Krea 3 八秒出图,快本身就是卖点

Krea 这个月给修图这件事定了个数字:八秒。大多数 Krea 3 的编辑任务,端到端跑完不到八秒,原生 2K。最快的配置四到五秒就出。Krea 自己也强调,这还不算实时——而恰恰是这种主动打的折扣,让剩下的说法更容易让人信。
模型是 10 月 15 日上线的。10 月 21 日抢了头条的 Ultra 档是另一个物种:它会先评审几个候选结果,永远输出 2K,跑一次可能要几分钟,而且要 Max 套餐。所以这里其实是两个产品共用一个名字,而对大多数团队来说,有意思的是快的那个。
为什么延迟是卖点,而不是一个参数
修图工具「够用」已经有大概一年半了。但它们一直不够快,快到能让你边想边改。等九十秒,你就不再多生成几个版本了,而是开始替手上那一版找理由。
Krea 在 9 月 24 日到 10 月 1 日之间做过一次自家对比,计时包含排队时间,且不使用参考图:Krea 3 在 2K 下不到八秒,一张 $0.06;Nano Banana Pro 33 秒,$0.135;GPT Image 2 90 秒,$0.22。这是厂商自己设计测试得出的厂商数字,所以排名比具体倍数更可信。
Krea 联合创始人兼 CEO Victor Perez 把这次押注说得很直白:修图模型已经在电商、影视和广告里用起来了,但它们的潜力大多被速度卡住。这是一句营销话,但它恰好也说中了任何一个真的反复改过产品图的人的感受。
还有一个不会出现在跑分里的二阶效应。一次编辑要八秒,你就一次只改一件事。要九十秒,你就会一次改四件事来省掉一轮往返,然后就分不清是哪一处改动把画面弄坏了。慢工具消耗的不只是时间,还有判断力。
{{INLINE1}}跨轮次的局部编辑,才是真正难的部分
Krea 3 会把产品本身保住,围绕它重建场景。它承诺的是:一张白底产品图能变成广告大片,而标签、字体和 logo 都不走形。它支持用边界框指定新元素落在哪里,也支持多轮编辑,一张图可以在若干条指令下逐步打磨,而不是每次都从头重生成。
试过的人都知道它会怎么翻车。你提一个改动,成了;再提第二个,然后发现第一个悄悄回滚了。多轮编辑只有做到第三轮还记得第一轮,才配叫编辑。Krea 的说法是它做得到,而这里参考图预算很关键:每次编辑给六到八张参考图,够你把一个产品从多个角度钉住,而不是只有一个角度。
榜单的画风是一致的,但也谈不上碾压。在阿里巴巴的 CPI-Bench(测真实世界修图任务)上,据说 Krea 3 Ultra 拿到 5 分制的 4.81,仅次于 OpenAI 的 GPT Image 2.5,排在 GPT Image 2、Seedream 5 Pro 和 Nano Banana Pro 之前。在 Arena 的多图编辑榜上,Ultra 档以 1435 排第四,Gemini 3 Pro Image Preview 以 1365 排第九。截至 10 月 20 日的 Artificial Analysis 上,Ultra 以 1151 排第五,Fast 档以 1125 排第十一,两者都高于 1106 的 Nano Banana Pro。
以零头的价格拿第二或第四,这是一个自洽的位置。它不等于第一,而 Krea 自己的对比页罕见地愿意写明自己在哪儿输。
真正改变工作方式的,是 LoRA
Krea 说 Krea 3 是第一个可以用 LoRA 微调、针对某个具体产品、人物或角色训练的修图模型。LoRA 是叠在基础模型上的一层小适配器,不是全量重训,所以它便宜到可以做成一个功能,而不是一个咨询项目。
如果这在生产环境里站得住,一致性就从提示词问题变成了配置问题。今天要让同一双球鞋在四十张图里长得一样,你得写一段越来越神经质的文字去描述走线和鞋型,然后在第十七张上还是拿到一个「很像」的东西。给这双鞋训一个 LoRA,意味着模型是真的见过它,提示词也就回到描述场景,而不是替产品辩护。
这比降价是更大的变化。降价一个季度内就会有人跟上。而把品牌资产做成一个训好的适配器,这种工作流更黏——因为适配器在你自己账户里,你下次换模型,它不在那儿。
诚实的提醒:Krea 自己的发布帖里没提微调,而在媒体稿里宣布的功能,有时是分批上线的。真要把流水线搭在这上面之前,先看当下的文档,并且用你自己的产品去测,别用演示罐头。
Nano Banana Pro 仍然赢在哪
Google 的模型保留了四样 Krea 没有宣称的东西:4K 输出、搜索接地、图内长文本,以及一套独立的角色图库。如果你的活是一张带整段文案的海报,或者一张数字必须清晰的信息图,那 Krea 的速度优势一点都不重要,因为文字你反正要自己修。
分工其实挺干净。Krea 3 用于产品换场景、去物体、修图清理,量大、同一份素材要反复重新布景。Nano Banana Pro 用于画面本身要承载文字和事实背景的版式。只选一个然后骂另一个,正是团队最后订了两份、却一条流水线都没有的原因。
分发正在悄悄起作用
Krea 3 在 krea.ai 和 Krea API 上可用,也能通过 fal、Hedra、Together AI、Nous Research、OpenRouter、Replicate 和 Baseten 调用。这个铺开程度比看上去更重要。一个只活在自己界面里的模型,比拼的是界面。一个出现在另外六个工具里的端点,比拼的是成为别人工作流里已经在调用的那个默认模型。
Krea 本身是一家旧金山公司,由 Victor Perez 和 Diego Rodriguez 联合创办,融资 8300 万美元,在 Bain Capital Ventures 领投的 4700 万美元 B 轮之后估值约 5 亿美元。它声称有 3500 万用户。对上 OpenAI 和 Google,这点弹药不多,而在公开榜单上拿第二,是真的爆冷,不是理所当然。
换之前该问的问题
八秒不是护城河。总有人会做出五秒,然后两秒。现在真正值得评估的是:这个修图模型能不能在二十轮里把一个素材稳住,以及你能不能拿你卖的那件东西去训它。这两件事决定了三个人能不能跑起一个过去要一整个摄影棚的项目,而它们都不是定价页上的某个数字。
先拿你最烂的那张产品图去试。就是那张标签反光、角度别扭、logo 每次出来都拼错的那张。如果它能在八秒内扛过去,这个决定自己就做完了。
相关文章
5B 的 MOSS-Image 把海报上的中文写对了,代价是它不会改图
开源权重新高的长文本渲染分数、能按坐标摆版式的 JSON Layout,以及一个绕不过去的短板:它是纯文生图,接不了参考图,也改不了图。
Cloudflare 开源了自用的审计器:值钱的是它会反驳
六个阶段、三种结论,还有一条最要紧的规则:检查 finding 的 agent 永远不是发现它的那个;Cloudflare 也承认单次运行大约只找到一半。
LLM 智能体拼出一家交易公司:117,000 星,先读免责声明
分析师、多头、空头、交易员、风控、组合经理——组织架构就是系统架构,而 README 里那句关于非确定性的提醒,才是全文最重要的一行。
225,000 颗 star 只为一份 markdown:Karpathy 的抱怨变成四条规则
没有代码,没有构建,没有 benchmark:四原则写进一份 CLAUDE.md,比今年大多数讲能力的发布都更受关注,而这个落差本身就是新闻。