2026 年 6 月 23 日,Krea 干了件让图像生成社区集体沸腾的事。
他们把 Krea 2 的模型权重全部开源了。
demo 和 API 都不算数——完整可下载的 safetensors 权重文件,12B 参数的 DiT 大模型,直接扔到 Hugging Face 上。附带推理代码、技术报告、许可协议,一条推文宣布,67.9 万浏览,近 2000 赞。
▲ Krea 官方主帖宣布开放 Krea 2 Raw 和 Turbo 权重,带 24 秒演示视频,近 2000 赞、67 万浏览
但真正让这件事"炸"的,是一个社区用户的实际测试。
Midjourney 都做不出的风格,它做到了
用户 @hellorob 手里有一套 1900 年代初水彩插图全页板数据集。他之前试过所有主流模型——Midjourney、Flux、SD3——用这套数据训练风格。
结果呢?全部崩了。
纹理崩溃,色调渐变丢失,纸张质感出不来。没有任何一个模型能还原那种老水彩插图的笔触和色层过渡。
然后他试了 Krea 2。
"Krea 2 trained a style I couldn't get into any other model. Midjourney included."
「Krea 2 训练出了一种我无法在任何其他模型中复现的风格。包括 Midjourney。」
192 个赞。一个拿着真实数据集、在多个模型上反复测试过的用户,给了硬碰硬的实测结论——营销说不出来这种话。
他特别强调了一点:其他模型在纹理和色调渐变上"崩溃"了,但 Krea 2 完成度极高。这个帖子在社区里迅速传开,因为它回答了一个长期悬在开源图像生成头上的问题——开源模型到底能不能在审美上跟闭源打?
Krea 2 给出的答案是:能。
两个版本,一个逻辑
Krea 这次一口气发了两个模型。
Krea 2 Raw——中期训练检查点,未经蒸馏,未经后训练。官方建议干脆利落:别拿它直接生成,拿它去训练。
Krea 2 Turbo——蒸馏加后训练的快速版本,8 步推理,原生 2K 分辨率,消费级显卡可跑。
▲ Krea 线程详细解释了 Raw(适合微调的基础模型)和 Turbo(快速蒸馏版)的定位
官方给出的核心逻辑直接到粗暴:
"Train on Raw, generate with Turbo."
「在 Raw 上训练,在 Turbo 上生成。」
这是一个非常聪明的产品设计。
大多数开源模型发布时只有一个版本——要么是"基座"(需要自己折腾但上限高),要么是"成品"(即开即用但改不动)。Krea 拆成了两步:Raw 给你最大的可塑性和训练自由度,Turbo 保证你训练完以后能快速出图。
用 Raw 训练 LoRA,直接套到 Turbo 上跑。Krea 自己还发了一套官方 LoRA 示范。这不是画饼——发布当天就有人在 ComfyUI、fal.ai、Diffusers 上跑通了完整流程。
审美密码,藏在训练策略里
12B 参数在 2026 年算不上最大。Krea 2 真正特别的地方,是它从预训练第一天起就做了一个反常识的决定:
预训练完全不使用 AI 生成的图像。
这在今天的图像模型训练里几乎是异类。大多数 pipeline 都会用合成数据来扩充数据集,因为便宜、量大、标签准。Krea 团队在技术报告里的原话是:
"Even a small amount of AI-generated images introduces bias, as synthetic images tend to be easier to learn, effectively capping the model's quality."
「即使少量 AI 生成图像也会引入偏差,因为合成图像往往更容易学习,这实际上给模型质量设定了上限。」
用 AI 数据训练 AI 模型,短期来看收敛快、指标好看,但长期会把输出分布的天花板拉低——模型学到的不再是世界的本来面目——它只是在复读其他 AI 训练出来的审美偏见。
Krea 的第二个反常识操作在数据过滤上。
行业主流做法是用 aesthetic score(审美评分模型)去筛选"好看"的训练样本。Krea 反其道而行:他们刻意保留了那些"不完美但标注准确"的图像。
逻辑是这样的:如果一张图肢体畸形但 caption 精准描述了它,模型就能学会"畸形肢体"是什么样的——将来你可以用 prompt 引导模型远离这个方向。但如果你一开始就把这类样本删了,模型对"坏结果"缺乏精确认知,反而更容易在边缘情况翻车。
这也是为什么 @hellorob 的那套水彩数据能在 Krea 2 上跑出效果——Krea 的基础模型里保留了足够宽广的美学分布,它不是被"修剪"成一个特定风格的。
▲ Krea 2 Turbo 在 HF 模型卡上的样本网格:插画、动漫、写实、超现实,风格覆盖极广
翻一翻 HF 上 Krea 2 Turbo 模型卡的样本网格就能看明白。它呈现出好几种不同方向的好看——日系插画、美式复古、写实摄影、超现实概念,切换自如。这正是 Krea 刻意追求的结果:一个宽广的美学空间,用户可以自己在里面导航。
12B DiT,从头训出来的硬仗
Krea 2 的技术报告长达 58 分钟阅读量,把训练细节摊得很开。
架构上是务实且现代的方案:Single-stream MMDiT(简化版多模态 Diffusion Transformer),搭配 SwiGLU 激活、GQA 注意力、门控 sigmoid attention。文本编码器用了 Qwen3-VL 加多层特征聚合。位置编码是 3D Axial RoPE。
训练分了多个阶段:预训练用课程式升分辨率配合 iREPA 加速,中间训练阶段用层次聚类加 Wikipedia PageRank 确保长尾实体和风格覆盖,SFT 阶段用人工精选的高审美图像做方向性微调,最后是偏好优化和强化学习。
RL 阶段的设计尤其值得说。Krea 没用单一奖励模型,而是拆成了三路:
- 审美 VLM 奖励
:用人类偏好数据微调视觉语言模型,评判整体美学质量 - Prompt 遵循奖励
:基于可验证的 rubrics(把 prompt 要求拆成可逐一检查的子项),不是笼统打分 - Artifact 检测奖励
:专门抓多指、畸形肢体、扭曲文字这类"人类一眼看出但 VLM 容易漏"的结构错误
三路奖励同时跑,训练全程关闭 CFG。推理时 CFG 作为额外旋钮还给用户。
报告中还有一个容易被忽略的细节:大规模预训练中,InfiniBand 互联温度一旦超过 75-78°C 就开始降频,Tensor Core 利用率比 GPU util 更能反映真实训练健康度。这些工程细节说明 Krea 从零把 12B 模型训了出来,跟拿别人基座 fine-tune 贴牌是两码事。
▲ GitHub README 顶部直接打出"the most aesthetic open-source image model"的定位,附完整工作流说明
许可:小团队零门槛,但有一条硬要求
Krea 2 的社区许可协议设计得很务实。
年营收低于 100 万美元的公司或个人,免费商用。超过门槛需要购买企业许可。分发模型或含模型的产品时,模型名必须以"Krea"开头,保留指定归属声明。
输出内容的版权归用户所有,Krea 不主张权利。
但有一条硬要求值得注意:所有部署方必须实施合理的内容过滤器——可以组合使用开源分类器、商用 moderation API 或人工审核。未实施即构成违约,Krea 有权撤销许可。
Apache 或 MIT 协议走的是"拿去随便用,出事别找我"的免责逻辑。Krea 的做法更像一份双向契约——我给你自由,你也得负起责任。对小团队极度友好,对托管方提出了实际的合规要求。
▲ 许可协议明确规定了商业使用门槛、归属要求和强制内容过滤义务
为什么这件事值得关注
开源图像生成领域在过去两年经历了多次"狼来了"——每次有新模型发布都有人说"开源追上闭源了",但实际用起来总差一口气。差的这口气,分辨率补不上,benchmark 分数也补不上——缺的是审美。
Krea 2 没去卷 Midjourney 或 Flux 的 benchmark 指标,它选了一条不同的路:追求审美多样性,拒绝把模型输出收窄到单一美学。开放权重让社区在此基础上继续探索。
Reddit 上已经有用户贴出工作流分享,标题直接写 "Krea 2 workflow images are next level"。ComfyUI 节点和 SGLang 集成在发布当天就有人跑通。日语用户确认日本语文本和插画质量"かなり強い"(相当强)。开发者甚至发现,对 12B DiT 的特定 block 做简单的权重反转——不训练、不加 LoRA——就能让输出偏向更"artsy"的方向。
这说明 Krea 2 Raw 的可塑性确实高,不是纸面承诺。
▲ Reddit 社区帖讨论 Krea 2 工作流,真实用户在真实场景中验证了模型的审美差异化
对创作者来说,Krea 2 带来了一个很实际的改变:本地跑一个能打的审美模型,用自己的数据训练 LoRA,不再依赖订阅 API 和闭源平台。需要独特视觉语言的插画师、品牌设计师、概念艺术家,第一次有了一个真正的"开源审美基座"。
对开源生态来说,Krea 2 证明了独立实验室可以从零训练出审美上有竞争力的模型,并把它完整地放出来。技术报告的数据策略、训练哲学和工程细节,对整个社区的研究方向都有参考价值。
▲ 官方技术报告以"wide aesthetic diversity and user creative control"开篇,从第一页就定调审美多样性
Krea 2 不是终点。它是开源图像生成从"能用"走向"好看"的一个路标——而且这个路标是可以下载、可以微调、可以在你自己的机器上跑的。





