Krea، ایک سٹارٹ اپ بلڈنگ تخلیقی AI ٹولز نے Krea 2 (K2) جاری کیا ہے، جو اوپن ویٹ ٹیکسٹ ٹو امیج فاؤنڈیشن ماڈلز کا ایک خاندان ہے جس کے بارے میں کمپنی کا کہنا ہے کہ مصنوعی تجزیہ لیڈر بورڈ پر سب سے اوپر 10 امیج جنریٹرز میں اور آزاد لیبز کے ماڈلز میں دوسرے نمبر پر ہے۔ ریلیز، 23 جون 2026 کو شائع ہونے والی ایک تکنیکی رپورٹ میں تفصیلی طور پر، دو ماڈل چیک پوائنٹس اور ایک قابل اجازت لائسنس کے ساتھ بحری جہاز جو کمیونٹی کو ٹھیک ٹیون کرنے اور اس کے اوپر تعمیر کرنے کی دعوت دیتا ہے۔

بہت سے حالیہ تصویری ماڈلز کے برعکس جو ایک واحد پالش ڈیفالٹ آؤٹ پٹ کے لیے بہتر بناتے ہیں، Krea نے Krea 2 کو تخلیقی ایکسپلوریشن کے خیال کے گرد ڈیزائن کیا، جس سے ایک وسیع بصری تقسیم کو سامنے لایا گیا جسے صارف ایک تنگ جمالیاتی کو مجبور کرنے کے بجائے نیویگیٹ کر سکتے ہیں۔ For more context on this story, see our ongoing breaking AI news.

مختلف ضروریات کے لیے دو چیک پوائنٹس

Krea 2 ریلیز میں دو الگ الگ چوکیاں شامل ہیں۔ پہلا، K2 Raw، ایک غیر ڈسٹلڈ بیس ماڈل ہے جس کا مقصد فائن ٹیوننگ اور پوسٹ ٹریننگ ریسرچ کے لیے ہے، جو ڈویلپرز کو اپنانے کے لیے ایک صاف ستھرا بنیاد فراہم کرتا ہے۔ دوسرا، K2 ٹربو، ایک رہنمائی اور ٹائم اسٹیپ ڈسٹل ماڈل ہے جو تیز، چند قدموں والی نسل کے لیے انجنیئر کیا گیا ہے، اس قسم کی فوری تکرار جس کی تخلیقی ورک فلو کی ضرورت ہے۔

تحقیق کے لیے دوستانہ بنیاد اور رفتار کے لیے موزوں قسم دونوں کی پیشکش ایک عملی تقسیم کی عکاسی کرتی ہے۔ محققین اور ٹنکررز کو تجربہ کرنے کے لیے خام ماڈل ملتا ہے، جبکہ پروڈکشن استعمال کرنے والوں کو ایک تیز چیک پوائنٹ ملتا ہے جو رفتار کی خاطر معیار کی راہ میں بہت کم قربانی دیتا ہے۔

AI سے تیار کردہ تربیتی ڈیٹا کے خلاف جان بوجھ کر موقف

Krea کی تکنیکی رپورٹ میں سب سے زیادہ حیران کن دعووں میں سے ایک تربیتی ڈیٹا سے متعلق ہے۔ ٹیم کا کہنا ہے کہ اس نے پہلے سے تربیتی مکس میں AI سے تیار کردہ کوئی تصویر استعمال نہیں کی۔ جبکہ مصنوعی ڈیٹا اور کشید ماڈل کی صلاحیتوں کے حصول کے لیے مقبول شارٹ کٹ بن چکے ہیں، کریا نے پایا کہ AI سے تیار کردہ تصاویر کے ایک چھوٹے سے تناسب نے بھی ماڈل کی آؤٹ پٹ ڈسٹری بیوشن میں تعصبات متعارف کرائے ہیں۔

استدلال سیدھا ہے: مصنوعی تصاویر ماڈل کے لیے سیکھنے میں آسان ہوتی ہیں، جو معیار پر ایک مصنوعی چھت کو مؤثر طریقے سے نافذ کرتی ہے۔ پالیسی کو نافذ کرنے کے لیے، Krea نے آف دی شیلف فلٹرز پر انحصار کرنے کے بجائے، اپنے ڈیٹاسیٹ سے AI سے تیار کردہ تصاویر کو فلٹر کرنے کے لیے خاص طور پر اندرون خانہ درجہ بندی کی۔

کمپنی نے ڈیٹا کے معیار پر بھی متضاد نظریہ اپنایا۔ اعلیٰ جمالیاتی اسکورز کے لیے جارحانہ طور پر فلٹر کرنے کے بجائے، جو جان بوجھ کر دھندلی، دانے دار، یا غیر روایتی تصاویر کو ہٹا سکتی ہیں جو درست فنکارانہ انتخاب کی نمائندگی کرتی ہیں، کریا نے تنوع اور وسیع ڈومین کوریج کے لیے دلیل دی۔ نتیجہ، یہ کہتا ہے، ایک ایسا ماڈل ہے جس میں صرف روایتی طور پر خوبصورت تصاویر پر تربیت یافتہ سسٹمز کے مقابلے وسیع تر اظہار کی حد ہوتی ہے۔

فن تعمیر اور تربیتی پائپ لائن

Krea 2 ایک ٹرانسفارمر فن تعمیر پر بنایا گیا ہے جس کے حتمی ڈیزائن کا انتخاب رپورٹ میں دستاویزی وسیع پیمانے پر ختم کرنے کے مطالعے کے ذریعے کیا گیا تھا۔ متبادلات کی جانچ کرنے کے بعد، ٹیم نے گیٹڈ سگمائیڈ توجہ، ایک SwiGLU MLP، اور Qwen 3 VL کو اس کے ٹیکسٹ انکوڈر کے ساتھ گروپڈ سوال توجہ (GQA) پر طے کیا۔ پوزیشنی انکوڈنگ 3D محوری روٹری ایمبیڈنگز کا استعمال کرتی ہے، اور آٹو اینکوڈر Qwen Image VAE اور FLUX 2 AE کو یکجا کرتا ہے۔

تربیت ایک کثیر مرحلے کے نصاب کی پیروی کرتی ہے۔ پہلے سے تربیت 256px، 512px، اور 1024px ریزولیوشن کے مراحل سے گزرتی ہے، جس میں زیادہ تر کمپیوٹ کو کم ریزولوشن کے کام کے لیے وقف کیا جاتا ہے تاکہ اعلیٰ ریزولوشنز پر اعلیٰ مخلص نسل کو تیز کرنے سے پہلے بنیادی صلاحیتوں کو مؤثر طریقے سے بنایا جا سکے۔ اس کے بعد ایک مڈٹریننگ مرحلے نے نایاب اور لمبی دم والے تصورات کی کوریج کو محفوظ رکھنے کے لیے سیمنٹک کلسٹرنگ اور بازیافت پر مبنی حکمت عملیوں کا استعمال کرتے ہوئے وسیع پری ٹریننگ ڈسٹری بیوشن اور اعلیٰ معیار کی زیر نگرانی فائن ٹیوننگ ڈسٹری بیوشن کو مکمل کیا۔

جنریشن کو ایکسپلوریٹری اور چلانے کے قابل بنانا

Krea نے ماڈلز کی تربیت کے طریقہ کار اور صارفین کے ارادے کے اظہار کے درمیان ایک مستقل فرق کی نشاندہی کی۔ تربیت کے دوران، ماڈلز بھرپور، گھنے سرخیوں سے سیکھتے ہیں۔ تخمینہ کے وقت، صارف اکثر مختصر، مبہم اشارے، یا کسی منظر کو ٹھیک ٹھیک بیان کرنے کے بجائے موڈ یا حوالہ جاتی تصویر کی طرف اشارہ کرتے ہیں۔

اس خلا کو ختم کرنے کے لیے، Krea 2 جہاز دو نظاموں کے ساتھ۔ پہلا ایک پرامپٹ ایکسپینڈر ہے، جسے اوپن سورس کے بڑے لینگویج ماڈلز کے اوپر دو مراحل کی زیر نگرانی فائن ٹیوننگ اور ری انفورسمنٹ لرننگ پائپ لائن کے ذریعے تربیت دی گئی ہے، جو صارف کے ارادے کو اوور رائٹ کیے بغیر سادہ اشارے کو زیادہ بصری سمتوں میں نقشہ بناتی ہے۔ دوسرا سٹائل کا حوالہ دینے والا نظام ہے جو صارفین کو کم سے کم مواد کے رساو کے ساتھ ایک یا زیادہ حوالہ جات کی تصویروں کے انداز یا موڈ کو انجیکشن کرنے دیتا ہے، جس سے سٹائل کی طاقت اور وزنی اختلاط پر عمدہ کنٹرول ہوتا ہے۔

ایک ساتھ، یہ اجزاء Krea 2 کو ایک ریسرچ میڈیم کے طور پر دوبارہ بیان کرتے ہیں۔ ایک ہی جواب واپس کرنے کے بجائے، ماڈل کو امکانات کی ایک جگہ کو بے نقاب کرنے اور متن اور تصویر پر مبنی کنٹرول دونوں کا استعمال کرتے ہوئے صارفین کو اس سے گزرنے کے عملی طریقے فراہم کرنے کے لیے ڈیزائن کیا گیا ہے۔

حقیقی ہستیوں کے علم کا تحفظ

کسی بھی امیج جنریٹر کے لیے ایک لطیف لیکن اہم صلاحیت معروف اداروں، لوگوں، مقامات اور اشیاء کی وفاداری کے ساتھ نمائندگی کرنے کی صلاحیت ہے جن کا صارف محض نام سے حوالہ دے سکتا ہے۔ کریا کو خدشہ تھا کہ معیاری نمونے لینے کے طریقے ڈیٹا کیوریشن کے دوران نایاب یا اہم تصورات کو حادثاتی طور پر چھوڑ سکتے ہیں۔

اس کو روکنے کے لیے، ٹیم نے انگریزی ویکیپیڈیا پر PageRank چلایا، درجہ بندی کے لحاظ سے سب سے اوپر 90 فیصد مضامین کو برقرار رکھا، ایسے تصورات کو فلٹر کیا جن کی معنی خیز تصویر کشی نہیں کی جا سکتی، اور پھر اس کے کیپشن ڈیٹاسیٹ میں کوریج کی تصدیق کی، ان تصاویر کو ترجیح دی جن کے سرخیوں میں نادر تصورات کا حوالہ دیا گیا تھا۔ ٹیم نے بعد میں تصدیق کی کہ ابتدائی ڈیٹاسیٹ میں موجود کوئی تصورات مکمل طور پر تربیتی نمونے سے خارج نہیں کیے گئے تھے۔

امیج AI کے لیے ایک مسابقتی اوپن فرنٹیئر

Krea 2 کی آمد ایک پرہجوم اوپن ویٹ امیج جنریشن لینڈ اسکیپ کو تیز کرتی ہے۔ کمپنی اپنے ماڈل کو مصنوعی تجزیہ ٹیکسٹ ٹو امیج لیڈر بورڈ پر "ٹاپ 10 میں" اور "آزاد لیبز کے ماڈلز میں دوسرے نمبر پر" کے طور پر رکھتی ہے، یہ دعویٰ ہے کہ، اگر یہ وسیع تر کمیونٹی کی جانچ پڑتال کے تحت ہے، تو K2 کو کھلے عام دستیاب امیج جنریٹرز میں سے ایک بنائے گا۔

تکنیکی رپورٹ، جو تقریباً 12,000 الفاظ پر مشتمل ہے اور ڈیٹا کیوریشن کے اصولوں سے لے کر تقسیم شدہ تربیتی انفراسٹرکچر تک ہر چیز کی تفصیلات فراہم کرتی ہے، یہ ایک اسٹریٹجک مقصد بھی پورا کرتی ہے۔ ایک مسابقتی ماڈل کے پیچھے طریقہ کار کو شائع کرکے، Krea کھلی تحقیقی برادری میں ساکھ کی کرنسی، جانچ، تولید اور بہتری کی دعوت دے رہا ہے۔

تخلیق کاروں اور ڈویلپرز کے لیے، نتیجہ ایک قابل، کھلے طور پر لائسنس یافتہ تصویری ماڈل ہے جو ایک محفوظ ڈیفالٹ پر تخلیقی حد کو ترجیح دیتا ہے۔ Hugging Face پر دستیاب وزن اور GitHub پر موجود کوڈ کے ساتھ، Krea 2 ہر اس شخص کے لیے رکاوٹ کو کم کرتا ہے جو اپنی شرائط پر جدید ترین امیج جنریٹر کے ساتھ تعمیر کرنا، ٹھیک کرنا، یا محض تجربہ کرنا چاہتا ہے۔

---

Stay Ahead of AI

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

Read more AI news →