Krea สตาร์ทอัพที่สร้างเครื่องมือ AI สร้างสรรค์ ได้เปิดตัว Krea 2 (K2) ซึ่งเป็นตระกูลโมเดลพื้นฐานแบบข้อความเป็นรูปภาพ open-weights ที่บริษัทกล่าวว่าติดอันดับหนึ่งใน 10 โปรแกรมสร้างภาพชั้นนำบนกระดานผู้นำการวิเคราะห์เชิงประดิษฐ์ และเป็นอันดับสองในบรรดาโมเดลจากห้องปฏิบัติการอิสระ การเปิดตัวซึ่งมีรายละเอียดในรายงานทางเทคนิคที่เผยแพร่เมื่อวันที่ 23 มิถุนายน พ.ศ. 2569 มาพร้อมกับจุดตรวจสอบโมเดลสองจุดและใบอนุญาตที่อนุญาตซึ่งเชิญชวนให้ชุมชนปรับแต่งและสร้างต่อยอด

ต่างจากโมเดลรูปภาพล่าสุดหลายตัวที่ปรับให้เหมาะสมสำหรับเอาท์พุตเริ่มต้นที่สวยงามเพียงตัวเดียว Krea ออกแบบ Krea 2 ตามแนวคิดของการสำรวจเชิงสร้างสรรค์ โดยเผยให้เห็นการกระจายภาพในวงกว้างที่ผู้ใช้สามารถนำทางได้ แทนที่จะบังคับความสวยงามที่แคบเพียงหนึ่งเดียว For more context on this story, see our ongoing AI trends.

สองจุดตรวจสำหรับความต้องการที่แตกต่างกัน

Krea 2 มีจุดตรวจที่แตกต่างกันสองจุด แบบแรกคือ K2 Raw เป็นโมเดลพื้นฐานที่ยังไม่ได้กลั่นซึ่งมีจุดประสงค์เพื่อการปรับแต่งอย่างละเอียดและการวิจัยหลังการฝึกอบรม ทำให้นักพัฒนามีพื้นฐานที่ชัดเจนในการปรับตัว ประการที่สอง K2 Turbo เป็นโมเดลที่มีการกลั่นกรองแนวทางและขั้นเวลา ซึ่งออกแบบมาเพื่อการสร้างที่รวดเร็วในไม่กี่ขั้นตอน ซึ่งเป็นรูปแบบวนซ้ำอย่างรวดเร็วที่เวิร์กโฟลว์สร้างสรรค์ต้องการ

การนำเสนอทั้งฐานที่เป็นมิตรกับการวิจัยและตัวแปรที่ปรับความเร็วให้เหมาะสมสะท้อนให้เห็นถึงความแตกต่างในทางปฏิบัติ นักวิจัยและนักปรับแต่งจะได้รับแบบจำลองดิบเพื่อทดลองใช้ ในขณะที่ผู้ใช้ที่ใช้งานจริงจะได้รับจุดตรวจสอบที่เร็วกว่าซึ่งยอมสละคุณภาพเพียงเล็กน้อยเพื่อประโยชน์ของความเร็ว

จุดยืนโดยเจตนาต่อข้อมูลการฝึกอบรมที่สร้างโดย AI

คำกล่าวอ้างที่โดดเด่นที่สุดประการหนึ่งในรายงานทางเทคนิคของ Krea เกี่ยวข้องกับข้อมูลการฝึกอบรม ทีมงานระบุว่าไม่ได้ใช้รูปภาพที่สร้างโดย AI ในการผสมผสานการฝึกล่วงหน้า ในขณะที่ข้อมูลสังเคราะห์และการกลั่นกลายเป็นทางลัดยอดนิยมในการรับความสามารถของโมเดล Krea พบว่าแม้แต่รูปภาพที่สร้างโดย AI ในสัดส่วนเพียงเล็กน้อยก็ทำให้เกิดอคติในการกระจายเอาต์พุตของโมเดล

เหตุผลนั้นตรงไปตรงมา: ภาพสังเคราะห์มีแนวโน้มที่จะเรียนรู้ได้ง่ายกว่าสำหรับแบบจำลอง ซึ่งกำหนดเพดานเทียมด้านคุณภาพอย่างมีประสิทธิภาพ เพื่อบังคับใช้นโยบาย Krea ได้สร้างตัวแยกประเภทภายในองค์กรโดยเฉพาะเพื่อกรองรูปภาพที่สร้างโดย AI ออกจากชุดข้อมูล แทนที่จะอาศัยตัวกรองที่มีจำหน่ายทั่วไป

บริษัทยังมีมุมมองที่ขัดแย้งกันเกี่ยวกับคุณภาพของข้อมูล แทนที่จะกรองคะแนนความสวยงามระดับสูงอย่างจริงจัง ซึ่งสามารถลบภาพที่จงใจพร่ามัว มีรอยเม็ด หรือภาพที่แหวกแนวซึ่งแสดงถึงทางเลือกทางศิลปะที่ถูกต้อง Krea โต้แย้งเรื่องความหลากหลายและการครอบคลุมโดเมนที่กว้าง ผลลัพธ์ที่ได้คือโมเดลที่มีช่วงการแสดงออกที่กว้างกว่าระบบที่ได้รับการฝึกเฉพาะกับภาพที่สวยงามตามแบบแผนเท่านั้น

ท่อส่งสถาปัตยกรรมและการฝึกอบรม

Krea 2 สร้างขึ้นบนสถาปัตยกรรมหม้อแปลงไฟฟ้าซึ่งการออกแบบขั้นสุดท้ายได้รับการคัดเลือกผ่านการศึกษาการระเหยที่ครอบคลุมซึ่งบันทึกไว้ในรายงาน หลังจากการทดสอบทางเลือกอื่น ทีมงานได้ตัดสินใจใช้ Grouped-Query Attention (GQA) โดยมี Gated sigmoid Attention, SwiGLU MLP และ Qwen 3 VL เป็นตัวเข้ารหัสข้อความ การเข้ารหัสตำแหน่งใช้การฝังแบบหมุนตามแนวแกน 3 มิติ และระบบเข้ารหัสอัตโนมัติจะรวม Qwen Image VAE และ FLUX 2 AE

การฝึกอบรมเป็นไปตามหลักสูตรหลายขั้นตอน การฝึกอบรมล่วงหน้าดำเนินไปผ่านขั้นตอนความละเอียด 256px, 512px และ 1024px โดยทุ่มเทการประมวลผลจำนวนมากให้กับงานที่มีความละเอียดต่ำเพื่อสร้างความสามารถหลักอย่างมีประสิทธิภาพ ก่อนที่จะปรับปรุงการสร้างความเที่ยงตรงสูงที่ความละเอียดสูงขึ้น จากนั้น ขั้นตอนการฝึกซ้อมระดับกลางจะเชื่อมโยงการกระจายการฝึกล่วงหน้าแบบกว้างๆ และการกระจายการปรับแต่งแบบละเอียดที่มีการควบคุมดูแลคุณภาพสูง โดยใช้การจัดกลุ่มความหมายและกลยุทธ์การดึงข้อมูล เพื่อรักษาความครอบคลุมของแนวคิดที่หายากและแบบหางยาว

ทำให้รุ่นมีการสำรวจและควบคุมได้

Krea ระบุช่องว่างที่เกิดขึ้นอย่างต่อเนื่องระหว่างวิธีฝึกอบรมโมเดลและวิธีที่ผู้ใช้แสดงเจตนาอย่างแท้จริง ในระหว่างการฝึก โมเดลจะเรียนรู้จากคำบรรยายที่เข้มข้นและเข้มข้น ในเวลาอนุมาน ผู้ใช้มักจะพิมพ์ข้อความสั้นๆ ที่ไม่ชัดเจน หรือใช้ท่าทางไปทางอารมณ์หรือรูปภาพอ้างอิง แทนที่จะอธิบายฉากอย่างแม่นยำ

เพื่อปิดช่องว่างดังกล่าว Krea 2 จึงจัดส่งมาพร้อมกับสองระบบ ประการแรกคือตัวขยายพรอมต์ ซึ่งได้รับการฝึกฝนผ่านไปป์ไลน์การเรียนรู้แบบละเอียดและการเสริมกำลังที่มีการดูแลภายใต้การดูแลแบบสองขั้นตอน ที่ด้านบนของโมเดลภาษาขนาดใหญ่แบบโอเพ่นซอร์ส ซึ่งจับคู่คำสั่งง่ายๆ เข้ากับทิศทางภาพที่สมบูรณ์ยิ่งขึ้น โดยไม่ต้องเขียนทับเจตนาของผู้ใช้ อย่างที่สองคือระบบอ้างอิงสไตล์ที่ให้ผู้ใช้สามารถใส่สไตล์หรืออารมณ์ของรูปภาพอ้างอิงหนึ่งภาพขึ้นไปโดยมีเนื้อหารั่วไหลน้อยที่สุด ให้การควบคุมแบบละเอียดเกี่ยวกับความแข็งแกร่งของสไตล์และการผสมแบบถ่วงน้ำหนัก

เมื่อรวมกันแล้ว ส่วนประกอบเหล่านี้จะกำหนดนิยามใหม่ให้กับ Krea 2 ว่าเป็นสื่อการสำรวจ แทนที่จะตอบกลับเพียงคำตอบเดียว แบบจำลองนี้ได้รับการออกแบบมาเพื่อเปิดเผยพื้นที่แห่งความเป็นไปได้ และให้ผู้ใช้มีวิธีปฏิบัติที่เป็นประโยชน์ในการเลื่อนผ่านโดยใช้ทั้งการควบคุมด้วยข้อความและรูปภาพ

การอนุรักษ์องค์ความรู้ที่แท้จริง

ความสามารถที่ละเอียดอ่อนแต่สำคัญสำหรับโปรแกรมสร้างภาพคือความสามารถในการนำเสนอตัวตน ผู้คน สถานที่ และวัตถุที่รู้จักอย่างเที่ยงตรง ซึ่งผู้ใช้อาจอ้างอิงตามชื่อ Krea กังวลว่าวิธีการสุ่มตัวอย่างแบบมาตรฐานอาจทำให้แนวคิดที่หายากหรือสำคัญหล่นโดยไม่ตั้งใจระหว่างการดูแลจัดการข้อมูล

เพื่อป้องกันสิ่งนี้ ทีมงานจึงรันเพจแรงก์บนวิกิพีเดียภาษาอังกฤษ รักษาบทความ 90 เปอร์เซ็นต์แรกตามอันดับ กรองแนวคิดที่ไม่สามารถอธิบายได้อย่างมีความหมายออก จากนั้นตรวจสอบความครอบคลุมของชุดข้อมูลคำบรรยาย โดยจัดลำดับความสำคัญของรูปภาพที่คำบรรยายอ้างอิงถึงแนวคิดที่หายาก ทีมงานยืนยันหลังจากนั้นว่าไม่มีแนวคิดใดในชุดข้อมูลเริ่มต้นหลุดไปจากตัวอย่างการฝึกอบรมขั้นสุดท้ายโดยสิ้นเชิง

ขอบเขตการแข่งขันแบบเปิดสำหรับ Image AI

การมาถึงของ Krea 2 ทำให้ภูมิทัศน์การสร้างภาพแบบ open-weights เข้มข้นขึ้น บริษัทวางตำแหน่งโมเดลของตนเป็น "ใน 10 อันดับแรก" บนลีดเดอร์บอร์ดข้อความเป็นรูปภาพการวิเคราะห์เชิงประดิษฐ์ และ "อันดับที่สองในบรรดาโมเดลจากห้องปฏิบัติการอิสระ" คำกล่าวอ้างที่ว่าหากอยู่ภายใต้การพิจารณาของชุมชนในวงกว้าง จะทำให้ K2 เป็นหนึ่งในโปรแกรมสร้างรูปภาพที่แข็งแกร่งที่สุดที่เปิดเผยและเปิดเผยได้

รายงานทางเทคนิคซึ่งมีความยาวเกือบ 12,000 คำและให้รายละเอียดทุกอย่างตั้งแต่หลักการดูแลจัดการข้อมูลไปจนถึงโครงสร้างพื้นฐานการฝึกอบรมแบบกระจาย ยังให้บริการตามวัตถุประสงค์เชิงกลยุทธ์อีกด้วย ด้วยการเผยแพร่วิธีการเบื้องหลังรูปแบบการแข่งขัน Krea เชิญชวนให้มีการตรวจสอบ การทำซ้ำ และการปรับปรุง ซึ่งเป็นสกุลเงินแห่งความน่าเชื่อถือในชุมชนการวิจัยแบบเปิด

สำหรับผู้สร้างและนักพัฒนา ผลลัพธ์ที่ได้คือโมเดลรูปภาพที่มีความสามารถและได้รับอนุญาตอย่างเปิดเผย ซึ่งจัดลำดับความสำคัญของช่วงโฆษณามากกว่าค่าเริ่มต้นที่ปลอดภัยเพียงค่าเดียว ด้วยน้ำหนักที่มีอยู่บน Hugging Face และโค้ดบน GitHub Krea 2 จึงลดอุปสรรคสำหรับทุกคนที่ต้องการสร้าง ปรับแต่ง หรือเพียงแค่ทดลองกับโปรแกรมสร้างภาพที่ล้ำสมัยตามเงื่อนไขของตนเอง

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →