Krea 2：Krea AI开源的文生图大模型，支持LoRA跨版本通用

一、Krea 2是什么

Krea 2是独立AI实验室Krea AI从零完整训练、开源发布的文本生成图像模型，该模型主打创意美学与多元风格创作，在行业测评平台Artificial Analysis的独立实验室开源文生图榜单中排名第一，是兼顾本地部署、LoRA微调、极速高清出图的开源图像生成方案。模型分为Krea 2 RAW基础底模、Krea 2 Turbo快速蒸馏版两套权重，官方标准化工作流为「RAW训练LoRA，Turbo落地推理」，LoRA权重跨版本通用，适配开发者、设计师、AI研究人员全场景使用。

二、功能特色

1. 双模型分工体系，训练生产分离
   RAW无蒸馏、可塑性极强，专门用于LoRA微调、模型二次训练；Turbo经过蒸馏压缩，仅8步即可生成高清大图，适合批量、快速出图，两套模型LoRA互通，大幅降低自定义风格开发成本。

2. 顶级原生美学表现力
   原生适配插画、写实、潮流艺术、概念设计、人像、产品摄影等数十种风格，色彩层次、光影质感、画面构图表现突出，无需大量提示词优化即可产出高质量创意图像。

3. 超大分辨率支持
   RAW最高原生支持1024分辨率；Turbo最高支持2048高清输出，满足海报、商业印刷、高清素材生产需求。

4. 极简本地部署，多生态兼容
   采用uv包管理器一键安装依赖，原生支持ComfyUI、Fal、SGLang三大推理平台；兼容Kohya、Huggingface Diffusers、Ostris AI等主流LoRA训练工具。

5. 高度可调推理参数
   开放采样步数、CFG引导、时序偏移mu、分辨率、随机种子、批量生成数量等全维度参数，适配艺术创作、稳定量产、学术实验等不同需求。

6. 宽松开源许可
   基础开源权重采用社区许可，个人非商用自由使用；商用场景可联系官方采购商业授权，无严苛版权限制。

三、技术细节

1. 核心架构

项目基于MMDiT（多模态扩散Transformer） 架构开发，配套自研autoencoder自编码器完成图像压缩与重建，仓库提供mmdit.py、autoencoder.py、encoder.py完整底层代码，双流注意力机制实现文本与图像特征双向交互，提升提示词遵循度与画面细节还原能力。

2. 两大模型技术差异

3. 工程实现细节

• 代码语言：100% Python，仓库包含推理、采样、编码器、自编码器全套源码；

• 依赖管理：使用uv工具，uv sync一键拉取全部依赖，配套pyproject.toml、uv.lock配置文件；

• 权重格式：safetensors安全权重文件，托管于Hugging Face；

• 运行方式：通过环境变量OSS_RAW、OSS_TURBO指定权重路径，执行inference.py脚本完成图像生成；

• 采样模块：独立sampling.py实现全套扩散采样逻辑，支持自定义采样调度。

四、应用场景

1. 专业创意设计
   插画师、概念设计师、潮流艺术家快速生成原画、海报、潮玩视觉、艺术概念稿，原生风格表现力减少后期修图工作量。

2. AI模型二次开发
   AI开发者、研究者基于RAW训练角色、风格、IP专属LoRA，训练完成后迁移至Turbo快速批量生成素材。

3. 商业素材量产
   电商产品图、短视频封面、自媒体配图、广告视觉素材，使用Turbo 8步极速生成，支持2048高清商用尺寸。

4. 本地离线部署
   工作室、企业私有本地AI绘图工作站，无需联网API，保障素材版权与数据安全。

5. AI学术实验
   扩散模型、LoRA微调、少步蒸馏相关研究，提供完整可修改底层代码，支持自定义训练与消融实验。

6. 可视化节点工作流
   ComfyUI用户搭建自动化绘图流水线，结合ControlNet、高清修复插件实现全链路自动化创作。

五、使用方法

1. 环境部署

1. 克隆官方仓库：git clone https://github.com/krea-ai/krea-2

2. 进入项目目录，一键安装依赖：uv sync

3. 前往Hugging Face下载RAW、Turbo两套safetensors权重；

4. 配置环境变量指定权重路径：

export OSS_RAW=你的RAW权重文件路径
export OSS_TURBO=你的Turbo权重文件路径

2. RAW基础模型推理命令

适用于风格微调、精细艺术创作，完整采样流程：

uv run inference.py "a fox walking in the snow" \
 --checkpoint oss_raw --steps 52 --cfg 3.5

3. Turbo极速高清推理命令

适用于批量高清商用素材，8步快速出2K图：

uv run inference.py "a fox walking in the snow" \
 --checkpoint oss_turbo --steps 8 --cfg 0.0 --mu 1.15 --width 2048 --height 2048

4. 核心可调参数说明

• --steps：扩散采样步数，RAW推荐52，Turbo固定8；

• --cfg：分类自由引导，0代表关闭，RAW推荐3.5；

• --mu：时序偏移系数，Turbo固定1.15效果最佳；

• --width/--height：输出分辨率，自动补齐16倍数；

• --num-images：单次批量生成图片数量；

• --seed：随机种子，固定种子可复现相同图像。

六、竞品对比

选取行业主流开源方案Stable Diffusion 3、Flux.1 Dev与Krea 2横向对比：

七、常见问题解答（FAQ）

Q：我应该选择RAW还是Turbo模型使用？

A：如果需要训练专属LoRA、做模型微调、学术研究，选择Krea 2 RAW；如果日常快速出图、批量生成高清商用素材，直接使用Krea 2 Turbo。官方标准工作流是在RAW训练LoRA，再加载到Turbo中推理。

Q：Krea 2 Turbo仅8步采样，画质会大幅下降吗？

A：不会，Turbo经过专业蒸馏优化，在关闭CFG、mu=1.15参数下，8步输出画质接近RAW 52步效果，同时推理速度提升数倍，是速度与画质平衡的最优方案。

Q：RAW训练出来的LoRA，能直接在Turbo上使用吗？

A：可以，官方原生支持两套模型LoRA互通，无需二次转换，是该项目核心优势，大幅降低自定义风格开发成本。

Q：Krea 2支持多大分辨率输出？

A：RAW基础模型最高支持1024分辨率；Turbo蒸馏版原生支持1024~2048分辨率，分辨率会自动补齐至16的整数倍。

Q：本地运行Krea 2需要什么硬件配置？

A：推荐显存≥16G独立显卡（RTX 4090/A100等）；2048分辨率Turbo推理建议24G以上显存，显存不足可降低输出分辨率运行。

Q：有哪些工具可以用来训练Krea 2 RAW的LoRA？

A：官方推荐工具包含Huggingface Diffusers、Ostris AI toolkit、Fal训练平台、Kohya（musubi tuner），全部适配RAW底模微调。

Q：除了本地Python脚本，还有哪些平台能运行Krea 2？

A：支持ComfyUI可视化节点、Fal云端推理、SGLang高性能推理引擎，三种主流部署方式，兼顾可视化操作与云端批量生产。

八、相关链接

1. GitHub仓库地址：https://github.com/krea-ai/krea-2

九、总结

Krea 2是Krea AI推出的一款从零训练、主打美学创作的开源文生图模型，通过RAW基础底模与Turbo蒸馏加速版的双模型差异化设计，解决了传统开源模型微调难、推理慢、分辨率上限低的痛点，凭借Artificial Analysis独立实验室榜单第一的美学表现、通用LoRA迁移机制、2048高清输出能力，适配设计师、AI开发者、科研人员等多元人群，同时兼容主流绘图与训练生态，提供完整可本地部署的开源代码与清晰标准化使用流程，是兼顾创意艺术生产与模型二次开发的一体化开源图像生成方案。