectified-flow 訓練、後訓練、蒸餾及 Turbo checkpoint，都被納入同一個公開模型家族。Raw 負責保留模型根基，Turbo 負責縮短創作鏈路。對使用者而言，最直接的感受是更快的視覺回饋；對開發者而言，更重要的是模型界線已清楚交代。

5. 資料、Caption 與 RL：美感不只靠模型架構堆疊

Krea 2 技術報告用相當多篇幅說明資料與後訓練。報告指出，其預訓練資料不使用 AI 生成影像，並以內部分類器過濾雜訊、過度編輯、logo、浮水印、NSFW、meme 與螢幕截圖等內容；caption 管線結合 OCR、中繼資料及多模態理解，為影像產生更完整的文字描述。訓練時也會混入較短、接近使用者習慣的提示詞，讓模型同時接觸長 caption 與真實創作 prompt。

這說明 Krea 2 為何不能只靠 12B 參數量來講故事。對文字生成圖片模型而言，資料過濾決定輸入世界有多乾淨，caption 決定文字與影像之間能否建立可學習的對應關係，後訓練則決定模型是否貼近使用者平常輸入提示詞的方式。若模型的資料雜訊過多，即使主幹強大，也會在構圖、美感、文字呈現與細節一致性上付出代價。

技術報告也描述了 midtraining、監督式微調、偏好最佳化與強化學習流程。強化學習階段採用多重獎勵方法，獎勵模型會關注整體美感、提示詞遵循、文字呈現、結構與瑕疵；報告還提到 artifact reward model，用於抑制多指、肢體變形及文字扭曲等結構性錯誤。比起單純討論「快不快」，這部分更能解釋 Krea 2 的產品質感：它在訓練後段持續將模型推向創作者偏好的輸出分布。

6. Raw 與 Turbo：同一模型家族的兩條工程路徑

Krea 2 最容易遭到誤解之處，就是把 Raw 與 Turbo 視為同一個東西。官方 GitHub README 與開源頁都清楚劃定界線：Raw 是未經蒸餾的 base model，適合微調、後訓練與 LoRA；Turbo 是 8-step distilled checkpoint，供快速、高品質的文字生成圖片使用。新聞內容必須交代這項界線，否則使用者可能選錯模型。

對研究人員而言，Raw 的價值在於可塑性。它保留更多訓練空間，可作為持續訓練及 LoRA 訓練的基礎。Krea 官方也發布多組 LoRA，並在 Hugging Face 頁面說明這些 LoRA 以 Raw 訓練、供 Turbo 使用。對一般創作和應用整合而言，Turbo 的價值則在於直接推論路徑清楚，官方範例也將它作為快速生成入口。

這套組合比「一個通用模型涵蓋所有任務」更務實。Raw 負責保留根基，Turbo 負責縮短創作鏈路。如此一來，下游生態便能在同一模型家族內完成訓練、風格擴充與快速產圖，而不必在研究用 checkpoint、產品模型及社群 LoRA 之間來回切換。

7. 公開排行與模型的橫向位置

Krea 官方資料提到 Artificial Analysis 排名，GitHub README 也指出 Krea 2 是獨立實驗室模型中排名很高的文字生成圖片模型。這表示它在一般文字轉影像的偏好評測中同樣具有競爭力。橫向比較時，仍須同時觀察影像品質、提示詞遵循、產圖速度、開放權重、可訓練性及工作流程整合能力。

若目標是一次產出海報等級的視覺作品，且可以接受較重的推論鏈路，Flux.1、SD3 這類重型路線仍是重要參照；若目標是快速探索風格、產品概念、情緒板和廣告視覺方向，Krea 2 Turbo 的 8-step 路線更貼近「先大量嘗試，再選定方向」的創作節奏；若要訓練垂直領域風格或製作 LoRA，Krea 2 Raw 則負責更底層的可塑性角色。

這張對照表應依任務需求解讀：Krea 2 偏向美感探索、開放權重、Raw/Turbo 雙路徑與快速創作回饋；重型模型偏向單次高品質生成與通用能力上限；傳統加速路線則具備更成熟的生態。選擇模型時，應先釐清工作流程需要的是完稿品質、訓練可塑性，還是快速測試方向。

8. 生態解耦：開放權重不代表「不受限制地使用」

Krea 2 開放權重對下游生態的意義，在於工程上的解耦。開發者可以依據官方權重、推論程式碼及模型卡建立自己的實驗鏈路；研究人員可以從 Raw 出發進行 LoRA、後訓練或風格適配；創作者則可利用 Turbo 快速驗證視覺方向。模型從封閉產品中的一項功能，轉變成可下載、閱讀、引用及實驗的模型家族。

開放權重也帶來更明確的責任分工。Hugging Face 模型卡列出訓練資料來源、安全措施、風險、授權及使用者責任；GitHub 儲存庫提供推論入口；技術報告解釋訓練與後訓練路線。Krea 2 更偏向美感生成、風格探索及快速視覺方向驗證；若涉及嚴格的文字排版、包裝文案、品牌標誌、連續角色或企業級內容安全，仍需搭配專門的評測、過濾與人工審核流程。

Krea 2 將開放權重模型帶回美感、風格探索與快速創作的工作流程。它有相對完整的公開證據，Raw / Turbo 分工明確，也適合持續擴充；但沒有證據支持把它視為所有影像任務的通用解答。

結語：把開放權重放回具體工作流程

評估 AI 影像模型時，可以依序檢查語意、空間、美感、採樣步數與開放界線；參數規模本身無法取代這些取捨。

Krea 2 的意義在於，它把現代文字生成圖片模型的關鍵資料公開在同一條證據鏈上：官方發布頁呈現視覺目標，開源頁說明 Raw 與 Turbo，技術報告解釋訓練與後訓練，GitHub 儲存庫提供推論入口，Hugging Face 模型卡則列出權重、資料、風險及授權。創作者和開發者所面對的，不再只是黑箱輸出，而是一個可以閱讀、驗證並持續建構的開放權重模型家族。