Krea 2发布：12B参数开源图像模型，美学多样性碾压主流方案

你的AI图片，是不是也长着同一张”网红脸”？

打开任何一款AI生图工具，输入”一个女孩站在夕阳下的海滩”，你会发现什么？铺天盖地的高饱和度色调、完美到失真的皮肤纹理、千篇一律的黄金比例构图——美则美矣，却美得太像了。AI图像正在经历一场无声的”审美趋同”：模型越来越擅长生成社交媒体上受欢迎的”标准好看”图片，却越来越不会帮你探索真正的视觉可能性。

这不是一个技术问题，而是一个产品哲学的偏差。当前主流图像模型几乎都在沿着”单一精致默认输出”的路径优化，它们的目标很明确：让每一次生成都看起来像一张精心修过的Instagram照片。但问题是——创作者的真正需求，是跟着AI的审美走，还是用AI去发现连自己都没见过的风格？

Krea团队显然选择了后者。他们刚刚发布的\1系列基础模型，打出了一个旗帜鲜明的定位：\1。

12B参数的”叛逆者”：不追求最好看，只追求最丰富

Krea 2的核心架构基于\1，总参数量达到\1——这个规模在开源图像模型领域绝对属于第一梯队。但参数量的庞大并不是它最值得关注的地方，真正让它在HN上拿到\1、引发行业讨论的，是它对”美学多样性”近乎偏执的追求。

根据Krea官方技术报告，Krea 2的设计目标从一开始就与传统模型不同：它不试图在每次生成时给出”最优解”，而是构建一个足够宽广的视觉可能性空间，让用户在其中自由探索。这意味着Krea 2能够支持的\1，远超那些针对”安全好看”进行了过度对齐的主流模型。

用大白话说：别的模型给你一张标准答案，Krea 2给你一本草稿本，上面画满了各式各样的可能性，选哪个由你说了算。

技术底牌：从零搭建的训练管线

能支撑起这种野心的，是一套从地基开始完全自研的技术体系。Krea 2背后的团队没有在现成的开源框架上修修补补，而是从\1到\1都选择了从头构建。这种”重基建”策略看似笨拙，实则恰恰是技术报告中最值得关注的信号——它意味着Krea团队对训练过程中的每一个环节都拥有完整的控制权，从而能够精准地调校模型对”多样性”的感知。

在训练策略上，Krea 2采用了一条精心设计的\1。这条管线最有意思的地方在于后两个阶段：偏好优化和强化学习。大多数图像模型在微调阶段会引入人类反馈来让模型”更符合大众审美”，这恰恰是审美趋同的根源。而Krea 2的RL和偏好优化阶段的训练信号，明确地指向了”探索广度”而非”输出一致性”——这在行业内是一个相当大胆的选择。

开源：不只是放权重，更是一次生态宣言

Krea 2的另一个重要动作是：\1。在当下头部模型厂商纷纷走向封闭或半封闭的趋势下，这个决定的分量不容小觑。

开源的意义远不止于免费使用。对于Krea 2这样一个强调”多样性”的模型来说，开源意味着社区可以基于它进行二次训练、风格微调、甚至开发全新的下游应用。每一个开发者都可以在Krea 2的基础上叠加自己的审美偏好和领域知识，最终形成的将不是一个”标准模型”，而是一个枝繁叶茂的创意工具生态。这才是Krea 2最聪明的布局：它提供的不是一个答案，而是一套”生成答案的方法”。

一场关于AI图像未来的辩论

Krea 2的出现，无意中把一个问题推到了台前：当AI越来越擅长”替我们做选择”，我们是获得了便利，还是失去了可能性？审美趋同不是一个模型层面的小缺陷，而是整个行业在”对齐”和”安全”的旗帜下，不知不觉走进的窄巷。

当然，Krea 2并非没有挑战。追求多样性意味着用户需要的提示词工程能力更高，意味着”开箱即用”的惊艳感可能不如竞品，也意味着模型在商业化路径上需要找到新的叙事。但正如HN上的一条高赞评论所说：”我们已经有足够多的模型来生成好看的图片了，我们需要的是能帮我们探索’什么才是好看’的模型。”

在AI图像模型疯狂内卷的时代，Krea 2选择了最难但也许最有价值的一条路：\1 这份野心，值得整个行业认真看一看。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn