တီထွင်ဖန်တီးမှုဆိုင်ရာ AI ကိရိယာများဖြစ်သည့် Krea သည် ကုမ္ပဏီမှ ထုတ်ဖော်ပြောဆိုထားသည့် အလေးမထားသော စာသားမှပုံတစ်ပုံအထိ အခြေခံဖောင်ဒေးရှင်းမိသားစုဖြစ်သည့် Krea 2 (K2) ကို ထုတ်ပြန်ခဲ့ပြီး အတုအယောင် ခွဲခြမ်းစိတ်ဖြာမှု ဦးဆောင်သူစာရင်းတွင် ထိပ်တန်းရုပ်ပုံထုတ်လုပ်သူ ၁၀ ဦးတွင် အဆင့်သတ်မှတ်ထားပြီး လွတ်လပ်သော ဓာတ်ခွဲခန်းများမှ မော်ဒယ်များထဲမှ ဒုတိယဖြစ်သည်။ 2026 ခုနှစ် ဇွန်လ 23 ရက်နေ့တွင် ထုတ်ပြန်ခဲ့သော နည်းပညာဆိုင်ရာ အစီရင်ခံစာတွင် အသေးစိတ်ဖော်ပြထားသော ထုတ်ဝေမှုသည် မော်ဒယ်စစ်ဆေးရေးဂိတ်နှစ်ခုနှင့် ကွန်မြူနတီကို ကောင်းစွာညှိပြီး တည်ဆောက်ရန် ဖိတ်ခေါ်သည့် ခွင့်ပြုချက်လိုင်စင်တစ်ခုပါရှိသော သင်္ဘောဖြစ်သည်။
ပွတ်သပ်မူရင်းအထွက်တစ်ခုအတွက် အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ပေးသည့် မကြာသေးမီက ရုပ်ပုံမော်ဒယ်များစွာနှင့်မတူဘဲ Krea သည် ကျဉ်းမြောင်းသောအလှတရားတစ်ခုအား အတင်းအကြပ်ပြုလုပ်ခြင်းထက် အသုံးပြုသူများသွားလာနိုင်သော ကျယ်ပြန့်သောအမြင်အာရုံဖြန့်ဝေမှုကို ဖော်ထုတ်ပြသသည့် Krea 2 ကို ဖန်တီးတီထွင်မှုဆိုင်ရာ စူးစမ်းရှာဖွေမှုစိတ်ကူးဖြင့် Krea မှ ဒီဇိုင်းထုတ်ထားသည်။ For more context on this story, see our ongoing breaking AI news.
မတူညီသောလိုအပ်ချက်များအတွက် စစ်ဆေးရေးဂိတ်နှစ်ခု
Krea 2 ထုတ်ပြန်မှုတွင် ထူးခြားသော စစ်ဆေးရေးဂိတ်နှစ်ခု ပါဝင်သည်။ ပထမ၊ K2 Raw၊ သည် developer များအား လိုက်လျောညီထွေဖြစ်အောင် လိုက်လျောညီထွေဖြစ်အောင် သန့်ရှင်းသော အခြေခံအုတ်မြစ်ကို ပေးဆောင်ရန် ရည်ရွယ်၍ ကောင်းမွန်သော ချိန်ညှိခြင်းနှင့် လေ့ကျင့်ရေးအပြီး သုတေသနပြုခြင်းအတွက် ရည်ရွယ်သော ပေါင်းခံမွမ်းမံထားသော အခြေခံမော်ဒယ်ဖြစ်သည်။ ဒုတိယ၊ K2 Turbo သည် မြန်ဆန်သော၊ အဆင့်အနည်းငယ်သာရှိသော မျိုးဆက်အတွက် တီထွင်ဖန်တီးထားသော လမ်းညွှန်ချက်-နှင့် အချိန်ကိုက်-ပေါင်းခံမော်ဒယ်ဖြစ်ပြီး တီထွင်ဖန်တီးမှုလုပ်ငန်းအသွားအလာများတောင်းဆိုသည့် အမြန်ပြန်ဆိုမှုမျိုးဖြစ်သည်။
သုတေသနအတွက် အဆင်ပြေသော အခြေခံနှင့် အမြန်နှုန်း အကောင်းဆုံး ပုံစံနှစ်မျိုးစလုံးကို ကမ်းလှမ်းခြင်းသည် လက်တွေ့ကျသော ခွဲထွက်မှုကို ထင်ဟပ်စေသည်။ သုတေသနပညာရှင်များနှင့် tinkerers များသည် အကြမ်းထည်ပုံစံကို စမ်းသပ်ခွင့်ရရှိကြပြီး ထုတ်လုပ်မှုအသုံးပြုသူများသည် မြန်နှုန်းအတွက် အရည်အသွေးကို အနည်းငယ်စွန့်စားသည့် ပိုမိုမြန်ဆန်သော စစ်ဆေးရေးဂိတ်တစ်ခုကို ရရှိနေချိန်တွင် ရရှိကြသည်။
AI မှထုတ်လုပ်ထားသော လေ့ကျင့်ရေးဒေတာကို ဆန့်ကျင်သည့် တမင်တကာ ရပ်တည်ချက်
Krea ၏ နည်းပညာဆိုင်ရာ အစီရင်ခံစာတွင် အထူးခြားဆုံးသော တောင်းဆိုချက်တစ်ခုမှာ လေ့ကျင့်ရေးဒေတာနှင့် သက်ဆိုင်ပါသည်။ ၎င်း၏ ကြိုတင်လေ့ကျင့်မှု ရောနှောမှုတွင် AI မှ ဖန်တီးထားသော ပုံများကို အသုံးမပြုကြောင်း အဖွဲ့မှ ပြောကြားခဲ့သည်။ ပေါင်းစပ်ဒေတာနှင့် ပေါင်းခံခြင်းများသည် မော်ဒယ်စွမ်းရည်များရရှိရန်အတွက် ရေပန်းစားသောဖြတ်လမ်းများဖြစ်လာသော်လည်း Krea သည် AI မှထုတ်လုပ်ထားသောပုံများ အနည်းငယ်မျှသော အချိုးအစားများကိုပင် မော်ဒယ်၏အထွက်ဖြန့်ဖြူးမှုတွင် ဘက်လိုက်မှုများကို ထည့်သွင်းပေးခဲ့ကြောင်း Krea တွေ့ရှိခဲ့သည်။
ကျိုးကြောင်းဆင်ခြင်ခြင်းသည် ရိုးရှင်းသည်- ပေါင်းစပ်ရုပ်ပုံများသည် မော်ဒယ်တစ်ဦးအတွက် သင်ယူရန် ပိုမိုလွယ်ကူလေ့ရှိပြီး အရည်အသွေးအပေါ် အတုမျက်နှာကျက်ကို ထိထိရောက်ရောက် ချမှတ်ပေးသည်။ မူဝါဒကို ကျင့်သုံးရန် Krea သည် စင်ပြင်ပရှိ စစ်ထုတ်မှုများကို အားကိုးမည့်အစား၊ ၎င်း၏ဒေတာအတွဲအတွင်းမှ AI ထုတ်ပေးသော ရုပ်ပုံများကို စစ်ထုတ်ရန်အတွက် သီးသန့်အိမ်တွင်း အမျိုးအစားခွဲခြားမှုများကို တည်ဆောက်ခဲ့သည်။
ကုမ္ပဏီသည် ဒေတာအရည်အသွေးအပေါ် ဆန့်ကျင်ဘက်အမြင်ကိုလည်း ယူခဲ့သည်။ မှန်ကန်သော အနုပညာရွေးချယ်မှုများကို ကိုယ်စားပြုသည့် ဝါးဝါးခြင်း၊ ပျော့ပျောင်းသော သို့မဟုတ် သမားရိုးကျမဟုတ်သော ရုပ်ပုံများကို တမင်ဖယ်ထုတ်နိုင်သည့် လှပသောရမှတ်များအတွက် ပြင်းပြင်းထန်ထန် စစ်ထုတ်ခြင်းထက် ကွဲပြားမှုနှင့် ကျယ်ပြန့်သော နယ်ပယ်လွှမ်းခြုံမှုအတွက် စောဒကတက်ခဲ့သည်။ ရလဒ်မှာ သမားရိုးကျ လှပသော ရုပ်ပုံများကိုသာ လေ့ကျင့်ထားသည့် စနစ်များထက် ပိုမိုကျယ်ပြန့်သော ဖော်ပြနိုင်စွမ်းရှိသော မော်ဒယ်တစ်ခုဟု ဆိုပါသည်။
ဗိသုကာနှင့်လေ့ကျင့်ရေးပိုက်လိုင်း
Krea 2 သည် အစီရင်ခံစာတွင် မှတ်တမ်းတင်ထားသော ကျယ်ပြန့်သော ablation လေ့လာမှုများမှတစ်ဆင့် နောက်ဆုံးဒီဇိုင်းကို ရွေးချယ်ခဲ့သော ထရန်စဖော်မာဗိသုကာဖြင့် တည်ဆောက်ထားသည်။ အခြားရွေးချယ်စရာများကို စမ်းသပ်ပြီးနောက်၊ အဖွဲ့သည် ၎င်း၏စာသားကုဒ်ပြောင်းစက်အဖြစ် gated sigmoid အာရုံစူးစိုက်မှု၊ SwiGLU MLP နှင့် Qwen 3 VL ဖြင့် အဖွဲ့လိုက်မေးမြန်းမှုအာရုံစူးစိုက်မှု (GQA) ကို အခြေချခဲ့သည်။ Positional encoding သည် 3D axial rotary embeddings များကိုအသုံးပြုပြီး autoencoder သည် Qwen Image VAE နှင့် FLUX 2 AE တို့ကို ပေါင်းစပ်ထားသည်။
သင်တန်းသည် အဆင့်ပေါင်းများစွာ သင်ရိုးညွှန်းတမ်းအတိုင်း လုပ်ဆောင်ခဲ့ပါသည်။ ကြိုတင်လေ့ကျင့်ခြင်းသည် 256px၊ 512px၊ နှင့် 1024px ကြည်လင်ပြတ်သားမှုအဆင့်များမှတစ်ဆင့် တိုးတက်သွားခဲ့ပြီး၊ ပိုမိုမြင့်မားသော ရုပ်ထွက်အရည်အသွေးများကို ပြတ်သားမှုမြင့်မားသော ထုတ်လုပ်မှုကို ထက်မြက်အောင်မလုပ်ဆောင်မီ core စွမ်းရည်များကို ထိရောက်စွာတည်ဆောက်ရန်အတွက် ကွန်ပြူတာအမြောက်အများကို ကြည်လင်ပြတ်သားမှုနိမ့်သည့်အလုပ်သို့ အပ်နှံထားသည်။ အလယ်အလတ်လေ့ကျင့်ရေး အဆင့်သည် ကျယ်ပြန့်သော ကြိုတင်လေ့ကျင့်မှု ဖြန့်ဖြူးမှုကို ပေါင်းစပ်ကာ ရှားပါးပြီး အမြီးရှည်သဘောတရားများကို လွှမ်းခြုံထိန်းသိမ်းထားရန် ဝေါဟာရအစုအဝေးနှင့် ထုတ်ယူမှုအခြေခံဗျူဟာများကို အသုံးပြုကာ အရည်အသွေးမြင့် ကြီးကြပ်မှု ညှိခြင်း ဖြန့်ဝေမှုကို ပေါင်းစပ်ထားသည်။
Generation Exploratory and Steerable ဖြစ်စေခြင်း။
Krea သည် မော်ဒယ်များကို လေ့ကျင့်သင်ကြားပုံနှင့် အသုံးပြုသူများ၏ ရည်ရွယ်ချက်ကို အမှန်တကယ်ဖော်ပြပုံတို့အကြား အမြဲမပြတ် ကွာဟချက်ကို ဖော်ထုတ်ခဲ့သည်။ လေ့ကျင့်နေစဉ်အတွင်း မော်ဒယ်များသည် ကြွယ်ဝပြီး ထူထပ်သော စာတန်းများထံမှ သင်ယူကြသည်။ ကောက်ချက်ချသည့်အချိန်တွင်၊ အသုံးပြုသူများသည် မြင်ကွင်းတစ်ခုကို အတိအကျဖော်ပြမည့်အစား ခံစားချက် သို့မဟုတ် ရည်ညွှန်းပုံတစ်ခုဆီသို့ အတိုကောက်၊ မရှင်းလင်းသော အချက်ပြမှုများ သို့မဟုတ် အမူအရာများကို ရိုက်နှိပ်လေ့ရှိသည်။
ထိုကွာဟချက်ကို ပိတ်ရန်အတွက် Krea 2 သည် စနစ်နှစ်ခုဖြင့် သင်္ဘောများကို မောင်းနှင်သည်။ ပထမတစ်ခုသည် open-source ကြီးမားသောဘာသာစကားမော်ဒယ်များ၏ထိပ်တွင် အဆင့်နှစ်ဆင့်ရှိသော ကြီးကြပ်မှု ဒဏ်ချက်ညှိခြင်းနှင့် အားဖြည့်သင်ကြားရေးပိုက်လိုင်းမှတစ်ဆင့် လေ့ကျင့်ထားသည့် prompt expander ဖြစ်ပြီး၊ သုံးစွဲသူ၏ ရည်ရွယ်ချက်ကို ထပ်မရေးဘဲ ပိုမိုပြည့်စုံသောအမြင်လမ်းကြောင်းများအဖြစ် ပုံဖော်ပေးသည့် open-source ကြီးမားသောဘာသာစကားမော်ဒယ်များပေါ်တွင် လေ့ကျင့်ထားသည်။ ဒုတိယမှာ သုံးစွဲသူများအား စတိုင်လ်ခိုင်ခန့်မှုနှင့် အလေးချိန်ရောစပ်မှုအပေါ် ကောင်းစွာထိန်းချုပ်နိုင်စေမည့် အကြောင်းအရာအနည်းငယ်မျှသာ ပေါက်ကြားမှုတစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ရည်ညွှန်းပုံများ၏ စတိုင် သို့မဟုတ် ခံစားချက်ကို ထည့်သွင်းခွင့်ပြုသည့် စတိုင်လ်ရည်ညွှန်းစနစ်ဖြစ်သည်။
ဤအစိတ်အပိုင်းများနှင့်အတူ Krea 2 ကို စူးစမ်းလေ့လာရေး ကြားခံအဖြစ် ပြန်လည်သတ်မှတ်သည်။ အဖြေတစ်ခုတည်းကို ပြန်ပေးမည့်အစား၊ မော်ဒယ်သည် ဖြစ်နိုင်ခြေရှိသော နေရာတစ်ခုကို ဖော်ထုတ်ရန်နှင့် စာသားနှင့် ရုပ်ပုံအခြေခံ ထိန်းချုပ်မှုနှစ်ခုစလုံးကို အသုံးပြု၍ ၎င်းကိုဖြတ်သန်းရန် အသုံးပြုသူများအား လက်တွေ့ကျသောနည်းလမ်းများ ပေးစွမ်းရန် ဒီဇိုင်းထုတ်ထားသည်။
အစစ်အမှန်အကြောင်းအရာများကို ထိန်းသိမ်းစောင့်ရှောက်ခြင်း။
မည်သည့်ရုပ်ပုံထုတ်လုပ်သူအတွက်မဆို သိမ်မွေ့သော်လည်း အရေးကြီးသောစွမ်းရည်မှာ အသုံးပြုသူများအမည်ဖြင့် ရိုးရိုးကိုးကားနိုင်သော လူသိများသော အရာများ၊ လူများ၊ နေရာများနှင့် အရာဝတ္ထုများကို သစ္စာရှိရှိကိုယ်စားပြုနိုင်မှုဖြစ်သည်။ စံနမူနာယူခြင်းနည်းလမ်းများသည် ဒေတာပြင်ဆင်မှုအတွင်း ရှားပါးသော သို့မဟုတ် အရေးကြီးသော အယူအဆများကို မတော်တဆ မှားယွင်းသွားစေမည်ကို Krea က စိုးရိမ်နေပါသည်။
ယင်းကို ကာကွယ်ရန်၊ အဖွဲ့သည် အင်္ဂလိပ်ဝီကီပီးဒီးယားတွင် PageRank ကို လုပ်ဆောင်ပြီး ထိပ်တန်းဆောင်းပါးများ၏ 90 ရာခိုင်နှုန်းကို အဆင့်အလိုက် ထိန်းသိမ်းထားကာ အဓိပ္ပါယ်ရှိစွာ ပုံမဖော်နိုင်သော အယူအဆများကို စစ်ထုတ်ကာ ၎င်း၏စာတန်းဒေတာအတွဲတစ်လျှောက် လွှမ်းခြုံမှုကို စိစစ်ကာ ရှားပါးသော အယူအဆများကို ကိုးကားထားသည့် စာတန်းများပါရှိသည့် ပုံများကို ဦးစားပေးလုပ်ဆောင်သည်။ ကနဦးဒေတာအတွဲတွင် ပါဝင်သော သဘောတရားများကို နောက်ဆုံးလေ့ကျင့်ရေးနမူနာမှ လုံးဝနုတ်ပယ်သွားကြောင်း အဖွဲ့မှ အတည်ပြုခဲ့သည်။
Image AI အတွက် ယှဉ်ပြိုင်နိုင်သော Open Frontier တစ်ခု
Krea 2 ရောက်ရှိလာခြင်းသည် လူစည်ကားသော အလေးမထားသော ရုပ်ပုံမျိုးဆက်ရှုခင်းကို ပိုမိုပြင်းထန်စေသည်။ ကုမ္ပဏီသည် ၎င်း၏ပုံစံကို အတုအယောင် ခွဲခြမ်းစိတ်ဖြာမှု စာသားမှပုံတစ်ပုံသို့ ဦးဆောင်ဘုတ်အဖွဲ့တွင် "ထိပ်တန်း 10 စာရင်းများထဲမှ" အဖြစ် ရပ်တည်နေပြီး "လွတ်လပ်သော ဓာတ်ခွဲခန်းများမှ မော်ဒယ်များကြားတွင် ဒုတိယနေရာ" အဖြစ် ရပ်တည်နေပါက၊ ၎င်းသည် ပိုမိုကျယ်ပြန့်သော အသိုက်အဝန်း စိစစ်မှုအောက်တွင် ရှိနေပါက၊ K2 ကို အပြင်းထန်ဆုံး ပွင့်လင်းမြင်သာစွာရရှိနိုင်သော ရုပ်ပုံထုတ်လုပ်ရေးစက်များထဲမှ တစ်ခု ဖြစ်လာစေမည်ဖြစ်သည်။
စကားလုံးပေါင်း 12,000 နီးပါးကို အသုံးပြုပြီး ဒေတာ curation စည်းမျဉ်းများမှ ဖြန့်ဝေလေ့ကျင့်ရေး အခြေခံအဆောက်အအုံအထိ အရာအားလုံးကို အသေးစိတ်ဖော်ပြသည့် နည်းပညာဆိုင်ရာအစီရင်ခံစာသည် မဟာဗျူဟာမြောက်သော ရည်ရွယ်ချက်လည်းဖြစ်သည်။ ယှဉ်ပြိုင်မှုပုံစံနောက်ကွယ်ရှိ နည်းစနစ်ကို ထုတ်ဝေခြင်းဖြင့် Krea သည် ပွင့်လင်းသော သုတေသန အသိုင်းအဝိုင်းတွင် စိစစ်ခြင်း၊ မျိုးပွားခြင်းနှင့် တိုးတက်မှုတို့ကို ဖိတ်ခေါ်ပါသည်။
ဖန်တီးသူများနှင့် ဆော့ဖ်ဝဲရေးသားသူများအတွက်၊ upshot သည် ဘေးကင်းသော ပုံသေတစ်ခုတည်းထက် ဖန်တီးမှုအကွာအဝေးကို ဦးစားပေးသည့် ပွင့်လင်းမြင်သာစွာ လိုင်စင်ရ ဓာတ်ပုံမော်ဒယ်တစ်ခုဖြစ်သည်။ Hugging Face နှင့် GitHub ပေါ်ရှိ ကုဒ်များတွင် ရနိုင်သော အလေးများနှင့်အတူ Krea 2 သည် ၎င်းတို့၏ကိုယ်ပိုင်သတ်မှတ်ချက်များဖြင့် ခေတ်မီဆန်းသစ်သော ရုပ်ပုံထုတ်လုပ်သည့်စက်ဖြင့် စမ်းသပ်လိုသူတိုင်းအတွက် အတားအဆီးကို လျှော့ချပေးပါသည်။
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
