Krea AI 开源 Krea 2：120亿参数 DiT 模型，首创“Raw训练+Turbo推理”双模型策略

460 0

创意AI平台 Krea AI 正式发布了其基础图像生成模型 Krea 2 的开源版本。该模型基于拥有 120亿参数 的扩散 Transformer（Diffusion Transformer）架构构建，并在独立实验室评测平台 Artificial Analysis 上荣登文本生成图像质量榜首。

官方技术报告：https://www.krea.ai/blog/krea-2-technical-report
GitHub：https://github.com/krea-ai/krea-2
Krea-2-Raw：https://huggingface.co/krea/Krea-2-Raw
Krea-2-Turbo：https://huggingface.co/krea/Krea-2-Turbo
Lora：https://huggingface.co/collections/krea/krea-2-loras
Demo：https://huggingface.co/spaces/krea/Krea-2

此次发布不仅带来了目前最具美学表现力的开源模型，更引入了一种创新的模型协作工作流：“在 Raw 上训练，用 Turbo 生成”。

Krea AI 开源 Krea 2：120亿参数 DiT 模型，首创“Raw训练+Turbo推理”双模型策略

双模型策略：Raw 与 Turbo 的协同进化

Krea 2 以两种截然不同的检查点形式发布，旨在满足开发者、研究人员和创意工作者的不同需求：

1. Krea 2 Raw：可塑性极强的基础底座

状态：来自中期训练阶段，未经蒸馏、微调或后处理的原始预训练检查点。
特点：具有极高的多样性和可塑性，保留了模型最原始的分布特征。
用途：不建议直接用于最终推理。它是进行微调（Fine-tuning）、后训练（Post-training）和 LoRA 训练的理想基础。由于其未经过特定风格的固化，它在吸收新数据时表现出更强的适应性。

2. Krea 2 Turbo：快速高效的推理引擎

状态：经过额外微调和 8步蒸馏 的后训练版本。
特点：生成速度极快，支持高达 2K 原生分辨率，并能在消费级硬件上流畅运行。它拥有广泛的美学多样性，能够高质量地响应各种风格提示。
用途：专为最终的图像生成和推理设计，适合集成到应用程序和工作流中。

核心工作流：跨模型 LoRA 应用

Krea AI 提出了一种打破传统界限的训练与推理分离模式：

“我们强烈建议使用 Raw 进行 LoRA 训练，并在推理时将其应用于 Turbo。”

这种方法的逻辑在于：

训练阶段：利用 Krea 2 Raw 的高可塑性，训练针对特定角色、风格或概念的 LoRA。Raw 模型能更准确地捕捉数据特征，避免蒸馏过程可能带来的信息损失。
推理阶段：将训练好的 LoRA 直接加载到 Krea 2 Turbo 中。实验表明，在 Raw 上训练的 LoRA 在 Turbo 上依然能保持良好的兼容性和生成质量。

这意味着开发者可以享受 Raw 模型的训练精度，同时获得 Turbo 模型的极速推理体验，极大地降低了高质量定制化模型的生产门槛。