Krea, ein Startup, das kreative KI-Tools entwickelt, hat Krea 2 (K2) veröffentlicht, eine Familie von Text-zu-Bild-Grundmodellen mit offenen Gewichtungen, die nach Angaben des Unternehmens zu den zehn besten Bildgeneratoren auf der Rangliste der künstlichen Analyse zählt und den zweiten Platz unter den Modellen unabhängiger Labore einnimmt. Die Veröffentlichung, die in einem am 23. Juni 2026 veröffentlichten technischen Bericht detailliert beschrieben wird, wird mit zwei Modellkontrollpunkten und einer freizügigen Lizenz ausgeliefert, die die Community dazu einlädt, Feinabstimmungen vorzunehmen und darauf aufzubauen.
Im Gegensatz zu vielen neueren Bildmodellen, die für eine einzelne ausgefeilte Standardausgabe optimiert sind, hat Krea Krea 2 auf der Grundlage der Idee der kreativen Erkundung entworfen und eine breite visuelle Verteilung bereitgestellt, in der Benutzer navigieren können, anstatt eine enge Ästhetik zu erzwingen. Weitere Informationen zu dieser Geschichte finden Sie in unserer KI-Nachrichten.
Zwei Kontrollpunkte für unterschiedliche Bedürfnisse
Die Krea 2-Version enthält zwei unterschiedliche Prüfpunkte. Das erste, K2 Raw, ist ein undestilliertes Basismodell, das für die Feinabstimmung und Forschung nach dem Training gedacht ist und Entwicklern eine saubere Grundlage für die Anpassung bietet. Das zweite, K2 Turbo, ist ein auf Führung und Zeitschritten destilliertes Modell, das für eine schnelle Generierung in wenigen Schritten entwickelt wurde, die Art von schneller Iteration, die kreative Arbeitsabläufe erfordern.
Das Angebot sowohl einer forschungsfreundlichen Basis als auch einer geschwindigkeitsoptimierten Variante spiegelt eine pragmatische Spaltung wider. Forscher und Tüftler erhalten das Rohmodell zum Experimentieren, während Produktionsanwender einen schnelleren Prüfpunkt erhalten, der der Geschwindigkeit zuliebe kaum Abstriche bei der Qualität macht.
Eine bewusste Haltung gegen KI-generierte Trainingsdaten
Eine der auffälligsten Behauptungen im technischen Bericht von Krea betrifft Trainingsdaten. Das Team gibt an, in seinem Pre-Training-Mix keine KI-generierten Bilder verwendet zu haben. Während synthetische Daten und Destillation zu beliebten Abkürzungen für den Erwerb von Modellfähigkeiten geworden sind, stellte Krea fest, dass selbst ein kleiner Teil der KI-generierten Bilder zu Verzerrungen in der Ausgabeverteilung des Modells führte.
Die Begründung ist einfach: Synthetische Bilder sind für ein Modell tendenziell leichter zu erlernen, was der Qualität effektiv eine künstliche Obergrenze auferlegt. Um die Richtlinie durchzusetzen, hat Krea interne Klassifikatoren entwickelt, die speziell KI-generierte Bilder aus seinem Datensatz herausfiltern, anstatt sich auf handelsübliche Filter zu verlassen.
Auch hinsichtlich der Datenqualität vertrat das Unternehmen eine konträre Meinung. Anstatt aggressiv nach hohen ästhetischen Werten zu filtern, wodurch absichtlich verschwommene, körnige oder unkonventionelle Bilder entfernt werden können, die gültige künstlerische Entscheidungen darstellen, plädierte Krea für Vielfalt und eine breite Domänenabdeckung. Das Ergebnis sei ein Modell mit einem größeren Ausdrucksbereich als Systeme, die nur auf herkömmlich schöne Bilder trainiert würden.
Architektur- und Schulungspipeline
Krea 2 basiert auf einer Transformatorarchitektur, deren endgültiges Design durch umfangreiche Ablationsstudien ausgewählt wurde, die im Bericht dokumentiert sind. Nach dem Testen von Alternativen entschied sich das Team für Grouped-Query Attention (GQA) mit Gated Sigmoid Attention, einem SwiGLU MLP und Qwen 3 VL als Text-Encoder. Die Positionscodierung verwendet 3D-axiale Rotationseinbettungen, und der Autoencoder kombiniert Qwen Image VAE und FLUX 2 AE.
Die Ausbildung erfolgte nach einem mehrstufigen Lehrplan. Das Vortraining durchlief die Auflösungsstufen 256px, 512px und 1024px und widmete den Großteil der Rechenleistung der Arbeit mit niedriger Auflösung, um Kernfunktionen effizient aufzubauen, bevor die High-Fidelity-Generierung bei höheren Auflösungen geschärft wurde. Eine Zwischentrainingsphase überbrückte dann die breite Vortrainingsverteilung und die qualitativ hochwertige überwachte Feinabstimmungsverteilung mithilfe von semantischem Clustering und abrufbasierten Strategien, um die Abdeckung seltener und Long-Tail-Konzepte aufrechtzuerhalten.
Generation explorativ und steuerbar machen
Krea erkannte eine anhaltende Lücke zwischen der Art und Weise, wie Modelle trainiert werden, und der Art und Weise, wie Benutzer tatsächlich ihre Absichten zum Ausdruck bringen. Während des Trainings lernen Modelle aus umfangreichen, dichten Untertiteln. Zum Zeitpunkt der Schlussfolgerung geben Benutzer häufig kurze, mehrdeutige Eingabeaufforderungen ein oder gestikulieren auf eine Stimmung oder ein Referenzbild, anstatt eine Szene genau zu beschreiben.
Um diese Lücke zu schließen, wird Krea 2 mit zwei Systemen ausgeliefert. Der erste ist ein Prompt-Expander, der durch eine zweistufige überwachte Feinabstimmungs- und Reinforcement-Learning-Pipeline auf Basis großer Open-Source-Sprachmodelle trainiert wird und einfache Prompts in umfassendere visuelle Richtungen umwandelt, ohne die Absicht des Benutzers zu überschreiben. Beim zweiten handelt es sich um ein Stilreferenzsystem, mit dem Benutzer den Stil oder die Stimmung eines oder mehrerer Referenzbilder mit minimalem Inhaltsverlust einbringen können und eine fein abgestimmte Kontrolle über Stilstärke und gewichtete Mischung bieten.
Zusammen definieren diese Komponenten Krea 2 als Erkundungsmedium neu. Anstatt eine einzelne Antwort zurückzugeben, ist das Modell darauf ausgelegt, einen Raum voller Möglichkeiten aufzuzeigen und Benutzern praktische Möglichkeiten zu bieten, sich mithilfe sowohl text- als auch bildbasierter Steuerung darin zu bewegen.
Bewahrung des Wissens über reale Entitäten
Eine subtile, aber wichtige Fähigkeit jedes Bildgenerators ist die Fähigkeit, bekannte Entitäten, Personen, Orte und Objekte originalgetreu darzustellen, auf die Benutzer möglicherweise einfach mit ihrem Namen verweisen. Krea befürchtete, dass bei Standard-Stichprobenmethoden seltene oder wichtige Konzepte bei der Datenkuratierung versehentlich verloren gehen könnten.
Um dies zu verhindern, ließ das Team PageRank über die englische Wikipedia laufen, behielt die obersten 90 Prozent der Artikel nach Rang bei, filterte Konzepte heraus, die nicht sinnvoll dargestellt werden können, und überprüfte dann die Abdeckung im gesamten Bildunterschriftendatensatz, wobei Bilder, deren Bildunterschriften auf seltene Konzepte verwiesen, priorisiert wurden. Das Team bestätigte anschließend, dass keine im ursprünglichen Datensatz vorhandenen Konzepte vollständig aus der endgültigen Trainingsstichprobe gestrichen wurden.
Eine wettbewerbsfähige offene Grenze für Bild-KI
Die Ankunft von Krea 2 intensiviert eine überfüllte Bildgenerierungslandschaft mit offenen Gewichten. Das Unternehmen positioniert sein Modell als „unter den Top 10“ auf der Text-zu-Bild-Bestenliste von Artificial Analysis und als „zweiten Platz unter den Modellen unabhängiger Labore“, eine Behauptung, die K2 zu einem der leistungsstärksten offen verfügbaren Bildgeneratoren machen würde, wenn sie einer breiteren Community-Prüfung standhalten würde.
Der technische Bericht, der fast 12.000 Wörter umfasst und alles von Datenkurationsprinzipien bis hin zur verteilten Schulungsinfrastruktur detailliert beschreibt, dient auch einem strategischen Zweck. Durch die Veröffentlichung der Methodik hinter einem Wettbewerbsmodell lädt Krea zur Prüfung, Reproduktion und Verbesserung ein, der Währung der Glaubwürdigkeit in der offenen Forschungsgemeinschaft.
Das Ergebnis für Ersteller und Entwickler ist ein leistungsfähiges, offen lizenziertes Bildmodell, bei dem der kreative Bereich Vorrang vor einem einzigen sicheren Standard hat. Mit den auf Hugging Face verfügbaren Gewichten und dem Code auf GitHub senkt Krea 2 die Hürde für jeden, der einen hochmodernen Bildgenerator nach seinen eigenen Vorstellungen erstellen, verfeinern oder einfach damit experimentieren möchte.
---
Bleib vorne bei KIDie neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Mehr KI-Nachrichten lesen →
