Yaratıcı yapay zeka araçları geliştiren bir girişim olan Krea, şirketin Yapay Analiz sıralamasında ilk 10 görüntü oluşturucu arasında yer aldığını ve bağımsız laboratuvarlardan gelen modeller arasında ikinci sırada yer aldığını söylediği açık ağırlıklı metinden görüntüye temel modellerden oluşan bir aile olan Krea 2'yi (K2) piyasaya sürdü. 23 Haziran 2026'da yayınlanan teknik bir raporda ayrıntıları verilen sürüm, iki model kontrol noktası ve topluluğu ince ayar yapmaya ve bunun üzerine inşa etmeye davet eden izin veren bir lisansla birlikte geliyor.
Tek bir parlak varsayılan çıktı için optimizasyon yapan birçok yeni görüntü modelinin aksine Krea, Krea 2'yi yaratıcı keşif fikri etrafında tasarladı ve kullanıcıların tek bir dar estetiği zorlamak yerine gezinebileceği geniş bir görsel dağıtım ortaya çıkardı. For more context on this story, see our ongoing breaking AI news.
Farklı İhtiyaçlara Yönelik İki Kontrol Noktası
Krea 2 sürümü iki farklı kontrol noktası içeriyor. Bunlardan ilki olan K2 Raw, ince ayar ve eğitim sonrası araştırmalara yönelik, geliştiricilere uyum sağlamaları için temiz bir temel sağlayan, saf bir temel modeldir. İkincisi, K2 Turbo, yaratıcı iş akışlarının gerektirdiği hızlı yineleme türü olan hızlı, birkaç adımlı üretim için tasarlanmış, kılavuzluk ve zaman adımlarından arındırılmış bir modeldir.
Hem araştırma dostu bir temel hem de hız için optimize edilmiş bir varyant sunmak, pragmatik bir ayrımı yansıtıyor. Araştırmacılar ve tamirciler deney yapmak için ham modeli alırken, üretim kullanıcıları hız uğruna kaliteden çok az ödün veren daha hızlı bir kontrol noktasına sahip oluyor.
Yapay Zeka Tarafından Üretilen Eğitim Verilerine Karşı Kasıtlı Bir Duruş
Krea'nın teknik raporundaki en dikkat çekici iddialardan biri antrenman verileriyle ilgili. Ekip, ön eğitim karışımında yapay zeka tarafından oluşturulan hiçbir görüntü kullanmadığını belirtiyor. Sentetik veriler ve damıtma, model yeteneklerini elde etmek için popüler kısayollar haline gelirken Krea, yapay zeka tarafından oluşturulan görüntülerin küçük bir kısmının bile modelin çıktı dağılımında sapmalara yol açtığını buldu.
Mantık basittir: sentetik görüntülerin öğrenilmesi genellikle daha kolay olur ve bu da kalite üzerinde etkili bir şekilde yapay bir tavan oluşturur. Politikayı uygulamak için Krea, kullanıma hazır filtrelere güvenmek yerine, yapay zeka tarafından oluşturulan görüntüleri veri kümesinden filtrelemek için özel olarak şirket içi sınıflandırıcılar oluşturdu.
Şirket ayrıca veri kalitesi konusunda da karşıt bir görüş benimsedi. Krea, geçerli sanatsal seçimleri temsil eden kasıtlı olarak bulanık, grenli veya alışılmadık görüntüleri ortadan kaldırabilecek yüksek estetik puanlar için agresif bir filtreleme yapmak yerine, çeşitliliği ve geniş alan kapsamını savundu. Sonuç, yalnızca geleneksel olarak güzel görüntüler üzerine eğitilmiş sistemlerden daha geniş bir ifade aralığına sahip bir model olduğunu söylüyor.
Mimarlık ve Eğitim Boru Hattı
Krea 2, nihai tasarımı raporda belgelenen kapsamlı ablasyon çalışmaları sonucunda seçilen bir transformatör mimarisi üzerine inşa edilmiştir. Alternatifleri test ettikten sonra ekip, geçitli sigmoid dikkat, SwiGLU MLP ve metin kodlayıcı olarak Qwen 3 VL ile gruplandırılmış sorgu dikkatine (GQA) karar verdi. Konumsal kodlama, 3D eksenel döner yerleştirmeleri kullanır ve otomatik kodlayıcı, Qwen Image VAE ve FLUX 2 AE'yi birleştirir.
Eğitim çok aşamalı bir müfredat izledi. Ön eğitim, 256 piksel, 512 piksel ve 1024 piksel çözünürlük aşamaları boyunca ilerleyerek, daha yüksek çözünürlüklerde yüksek kaliteli üretimi keskinleştirmeden önce temel yetenekleri verimli bir şekilde oluşturmak için bilgi işlemin büyük bir kısmını düşük çözünürlüklü çalışmalara ayırdı. Daha sonra bir orta eğitim aşaması, nadir ve uzun kuyruklu kavramların kapsamını korumak için semantik kümeleme ve erişime dayalı stratejiler kullanarak geniş ön eğitim dağıtımı ile yüksek kaliteli denetimli ince ayar dağıtımı arasında köprü oluşturdu.
Nesilleri Keşfedici ve Yönlendirilebilir Hale Getirmek
Krea, modellerin eğitilme şekli ile kullanıcıların gerçekte niyetini ifade etme şekli arasında kalıcı bir uçurum olduğunu tespit etti. Eğitim sırasında modeller zengin, yoğun altyazılardan öğrenir. Çıkarım anında, kullanıcılar genellikle bir sahneyi tam olarak tanımlamak yerine kısa, belirsiz istemler yazıyor veya bir ruh hali veya referans görüntüsüne yönelik jestler yapıyor.
Bu açığı kapatmak için Krea 2 iki sistemle birlikte geliyor. Bunlardan ilki, açık kaynaklı büyük dil modellerinin üzerinde iki aşamalı denetimli ince ayar ve pekiştirmeli öğrenme hattı yoluyla eğitilen, basit istemleri kullanıcının amacının üzerine yazmadan daha zengin görsel yönlere eşleyen bir hızlı genişleticidir. İkincisi, kullanıcıların bir veya daha fazla referans görselin stilini veya ruh halini minimum içerik sızıntısıyla enjekte etmesine olanak tanıyan, stil gücü ve ağırlıklı miksaj üzerinde ayrıntılı kontrol sağlayan bir stil referans sistemidir.
Bu bileşenler hep birlikte Krea 2'yi keşif aracı olarak yeniden tanımlıyor. Model, tek bir yanıt vermek yerine, bir olasılıklar alanını ortaya çıkarmak ve kullanıcılara hem metin hem de görüntü tabanlı kontrolü kullanarak bu olasılıklar arasında hareket etmenin pratik yollarını sunmak üzere tasarlanmıştır.
Gerçek Varlıklara İlişkin Bilginin Korunması
Herhangi bir görüntü oluşturucu için ince ama önemli bir yetenek, kullanıcıların yalnızca adlarıyla başvurabileceği bilinen varlıkları, kişileri, yerleri ve nesneleri aslına sadık bir şekilde temsil edebilme yeteneğidir. Krea, standart örnekleme yöntemlerinin, veri iyileştirme sırasında kazara nadir veya önemli kavramları çıkarabileceğinden endişeliydi.
Ekip, bunu önlemek için İngilizce Vikipedi üzerinden PageRank'i çalıştırdı, makalelerin en üst yüzde 90'ını sıralamaya göre korudu, anlamlı bir şekilde tasvir edilemeyen kavramları filtreledi ve ardından altyazıları nadir kavramlara atıfta bulunan görsellere öncelik vererek altyazı veri kümesindeki kapsamı doğruladı. Ekip daha sonra ilk veri setinde bulunan hiçbir konseptin son eğitim örneğinden tamamen çıkarılmadığını doğruladı.
Image AI için Rekabetçi Bir Açık Sınır
Krea 2'nin gelişi kalabalık, açık ağırlıklı görüntü oluşturma ortamını yoğunlaştırıyor. Şirket, modelini Yapay Analiz metinden görüntüye liderlik tablosunda "ilk 10 arasında" ve "bağımsız laboratuvarlardan gelen modeller arasında ikinci sırada" konumlandırıyor; bu iddia, eğer daha geniş bir topluluk incelemesi altında tutulursa, K2'yi açık olarak kullanılabilen en güçlü görüntü oluşturuculardan biri haline getirecektir.
Yaklaşık 12.000 kelimeden oluşan ve veri iyileştirme prensiplerinden dağıtık eğitim altyapısına kadar her şeyin detaylandırıldığı teknik rapor aynı zamanda stratejik bir amaca da hizmet ediyor. Krea, rekabetçi bir modelin arkasındaki metodolojiyi yayınlayarak, açık araştırma topluluğunda güvenilirliğin para birimi olan incelemeyi, çoğaltmayı ve iyileştirmeyi davet ediyor.
İçerik oluşturucular ve geliştiriciler için sonuç, yaratıcı aralığı tek bir güvenli varsayılana göre önceliklendiren, yetenekli, açık lisanslı bir görüntü modelidir. Hugging Face'te mevcut olan ağırlıklar ve GitHub'daki kod ile Krea 2, son teknoloji ürünü bir görüntü oluşturucuyu kendi şartlarına göre oluşturmak, ince ayar yapmak veya sadece denemek isteyen herkes için engeli azaltır.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
