Krea, alat AI kreatif sing wiwitan, wis ngrilis Krea 2 (K2), kulawarga model dhasar teks-kanggo-gambar kanthi bobot mbukak sing dikandhakake perusahaan kasebut ana ing antarane 10 generator gambar paling dhuwur ing papan peringkat Analisis Artificial lan nomer loro ing antarane model saka laboratorium independen. Rilis kasebut, kanthi rinci ing laporan teknis sing diterbitake tanggal 23 Juni 2026, dikirim kanthi rong model checkpoints lan lisensi permisif sing ngajak komunitas kanggo nyetel lan mbangun ing ndhuwur.
Ora kaya pirang-pirang model gambar anyar sing ngoptimalake output standar sing dipoles, Krea ngrancang Krea 2 babagan ide eksplorasi kreatif, mbabarake distribusi visual sing amba sing pangguna bisa navigasi tinimbang meksa estetika sing sempit. For more context on this story, see our ongoing AI news.
Loro Checkpoints kanggo Beda Kabutuhan
Rilis Krea 2 kalebu loro checkpoints sing béda. Pisanan, K2 Raw, minangka model dhasar sing ora diresiki sing dimaksudake kanggo nggoleki lan riset pasca-latihan, menehi pangembang dhasar sing resik kanggo adaptasi. Kapindho, K2 Turbo, minangka panuntun dhumateng- lan timestep-distilled model direkayasa kanggo cepet, sawetara-langkah generasi, jenis pengulangan cepet sing dikarepake alur kerja kreatif.
Nawakake basis loropaken riset lan varian kacepetan-optimized nuduhake pamisah pragmatis. Peneliti lan tinkerers njaluk model mentahan kanggo eksprimen karo, nalika pangguna produksi njaluk checkpoint luwih cepet sing kurban sethitik ing cara kualitas kanggo marga saka kacepetan.
Sikap sing Disengaja Nglawan Data Latihan AI-Generated
Salah sawijining pratelan sing paling nggumunake ing laporan teknis Krea yaiku babagan data latihan. Tim kasebut nyatakake yen ora nggunakake gambar sing digawe AI ing campuran pretraining. Nalika data sintetik lan distilasi wis dadi trabasan populer kanggo entuk kapabilitas model, Krea nemokake manawa sebagian cilik gambar sing digawe AI nyebabake bias menyang distribusi output model.
Alesan kasebut langsung: gambar sintetik cenderung luwih gampang kanggo model sinau, sing kanthi efektif ngetrapake langit-langit buatan ing kualitas. Kanggo ngetrapake kabijakan kasebut, Krea nggawe klasifikasi ing omah khusus kanggo nyaring gambar sing digawe AI saka set data, tinimbang ngandelake saringan sing ora ana ing rak.
Perusahaan uga njupuk tampilan kontrarian babagan kualitas data. Tinimbang nyaring kanthi agresif kanggo skor estetika sing dhuwur, sing bisa mbusak gambar sing sengaja burem, kasar, utawa ora konvensional sing makili pilihan artistik sing bener, Krea mbantah babagan keragaman lan jangkoan domain sing amba. Asil, ngandika, iku model karo sawetara ekspresif luwih akeh tinimbang sistem dilatih mung ing gambar conventional ayu.
Arsitektur lan Pipa Latihan
Krea 2 dibangun kanthi arsitektur trafo sing desain pungkasan dipilih liwat studi ablasi ekstensif sing didokumentasikake ing laporan kasebut. Sawise nyoba alternatif, tim kasebut mutusake perhatian pitakon klompok (GQA) kanthi perhatian sigmoid gated, SwiGLU MLP, lan Qwen 3 VL minangka encoder teks. Enkoding posisi nggunakake embeddings rotary aksial 3D, lan autoencoder nggabungake Qwen Image VAE lan FLUX 2 AE.
Latihan ngetutake kurikulum multi-tahap. Pretraining maju liwat tahapan resolusi 256px, 512px, lan 1024px, nyediakake akeh komputasi kanggo karya resolusi rendah kanggo mbangun kemampuan inti kanthi efisien sadurunge ngasah generasi kasetyan dhuwur ing resolusi sing luwih dhuwur. Tahap midtraining banjur nyambungake distribusi pretraining sing amba lan distribusi fine-tuning sing diawasi kanthi kualitas dhuwur nggunakake clustering semantik lan strategi basis pengambilan kanggo njaga jangkoan konsep langka lan long-buntut.
Nggawe Generasi Eksplorasi lan Steerable
Krea nemtokake kesenjangan sing terus-terusan ing antarane cara model dilatih lan kepiye pangguna nyatane maksud. Sajrone latihan, model sinau saka caption sing sugih lan padhet. Ing wektu inferensi, pangguna asring ngetik pituduh sing cendhak, ambigu, utawa gerakan menyang swasana ati utawa gambar referensi tinimbang njlentrehake adegan kanthi tepat.
Kanggo nutup celah kasebut, Krea 2 ngirimake rong sistem. Pisanan yaiku expander cepet, dilatih liwat pipeline learning fine-tuning lan penguatan sing diawasi loro-tataran ing ndhuwur model basa gedhe open-source, kang peta pituduh prasaja menyang pituduh visual sugih tanpa nimpa maksud pangguna. Kapindho yaiku sistem referensi gaya sing ngidini pangguna nyuntikake gaya utawa swasana ati siji utawa luwih gambar referensi kanthi kebocoran konten minimal, menehi kontrol sing apik babagan kekuatan gaya lan campuran bobot.
Bebarengan, komponen kasebut nemtokake maneh Krea 2 minangka media eksplorasi. Tinimbang mbalekake jawaban siji, model kasebut dirancang kanggo mbukak ruang kemungkinan lan menehi pangguna cara praktis kanggo mindhah kanthi nggunakake kontrol teks lan gambar.
Ngreksa Kawruh Entitas Nyata
Kapabilitas subtle nanging penting kanggo generator gambar apa wae yaiku kemampuan kanggo makili entitas, wong, panggonan, lan obyek sing dikenal kanthi jeneng. Krea kuwatir yen metode sampling standar bisa ngilangi konsep sing langka utawa penting sajrone kurasi data.
Kanggo nyegah iki, tim mbukak PageRank liwat Wikipedia basa Inggris, nahan 90 persen artikel paling dhuwur miturut peringkat, nyaring konsep sing ora bisa digambarake kanthi makna, lan banjur verifikasi jangkoan ing set data caption, prioritizing gambar sing caption referensi konsep langka. Tim kasebut ngonfirmasi yen ora ana konsep sing ana ing set data wiwitan sing dicopot saka sampel latihan pungkasan.
Frontier Terbuka Kompetitif kanggo Gambar AI
Tekane Krea 2 nambah lanskap generasi gambar bobot mbukak sing rame. Perusahaan kasebut posisi model minangka "ing antarane 10 paling ndhuwur" ing Papan pimpinan teks-kanggo-gambar Analisis Artificial lan "panggonan nomer loro ing antarane model saka laboratorium independen," pratelan yen, yen ana ing pengawasan masyarakat sing luwih jembar, bakal nggawe K2 minangka salah sawijining generator gambar sing kasedhiya kanthi terbuka.
Laporan teknis, sing ngemot meh 12.000 tembung lan rincian kabeh saka prinsip kurasi data menyang infrastruktur pelatihan sing disebarake, uga nduweni tujuan strategis. Kanthi nerbitake metodologi ing mburi model kompetitif, Krea ngundang pengawasan, reproduksi, lan perbaikan, mata uang kredibilitas ing komunitas riset terbuka.
Kanggo panyipta lan pangembang, asil kasebut minangka model gambar sing dilisensi kanthi terbuka sing menehi prioritas kanggo macem-macem kreatif tinimbang standar sing aman. Kanthi bobot sing kasedhiya ing Hugging Face lan kode ing GitHub, Krea 2 nyuda alangan kanggo sapa wae sing pengin nggawe, nyempurnakake, utawa mung eksprimen karo generator gambar sing paling canggih kanthi syarat dhewe.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
