Krea, סטארט-אפ הבונה כלי בינה מלאכותית יצירתיים, שחררה את Krea 2 (K2), משפחה של מודלים של בסיס טקסט לתמונה בעלי משקל פתוח, שלדברי החברה מדורגת בין 10 מחוללי התמונות המובילים ב-Artificial Analysis Leaderboard ובמקום השני מבין דגמים ממעבדות עצמאיות. המהדורה, המפורטת בדו"ח טכני שפורסם ב-23 ביוני 2026, מגיעה עם שני מחסומים דגמיים ורישיון מתירני המזמין את הקהילה לכוונן ולבנות עליו.
שלא כמו דגמי תמונה רבים עדכניים שמבצעים אופטימיזציה לפלט ברירת מחדל בודד, Krea עיצב את Krea 2 סביב הרעיון של חקר יצירתי, תוך חשיפת הפצה ויזואלית רחבה שמשתמשים יכולים לנווט בה במקום להכריח אסתטיקה צרה אחת. For more context on this story, see our ongoing breaking AI news.
שני מחסומים לצרכים שונים
המהדורה של Krea 2 כוללת שני מחסומים נפרדים. הראשון, K2 Raw, הוא מודל בסיס לא מזוקק המיועד לכיוונון עדין ולמחקר שלאחר ההכשרה, נותן למפתחים בסיס נקי להסתגל. השני, K2 Turbo, הוא מודל מזוקק בצעדי הדרכה וצעדי זמן שתוכנן עבור יצירה מהירה של כמה שלבים, מסוג האיטרציה המהירה שזרימות עבודה יצירתיות דורשות.
הצעת בסיס ידידותי למחקר וגם גרסה מותאמת למהירות משקפת פיצול פרגמטי. חוקרים ומתעסקים מקבלים את המודל הגולמי להתנסות בו, בעוד שמשתמשי הייצור מקבלים מחסום מהיר יותר שמקריב מעט באיכות למען המהירות.
עמדה מכוונת נגד נתוני אימון שנוצרו בינה מלאכותית
אחת הטענות הבולטות ביותר בדוח הטכני של Krea נוגעת לנתוני אימונים. הצוות מצהיר שהוא לא השתמש בתמונות שנוצרו על ידי AI בתמהיל ההכשרה שלו. בעוד נתונים סינתטיים וזיקוק הפכו לקיצורי דרך פופולריים לרכישת יכולות מודל, Krea גילתה שאפילו חלק קטן מהתמונות שנוצרו על ידי AI הציגו הטיות בהפצת הפלט של המודל.
הנימוק הוא פשוט: תמונות סינתטיות נוטות להיות קלות יותר למודל ללמוד, מה שמטיל למעשה תקרה מלאכותית על איכות. כדי לאכוף את המדיניות, Krea בנתה מסווגים פנימיים במיוחד כדי לסנן תמונות שנוצרו בינה מלאכותית מתוך מערך הנתונים שלה, במקום להסתמך על מסנני מדף.
החברה גם נקטה דעה מנוגדת לגבי איכות הנתונים. במקום לסנן באגרסיביות לציונים אסתטיים גבוהים, שיכולים להסיר תמונות מטושטשות, מגורעות או לא שגרתיות בכוונה המייצגות בחירות אמנותיות תקפות, קראה טענה לגיוון ולכיסוי רחב של תחום. התוצאה, כך נאמר, היא דגם עם טווח אקספרסיבי רחב יותר ממערכות שאומנו רק על תמונות יפות באופן קונבנציונלי.
צינור אדריכלות והדרכה
Krea 2 בנוי על ארכיטקטורת שנאי שתכנונה הסופי נבחר באמצעות מחקרי אבלציה מקיפים שתועדו בדוח. לאחר בדיקת חלופות, הצוות הסתפק בתשומת לב מקובצת בשאילתות (GQA) עם תשומת לב סיגמואידית מגודרת, SwiGLU MLP ו-Qwen 3 VL כמקודד הטקסט שלו. קידוד מיקום משתמש בהטבעות סיבוביות ציריות תלת מימדיות, והמקודד האוטומטי משלב את Qwen Image VAE ו-FLUX 2 AE.
ההכשרה התבצעה על פי תכנית לימודים רב-שלבית. אימון מקדים התקדם דרך שלבי הרזולוציה של 256px, 512px ו-1024px, והקדיש את עיקר המחשוב לעבודה ברזולוציה נמוכה כדי לבנות יכולות ליבה ביעילות לפני חידוד יצירת נאמנות גבוהה ברזולוציות גבוהות יותר. לאחר מכן, שלב אימון ביניים גישר בין התפלגות ההכשרה הרחבה והפיזור האיכותי של כוונון עדין מפוקח תוך שימוש באסטרטגיות המבוססות על אשכולות סמנטיים ושליפה כדי לשמר כיסוי של מושגים נדירים וארוכים.
הופך את הדור לחקרני וניתן לכיוון
Krea זיהה פער מתמשך בין האופן שבו מודלים מאומנים לבין האופן שבו משתמשים מביעים כוונה בפועל. במהלך האימון, דוגמניות לומדות מכיתובים עשירים וצפופים. בזמן הסקת מסקנות, משתמשים לרוב מקלידים הנחיות קצרות ומעורפלות, או מחוות לעבר תמונת מצב רוח או התייחסות במקום לתאר סצנה במדויק.
כדי לסגור את הפער הזה, Krea 2 נשלח עם שתי מערכות. הראשון הוא מרחיב הנחיות, שאומן באמצעות צינור למידה מפוקח דו-שלבי כוונון עדין וחיזוק על גבי מודלים של שפות גדולות בקוד פתוח, אשר ממפה הנחיות פשוטות לכיוונים חזותיים עשירים יותר מבלי לדרוס את כוונת המשתמש. השנייה היא מערכת התייחסות לסגנון המאפשרת למשתמשים להחדיר את הסגנון או מצב הרוח של תמונה אחת או יותר עם דליפת תוכן מינימלית, ומציעה שליטה עדינה על חוזק הסגנון וערבוב משוקלל.
יחד, רכיבים אלה מגדירים מחדש את Krea 2 כמדיום חקרני. במקום להחזיר תשובה אחת, המודל נועד לחשוף מרחב של אפשרויות ולתת למשתמשים דרכים מעשיות לעבור בו באמצעות שליטה מבוססת טקסט ותמונה כאחד.
שימור הידע על ישויות אמיתיות
יכולת עדינה אך חשובה עבור כל מחולל תמונות היא היכולת לייצג נאמנה ישויות ידועות, אנשים, מקומות ואובייקטים שמשתמשים עשויים להתייחס אליהם פשוט בשמם. Krea דאגה ששיטות דגימה סטנדרטיות עלולות להפיל בטעות מושגים נדירים או חשובים במהלך איסוף הנתונים.
כדי למנוע זאת, הצוות הפעיל את PageRank מעל ויקיפדיה האנגלית, שמר על 90 האחוזים המובילים של מאמרים לפי דרגה, סינן מושגים שלא ניתן לתאר בצורה משמעותית, ולאחר מכן אימת את הכיסוי על פני מערך הנתונים של הכתוביות שלו, תוך עדיפות לתמונות שהכתוביות שלהן התייחסו למושגים נדירים. הצוות אישר לאחר מכן שאף מושגים שהיו במערך הנתונים הראשוני לא נמחקו לחלוטין ממדגם ההדרכה הסופי.
גבול פתוח תחרותי עבור Image AI
הגעתו של Krea 2 מעצימה נוף צפוף ליצירת תמונות עם משקלים פתוחים. החברה ממצבת את המודל שלה כ"בין 10 המובילים" ב-Artificial Analysis text-to-image Leaderboard ו"מקום שני בין דגמים ממעבדות עצמאיות", טענה שאם היא תעמוד בביקורת רחבה יותר של הקהילה, תהפוך את K2 לאחד ממחוללי התמונות החזקים ביותר הזמינים בגלוי.
הדו"ח הטכני, שמכיל כמעט 12,000 מילים ומפרט הכל, מעקרונות איסוף נתונים ועד תשתית אימון מבוזרת, משרת גם מטרה אסטרטגית. על ידי פרסום המתודולוגיה מאחורי מודל תחרותי, Krea מזמינה בדיקה, שכפול ושיפור, מטבע האמינות בקהילת המחקר הפתוחה.
עבור יוצרים ומפתחים, התוצאה היא מודל תמונה בעל רישיון גלוי המעניק עדיפות לטווח יצירתי על פני ברירת מחדל בטוחה אחת. עם המשקולות הזמינות ב-Huging Face והקוד ב-GitHub, Krea 2 מוריד את המחסום עבור כל מי שרוצה לבנות, לכוונן או פשוט להתנסות עם מחולל תמונות חדיש בתנאים שלו.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
