Krea 2 : la génération d'images IA en 2 secondes disponible en open weights

Krea 2 Turbo et Raw : deux modèles, deux philosophies

Le 23 juin 2026, Krea a publié deux checkpoints distincts issus d'un même modèle de diffusion de 12 milliards de paramètres, comme le détaille VentureBeat. Ces deux variantes répondent à des besoins radicalement différents.

Krea 2 Turbo : la vitesse avant tout

Krea 2 Turbo est la version distillée et post-entraînée du modèle. Grâce au knowledge distillation, il fonctionne avec seulement 8 étapes d'inférence et un guidance scale de 0.0. Résultat : une image en résolution native 2K générée en ~2 secondes sur du matériel grand public. Il est compatible avec les références de style et les LoRA entraînées sur Krea 2 Raw.

Krea 2 Raw : le terrain d'entraînement

Krea 2 Raw est un snapshot de mi-entraînement, sans RLHF ni distillation esthétique. Il utilise 52 étapes d'inférence et un guidance de 3,5. Son espace latent, volontairement non filtré, en fait un outil idéal pour entraîner des LoRA personnalisées. En revanche, il est peu adapté au prompting direct : sa sortie non raffinée nécessite un post-traitement.

Une architecture repensée pour la vitesse

Krea 2 repose sur un Diffusion Transformer (DiT) de 12 milliards de paramètres avec plusieurs innovations architecturales qui expliquent ses performances.

Le modèle utilise un bloc transformer single-stream où les couches d'attention et de MLP sont partagées entre les tokens texte et image. Le MLP adopte une activation SwiGLU avec facteur d'expansion 4x, couplée à une Grouped-Query Attention (GQA) avec attention sigmoïde « gated ». Le conditionnement temporel a été simplifié : un biais ajustable par bloc remplace les modules MLP traditionnels, réduisant les paramètres de modulation de 20 à 30 %.

Krea 2 intègre également un encodage positionnel RoPE axial 3D (frame, hauteur, largeur) et combine deux VAE : Qwen Image VAE et FLUX 2 VAE, pour une convergence rapide et une fidélité de reconstruction élevée.

Un benchmark de vitesse qui bouscule le marché

VentureBeat a compilé les temps de génération moyens à mi-2026. Voici comment Krea 2 Turbo se positionne face à la concurrence :

• FLUX.1 schnell (Prodia) : 0,5 s (open source, Apache 2.0)
• Z-Image Turbo (Replicate/fal.ai) : 1,8 s (propriétaire)
• Krea 2 Turbo : 2,0 s (open weights, licence communautaire)
• FLUX.2 klein 4B : 3,9 s (open source permissif)
• Midjourney v8.1 Turbo : 3-6 s (propriétaire, coût en crédits élevé)
• FLUX.2 pro : 11,1 s (propriétaire)
• GPT-Image-2 (OpenAI) : 200,8 s (plus de 3 minutes)

Open weights, licence propriétaire : un équilibre délicat

Krea 2 Raw et Turbo sont disponibles en téléchargement sur Hugging Face sous une licence communautaire personnalisée. Krea ne revendique aucun droit d'auteur sur les contenus générés par les utilisateurs, un point critique pour les entreprises qui craignent les problèmes de propriété intellectuelle.

Cependant, la licence impose des gardes-fous de sécurité obligatoires. Tout développeur qui ne déploie pas ces couches de protection se trouve en violation immédiate du contrat, donnant à Krea le droit explicite de mettre à jour les poids du modèle ou de révoquer complètement l'accès.

Un dataset hybride et une politique « zéro synthétique »

L'entraînement repose sur un dataset hybride : données publiques collectées, images sous licence tierce, et datasets synthétiques propriétaires. Krea applique un filtrage rigoureux pour éliminer les doublons, les basses résolutions et les contenus explicites. Surtout, le pré-entraînement primaire applique une politique zéro donnée synthétique : des classifieurs personnalisés basés sur DINOv3 et SigLIP-2 purgent toute image générée par IA du corpus d'entraînement.

Pour la préservation des styles, Krea a entraîné en parallèle un autoencodeur sparse spécialisé qui capture l'identité stylistique sans la reproduire, évitant ainsi le surapprentissage sur des artistes ou des marques spécifiques.

Ce que ça change pour les créateurs et les entreprises

Krea 2 s'attaque directement au problème de l'uniformité visuelle de l'IA. Comme le souligne Krea : « L'imagerie IA finit par paraître non distinctive, monotone et trop peu originale pour qu'une marque et ses actifs se démarquent. » La combinaison Raw + Turbo est conçue pour résoudre ce problème : entraîner un style d'entreprise sur Raw, le déployer à grande échelle sur Turbo.

Pour les développeurs, l'API Diffusers de Hugging Face permet une intégration immédiate avec quelques lignes de Python. L'inférence sur GPU grand public rend le modèle accessible sans infrastructure cloud coûteuse. C'est un avantage décisif face à Midjourney, dont le modèle économique repose entièrement sur le calcul hébergé.

À retenir

• Krea 2 Turbo génère des images en ~2 secondes en résolution native 2K. C'est 100 fois plus rapide que GPT-Image-2 (OpenAI) et compétitif avec Midjourney v8.1.
• Deux checkpoints complémentaires : Raw pour le fine-tuning, Turbo pour la production. « Train on Raw, generate with Turbo » est le workflow recommandé pour créer des styles visuels distinctifs.
• Les poids sont en open weights sur Hugging Face, sous licence communautaire. Krea ne revendique aucun droit sur les images générées.
• Architecture DiT 12B avec RoPE 3D et double VAE, optimisée pour la vitesse via knowledge distillation et conditionnement temporel simplifié.
• La licence impose des garde-fous de sécurité : tout contournement donne à Krea le droit de révoquer l'accès. Un équilibre entre ouverture et responsabilité qui pourrait servir de modèle à l'industrie.

Sources

• VentureBeat · Enterprise-grade AI image generation in 2 seconds is here: Krea 2 Raw and Turbo available as open weights under custom license, 23 juin 2026
• TechCrunch · Meta debuts new, cheaper smart glasses under its own brand, 23 juin 2026
• ZDNet · 3 ways the new Steam Machine could be a huge win for Linux, 23 juin 2026