Krea 2 開源:RAW 與 Turbo 雙模型如何重塑圖像生成工作流

Krea AI 把自家的圖像基礎模型 Krea 2 開源了,而且一次放出兩個檢查點:未經蒸餾的基底模型 Krea 2 RAW,以及八步就能出圖的蒸餾版 Krea 2 Turbo。權重掛在 Hugging Face、推理程式碼放上 GitHub、同步發布長篇技術報告,再加上 Reddit AMA 和 ComfyUI 直播。這是一次準備充分的正式開源,不是丟一個權重檔就走人的那種。

開源圖像模型市場長期被 Stable Diffusion 系和 FLUX 佔據,Krea 2 入場的姿態卻不太一樣:它不追求「你說什麼我畫什麼」,而是追求「畫出來的東西好看」。

「美學優先」到底是什麼意思

大多數圖像模型的優化目標是提示詞準確性——使用者描述什麼,模型就盡量畫出什麼。MindStudio 的分析把 Krea 2 的定位講得很直白:相較於 GPT Image 2 或 SDXL 這類「字面轉錄引擎」,K2 被訓練成「美學上有主見」(aesthetically opinionated)的模型。即使提示詞寫得含糊,它也會往構圖完整、視覺上有意圖的方向收斂,而不是產出一張技術上正確但平庸的圖。

這種取向有明確的取捨。想要精準控制畫面每個元素的使用者,可能會覺得 K2「自作主張」;但對創作者來說,一個有品味的協作者往往比一個聽話的執行者更有用。Krea 官方在技術報告裡把目標描述為「寬美學多樣性與使用者創作控制」的平衡——既要有主見,又不能蓋過使用者的意圖。

RAW 與 Turbo:分工明確的一對檢查點

這次開源最實用的設計,是把「訓練用」和「推理用」拆成兩個模型。官方的說法簡潔到可以印在 T 恤上:TRAIN on Raw, RUN on Turbo。

Krea 2 RAW 是未經任何步數蒸餾與後訓練的基底檢查點。它保留了最大的可塑性,官方明確把它定位給 LoRA 訓練、微調和後訓練研究使用,預設參數是 28 步、CFG 4.5,支援 1024 到 2048 的解析度區間。Krea 2 Turbo 則是蒸餾後的推理版本,八步出圖、不需要 CFG(guidance scale 直接設 0),追求的是速度與成品質感。

關鍵在於兩者的銜接:官方 GitHub 說明,在 RAW 上訓練的 LoRA 被刻意設計成能在 Turbo 上「強表達」。也就是說,你用可塑性高的基底模型慢慢調風格,調好之後直接掛到快速推理的模型上量產。這解決了開源社群一個長期痛點——在蒸餾模型上訓練 LoRA 效果差,在基底模型上推理又太慢,以往兩頭不討好。

架構與訓練管線的細節

從 GitHub 倉庫的檔案結構看,Krea 2 是 MMDiT(多模態擴散 Transformer)架構的 latent diffusion 模型,和 FLUX 屬於同一代技術路線,倉庫裡的 mmdit.py、autoencoder.py、sampling.py 幾個核心檔案清楚標示了這一點。

技術報告中最有意思的部分是兩套控制系統。第一套是提示詞擴寫器(prompt expander):在開源 LLM 上經過兩階段 SFT 加強化學習訓練,把使用者隨手寫的短提示擴寫成資訊更豐富的視覺描述,同時刻意不覆寫使用者的原始意圖。訓練資料的做法也巧妙:用另一個語言模型從完整長描述反向合成「使用者式短提示」,製造出「不完整輸入對應理想輸出」的配對資料,還合成了思考軌跡(thinking traces)來保留模型的推理能力。

第二套是風格參照系統(style-reference):當文字說不清楚想要的感覺時,使用者可以丟一張或多張參考圖,系統會抽取風格與氛圍注入生成過程,同時把「內容洩漏」壓到最低——也就是只學參考圖的調性,不把參考圖裡的物件搬進新圖。這兩套系統一個管文字入口、一個管圖像入口,合起來就是 Krea 2 對「創作控制」的完整回答。

生態串接:發布日就是全家桶

Krea 2 的開源夥伴名單長得不太像一個新模型的首發陣容:Hugging Face、Nous Research、Replicate、Cloudflare、Together AI、Google Cloud、AWS、SGLang、FAL,再加上 ComfyUI。

開發者側的支援也是即日可用。Hugging Face 模型卡提供 diffusers 的 Krea2Pipeline 整合,bfloat16 精度下八步推理;SGLang 有官方 CLI 支援和完整 cookbook。對已經在用 ComfyUI 跑工作流的創作者,官方直播就是衝著這個社群去的。這種「發布日全生態就位」的打法,明顯是對著 FLUX 當年的開源節奏來的,甚至更齊。我們之前在開源小模型評測裡提過,開源模型的實際採用率往往取決於生態接入速度而非模型本身分數,Krea 顯然懂這一點。

授權條款裡藏著一條硬要求

Krea 2 用的是自家的 Community License,官方描述為「寬鬆使用」,商用授權需要另外聯絡。但模型卡裡有一條容易被忽略的義務:部署者必須實作內容過濾措施或等效的審查機制,防止生成或散布違法及違反政策的內容;沒做到就構成違約。

這條款值得認真對待。它把內容安全的責任明確轉移到部署方身上,對想把 Krea 2 包進自家產品的團隊來說,這不是裝飾性文字,而是合規清單上的實際工作項。模型卡同時聲明 Krea 2 不用於提供事實資訊、提示遵循程度會受措辭影響,部署前需要自行做安全測試。相比某些開源模型授權書的含糊其辭,Krea 把醜話說在前頭,對認真做產品的團隊反而是好事。

對創作者和開發者的實際意義

把這次開源放進更大的圖景看:AI 創作工具的競爭正在從「單點能力」轉向「工作流整合」,我們在 AI 音樂影片工具盤點和 Epic Games 的生成式美術管線兩篇文章裡都看到同樣的趨勢。Krea 2 的 RAW/Turbo 分工恰好是為工作流設計的:風格資產沉澱在 LoRA 裡,生產環節跑在八步推理上,中間不需要換技術棧。

短期內值得觀察三件事:社群 LoRA 生態能不能在 RAW 上長起來、Turbo 的八步出圖品質在真實創作場景裡是否穩定,以及 Community License 的內容過濾要求會如何被各家部署平台落實。如果這三件事都往好的方向走,開源圖像模型的第一梯隊名單,恐怕要改寫了。