Krea, chombo cha ubunifu cha kuunda zana za AI, imetoa Krea 2 (K2), familia ya miundo ya msingi ya uzani wa maandishi-hadi-picha ambayo kampuni inasema iko kati ya jenereta 10 za juu za picha kwenye ubao wa wanaoongoza wa Uchambuzi Bandia na ya pili kati ya mifano kutoka kwa maabara huru. Toleo hilo, lililofafanuliwa kwa kina katika ripoti ya kiufundi iliyochapishwa mnamo Juni 23, 2026, meli zilizo na vituo viwili vya ukaguzi na leseni inayoruhusu ambayo inaalika jamii kurekebisha na kujenga juu yake.
Tofauti na miundo mingi ya hivi majuzi ya picha ambayo huboresha toleo moja la chaguo-msingi lililong'arishwa, Krea ilibuni Krea 2 kulingana na wazo la uvumbuzi wa ubunifu, na kufichua usambazaji mpana wa taswira ambao watumiaji wanaweza kuabiri badala ya kulazimisha urembo mmoja finyu. For more context on this story, see our ongoing latest AI developments.
Vituo viwili vya ukaguzi kwa Mahitaji Tofauti
Toleo la Krea 2 linajumuisha vituo viwili tofauti vya ukaguzi. Ya kwanza, K2 Raw, ni muundo wa msingi ambao haujachujwa unaokusudiwa kwa urekebishaji mzuri na utafiti wa baada ya mafunzo, unaowapa wasanidi programu msingi safi wa kuzoea. Ya pili, K2 Turbo, ni kielelezo cha mwongozo- na cha muda kilichoundwa kwa ajili ya kizazi cha haraka, cha hatua chache, aina ya marudio ya haraka ambayo mtiririko wa ubunifu unahitajika.
Kutoa msingi unaofaa utafiti na lahaja iliyoboreshwa kwa kasi huonyesha mgawanyiko wa kimantiki. Watafiti na wachanganuzi hupata muundo mbichi wa kufanya majaribio, huku watumiaji wa toleo la umma wakipata eneo la ukaguzi la haraka ambalo hujitolea kidogo katika ubora kwa ajili ya kasi.
Msimamo wa Makusudi Dhidi ya Data ya Mafunzo Inayozalishwa na AI
Moja ya madai ya kuvutia zaidi katika ripoti ya kiufundi ya Krea inahusu data ya mafunzo. Timu hiyo inasema kwamba haikutumia picha zozote zinazozalishwa na AI katika mchanganyiko wake wa mafunzo ya awali. Ingawa data ya syntetisk na kunereka zimekuwa njia za mkato maarufu za kupata uwezo wa kielelezo, Krea iligundua kuwa hata sehemu ndogo ya picha zinazozalishwa na AI ilileta upendeleo katika usambazaji wa matokeo ya modeli.
Hoja ni ya moja kwa moja: picha za synthetic huwa rahisi kwa mfano kujifunza, ambayo kwa ufanisi huweka dari ya bandia juu ya ubora. Ili kutekeleza sera hiyo, Krea iliunda viainishaji vya ndani mahususi ili kuchuja picha zinazozalishwa na AI kutoka kwenye mkusanyiko wake wa data, badala ya kutegemea vichujio vya nje ya rafu.
Kampuni pia ilichukua maoni ya kinyume juu ya ubora wa data. Badala ya kuchuja kwa nguvu ili kupata alama za juu za urembo, ambazo zinaweza kuondoa ukungu, picha zisizo za kawaida au zisizo za kawaida kimakusudi zinazowakilisha chaguo halali za kisanii, Krea alitetea utofauti na ufunikaji wa kikoa. Matokeo yake, inasema, ni kielelezo kilicho na anuwai pana ya kuelezea kuliko mifumo iliyofunzwa tu kwenye picha nzuri za kawaida.
Usanifu na Bomba la Mafunzo
Krea 2 imejengwa juu ya usanifu wa transfoma ambao muundo wake wa mwisho ulichaguliwa kupitia tafiti za kina za uondoaji zilizorekodiwa kwenye ripoti. Baada ya kujaribu njia mbadala, timu ilitulia kwenye uzingatiaji wa hoja za vikundi (GQA) kwa umakini wa sigmoid, SwiGLU MLP, na Qwen 3 VL kama kisimbaji chake cha maandishi. Usimbaji wa nafasi hutumia upachikaji wa mzunguko wa axial wa 3D, na kisimbaji otomatiki huchanganya Picha ya Qwen VAE na FLUX 2 AE.
Mafunzo yalifuata mtaala wa hatua nyingi. Mazoezi ya awali yaliendelea kupitia hatua za azimio la 256px, 512px na 1024px, ikitoa sehemu kubwa ya hesabu kwa kazi ya azimio la chini ili kujenga uwezo wa kimsingi kwa ufanisi kabla ya kunoa uzalishaji wa ubora wa juu katika maazimio ya juu. Hatua ya kati ya mafunzo iliunganisha usambazaji mpana wa mafunzo ya awali na usambazaji wa urekebishaji wa ubora wa juu unaosimamiwa kwa kutumia mbinu za kuunganisha semantiki na urejeshaji ili kuhifadhi ufunikaji wa dhana adimu na zenye mkia mrefu.
Kufanya Kizazi Kichunguze na Kuweza Kuendesha
Krea iligundua pengo linaloendelea kati ya jinsi miundo inavyofunzwa na jinsi watumiaji wanavyoonyesha nia. Wakati wa mafunzo, wanamitindo hujifunza kutoka kwa manukuu tajiri na mnene. Wakati wa makisio, watumiaji mara nyingi huandika vidokezo vifupi, visivyoeleweka, au ishara kuelekea hali au taswira ya marejeleo badala ya kuelezea tukio kwa usahihi.
Ili kuziba pengo hilo, Krea 2 inasafirisha na mifumo miwili. Ya kwanza ni ya upanuzi wa haraka, iliyofunzwa kupitia hatua mbili za urekebishaji mzuri na uimarishaji wa ujifunzaji juu ya modeli za lugha huria, ambazo huelekeza vidokezo rahisi vya maelekezo bora zaidi ya kuona bila kubatilisha nia ya mtumiaji. Ya pili ni mfumo wa marejeleo ya mtindo unaowaruhusu watumiaji kuingiza mtindo au hali ya picha moja au zaidi ya marejeleo yenye uvujaji mdogo wa maudhui, ikitoa udhibiti mzuri juu ya nguvu ya mtindo na uchanganyaji wa mizigo.
Kwa pamoja, vipengele hivi vinafafanua upya Krea 2 kama chombo cha uchunguzi. Badala ya kurudisha jibu moja, modeli imeundwa kufichua nafasi ya uwezekano na kuwapa watumiaji njia za vitendo za kuipitia kwa kutumia udhibiti wa maandishi na picha.
Kuhifadhi Maarifa ya Vyombo Halisi
Uwezo wa hila lakini muhimu kwa jenereta yoyote ya picha ni uwezo wa kuwakilisha kwa uaminifu huluki, watu, maeneo na vitu vinavyojulikana ambavyo watumiaji wanaweza kurejelea kwa majina tu. Krea alikuwa na wasiwasi kwamba mbinu za kawaida za sampuli zinaweza kuacha kwa bahati mbaya dhana adimu au muhimu wakati wa uratibu wa data.
Ili kuzuia hili, timu iliendesha PageRank juu ya Wikipedia ya Kiingereza, ilibakisha asilimia 90 ya juu ya makala kwa cheo, ikachuja dhana ambazo haziwezi kuonyeshwa kwa njia ya maana, na kisha ikathibitisha chanjo katika mkusanyiko wake wa maelezo mafupi, ikizipa kipaumbele picha ambazo manukuu yake yalirejelea dhana adimu. Timu ilithibitisha baadaye kuwa hakuna dhana zozote zilizopo kwenye mkusanyiko wa data wa awali zilizoondolewa kabisa kutoka kwa sampuli ya mwisho ya mafunzo.
Mstari Wazi wa Ushindani wa Picha AI
Kuwasili kwa Krea 2 kunaongeza mandhari ya uzalishaji wa picha zenye uzani wazi. Kampuni inaweka kielelezo chake kama "miongoni mwa 10 bora" kwenye ubao wa wanaoongoza wa Uchanganuzi Bandia kutoka kwa maandishi hadi kwa picha na "nafasi ya pili kati ya wanamitindo kutoka maabara huru," madai ambayo, ikiwa yatadhibitiwa na jamii kwa upana, yangeifanya K2 kuwa mojawapo ya jenereta za picha zinazopatikana kwa uwazi zaidi.
Ripoti ya kiufundi, ambayo ina takriban maneno 12,000 na inaeleza kila kitu kuanzia kanuni za uhifadhi wa data hadi miundomsingi ya mafunzo iliyosambazwa, pia hutumikia madhumuni ya kimkakati. Kwa kuchapisha mbinu iliyo nyuma ya muundo shindani, Krea inakaribisha uchunguzi, uzazi na uboreshaji, sarafu ya uaminifu katika jumuiya ya utafiti wazi.
Kwa watayarishi na wasanidi programu, picha ya juu ni kielelezo cha picha chenye uwezo, kilicho na leseni wazi ambayo hutanguliza ubunifu zaidi ya chaguo-msingi moja salama. Kwa uzani unaopatikana kwenye Hugging Face na msimbo kwenye GitHub, Krea 2 hupunguza kizuizi kwa mtu yeyote anayetaka kujenga, kusawazisha, au kujaribu tu jenereta ya picha ya hali ya juu kwa masharti yake.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
