Krea 2 技术报告发布：重塑生成式 AI 的探索性创作范式

在图像生成领域，扩散模型（Diffusion Models）与流匹配模型（Flow-matching Models）虽已能生成高分辨率、高保真且包含复杂文本的图像，但行业长期过度优化“可靠性”与“默认审美”，导致大多数系统收敛于狭窄的视觉风格，缺乏作为创意探索引擎的多样性。

为打破这一僵局，Krea 团队于 2026 年 6 月发布了 Krea 2 Technical Report，正式推出 Krea 2 系列基础模型。该系列模型的核心愿景是：将图像生成重新定义为一种探索性媒介，既具备跨越多种美学的表现力，又赋予创作者足够的控制权以导航不同的视觉方向。

核心架构与训练创新

Krea 2 并非简单的模型迭代，而是从数据底层到推理顶层的系统性重构：

1. 颠覆性的数据策展原则

Krea 2 摒弃了传统依赖美学评分（Aesthetic Score）和图像质量评估（IQA）模型的过滤方式，认为这会引入隐性偏见（如将艺术性的模糊误判为低质）。

• 多样性优先：构建涵盖广泛领域与风格的预训练数据集。
• 负样本利用：即使图像本身“不理想”，只要其描述准确，也能用于训练模型理解并规避特定分布，从而在推理时提供反向控制。

2. 多阶段训练管线

团队从零构建了大规模分布式训练框架，采用渐进式优化策略：

• Pretraining & Midtraining：构建基础视觉能力。
• Supervised Fine-tuning (SFT)：基于富含视觉细节的密集描述进行微调。
• Preference Optimization & RL (Reinforcement Learning)：通过强化学习优化输出分布，鼓励创意变异。

3. 架构效率与稳定性提升

Krea 2 基于 Diffusion Transformer (DiT) 架构，并集成了多项关键组件以加速收敛并提升稳定性：

• iREPA：改进的推理效率组件。
• Improved VAEs：优化后的变分自编码器。
• Qwen3-VL：集成先进的视觉语言模型作为文本编码器。
• GQA & Sigmoid-gated Attention：分组查询注意力与门控注意力机制，平衡训练效率与精度。

解决“意图 - 表达”鸿沟

尽管基础模型训练数据丰富，但用户输入往往简短、模糊且充满个人表达习惯，导致模型难以精准捕捉创意意图。Krea 2 为此引入了两大核心系统：

1. Prompt Expander（提示扩展器）

这是一个基于开源 LLM 训练的双阶段系统，旨在将用户简短或模糊的提示词映射为更丰富的视觉方向，同时不过度覆盖用户原意，鼓励创意探索。

2. Style-Reference System（风格参考系统）

允许用户通过图像而非仅靠文字来表达意图。用户可注入参考图像的风格或情绪，并提供对风格强度和混合权重的细粒度控制，有效解决“词不达意”的问题。

实际价值与行业影响

Krea 2 不仅仅是一个生成工具，更是一个创意生成基线。它成功地在保持高性能的同时，极大地拓宽了视觉探索的空间。根据最新数据，Krea 2 在 Artificail Analysis 文本生成图像榜单中位列前十，在独立实验室模型中排名第二。

对于开发者而言，Krea 2 提供了可解释的架构细节与开源权重，便于集成到 Agent 工作流中；对于创作者，它意味着不再受限于千篇一律的“完美”结果，而是可以主动探索风格边界，实现真正的个性化艺术表达。

"Krea 2 的设计初衷并非仅提供一个单一的 polished 默认结果，而是暴露广阔的视觉空间，并赋予用户实用的工具来在其中自由穿梭。" —— Krea 官方团队

注：模型权重与推理服务已按宽松许可协议（Permissive License）发布。