Krea 发布图像到图像基础模型 Krea 3，支持最多 8 张参考图

在本技术报告中，我们介绍 Krea 3：一个具备前沿智能的基础图像到图像模型，以快速和低成本为设计目标。我们呈现：(1) 模型架构；(2) 面向可变参考数量和原生 2K 分辨率的训练系统；(3) 我们如何挖掘、合成和标注图像到图像数据；(4) 使用 agentic reward harness 的强化学习；以及 (5) 偏好优化。

文本到图像（T2I）模型已经改变了创意行业。然而，尽管它们拥有广阔的世界知识，许多视觉任务无法仅用文字描述。一个身份、一个产品或一个设计参考，展示出来比描述出来更容易。图像到图像（I2I）模型弥合了这一差距：它们将参考图像作为输入，并连同指令一起对其进行推理。

我们介绍 Krea 3，一个具备前沿智能的基础图像到图像模型。它在编辑过程中保持角色和产品的一致性，进行针对性修改而让图像其余部分保持不变，并能在单次生成中组合最多 8 张参考图像。

然而，一个出色的创意工具不仅仅是一个智能工具。每张图像需要数分钟的前沿智能不适合专业创意工作，在专业创意工作中，人们会在保留一个想法之前尝试许多版本。

一旦模型足够智能，能够处理复杂任务，下一个前沿就是速度和成本。然而，许多近期的图像模型已经转向更慢、更昂贵的生成，以换取边际的质量提升。

Krea 3 选择了这一权衡的另一边。它是一个 I2I 模型，具备前沿质量、超快速度和低成本。

1 / 6 时尚 · 使用 Krea 3 编辑

结果

我们将 Krea 3 与团队已在生产中使用 I2I 模型进行比较。

Krea 3 Ultra 在所有独立竞技场中首次亮相即排名第 4，使 Krea 成为全球第 2 的图像生成实验室，击败了多家万亿美元公司。

图像编辑排行榜 竞技场 多图像编辑 GPT-Image-2.5 Sunburst 2 GPT-Image-2.5 Flare 3 GPT-Image-2 (Medium) 4 Krea 3 Ultra 5 Gemini Nano Banana 2.1 6 Seedream 5.0 Pro 7 Muse Image 8 Gemini 3.1 Flash Image 9 Gemini 3 Pro Image Preview 10 Gemini 3 Pro Image (2K) Artificial Analysis AA-Image-Editing v2.1 GPT Image 2.5 Sunburst (max) 2 MAI-Image-2.7-Preview 3 GPT Image 2.5 Flare (max) 4 Krea 3 (Ultra) 5 Nano Banana 2.1 6 MAI-Image-2.6 7 MAI-Image-2.6-Flash 8 GPT Image 2 (high) 9 Seedream 5.0 Pro 10 Muse Image Design Arena 图像编辑 GPT-Image-2.5 Sunburst 2 GPT-Image-2.5 Flare 3 GPT Image 2 4 Krea 3 (Ultra Thinking) 5 Reve 2.0 6 Reve 2.1 7 ChatGPT Image 8 Grok Imagine Image 2 A… 9 Muse Image 10 Grok Imagine Image 2… 图 1：Arena.ai、Artificial Analysis 和 Design Arena 的图像到图像排行榜。

编辑质量 vs. 速度 编辑质量（Elo） 5s10s20s50s100s110011501200新帕累托前沿Krea 3 (Fast)Grok Imagine 2.0(medium)Nano Banana 2Nano Banana 2.1Nano Banana ProIdeogram 4.5 (high)FLUX 3 ImageGPT Image 2.5 Flare (max)GPT Image 2 (high)GPT Image 2.5 Sunburst (max)平均每次编辑秒数（对数） 图 2：质量 vs. 速度。Elo 来自 Artificial Analysis Image Editing 基准。

速度是 Krea 3 差异最大的地方。在生产中，Krea 3 在 8 秒内完成编辑。在我们的生产流量中，Nano Banana Pro 完成一次可比编辑需要约 20 到 40 秒，这使得 Krea 3 大约快 3–5 倍。与 GPT Image 模型相比，差距进一步扩大，后者执行一次编辑可能长达数分钟。

相同编辑，实际时间 Krea 3 (Fast) 8.0s Grok Imagine 2.0 (medium) 14.4s 1.8× Krea 3 Nano Banana 2 16.5s 2.1× Krea 3 Nano Banana 2.1 19.3s 2.4× Krea 3 Nano Banana Pro 22.3s 2.8× Krea 3 Ideogram 4.5 (high) 29.4s 3.7× Krea 3 FLUX 3 Image 41.1s 5.1× Krea 3 GPT Image 2.5 Flare (max) 45.7s 5.7× Krea 3 GPT Image 2 (high) 88.6s 11.1× Krea 3 GPT Image 2.5 Sunburst (max) 90.2s 11.3× Krea 3 025s50s75s100s 平均秒数，从请求到完成图像 图 3：I2I 模型的平均延迟，一张参考图像、2K 输出，这是我们平台上最常见的设置，通过 fal API 测量。

在与 Nano Banana Pro 和 GPT Image 2 等模型保持有竞争力的性能的同时，Krea 3 带来了显著的成本效率，使用户能够以极低的价格获得快速、高质量的编辑能力。

规模化成本 每月编辑次数 100,000 Krea 3 (Fast) $8,000/月 $80.00 每 1k 次编辑 Nano Banana 2 $12,000/月 $120.00 每 1k 次编辑 · 1.5× Krea 3 · 多 $4,000 Nano Banana Pro $15,000/月 $150.00 每 1k 次编辑 · 1.9× Krea 3 · 多 $7,000 FLUX 3 Image $19,200/月 $192.00 每 1k 次编辑 · 2.4× Krea 3 · 多 $11,200 Ideogram 4.5 (high) $22,000/月 $220.00 每 1k 次编辑 · 2.8× Krea 3 · 多 $14,000 GPT Image 2.5 Flare (max) $43,660/月 $436.60 每 1k 次编辑 · 5.5× Krea 3 · 多 $35,660 GPT Image 2 (high) $43,660/月 $436.60 每 1k 次编辑 · 5.5× Krea 3 · 多 $35,660 GPT Image 2.5 Sunburst (max) $43,660/月 $436.60 每 1k 次编辑 · 5.5× Krea 3 · 多 $35,660 $0$10k$20k$30k$40k$50k 100k 次编辑的每月成本 图 4：按 API 价格计算，每个 I2I 模型 100,000 次编辑的每月成本。

我们的架构刻意保持标准；这项工作的贡献在于训练、数据和后训练。我们基于 Krea 2 [1] 预训练初始化 Krea 3，并在显著更广泛、更改进的文本到图像数据集上继续预训练，包括原生 2K 分辨率样本。然后我们引入图像到图像数据，并按如下方式扩展文本到图像架构：

Krea 3 架构 velocity Single Stream MMDiT MLP MLP t = 0 t VLM VAE MLP 3842 指令 参考 目标 t 时间 vision (dropped)指令参考目标时间 悬停或点击一个块，以追踪其在模型中的路径。 图 5：Krea 3 图像到图像扩散 Transformer 架构。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）