8 秒改一张图，每千次 80 美元：Krea 3 公开技术报告，把「修图」的成本摊开了
3分钟看懂
一句话先说结论：Krea 在 11 月 3 日公开了 Krea 3 的技术报告。这不是又一个「画得更好看」的文生图模型，而是一个专做改图（给参考图 + 一句指令，改出你要的结果）的模型。官方给的两个数字最值得记住：生产环境 8 秒完成一次 2K 改图，10 万次改图的月成本 8000 美元，折合每千次 80 美元。
作为对照，官方在同一张表里列出的 GPT Image 2.5 三个档位，10 万次都是 43660 美元，每千次 436.6 美元。差了 5.5 倍。
需要说清楚的是：这些数字全部来自 Krea 自己发布的报告，测速走的是 fal API，不是第三方独立复现。本文基于官方技术报告与多家媒体转述整理。
这个模型到底是什么
Krea 3 的定位是 image-to-image 基础模型。它不从「一句话凭空画图」起家，而是从「你已经有图，现在要改」起家。
几个硬指标：
- 一次最多能塞 8 张参考图，让模型同时看人物、商品、风格参考
- 原生 2K 分辨率输出，不是先出小图再放大
- 官方称 Ultra 版本在 Arena、Artificial Analysis、Design Arena 三个改图榜上都排到第 4 左右
- 报告署名日期是 2026 年 11 月 3 日，同日出现在 Krea 官方博客索引
要注意的是，Krea 3 这个模型本身在 10 月下旬就已经上线了，11 月 3 日发的是技术报告——第一次把训练方法、强化学习配方、推理优化摊开讲。所以这不是「旧闻重发」，而是新公开的一手细节。
适用场景：这件事对谁最有用
因为它换了一个竞争维度。
过去一年图像模型的比拼，大体是「谁修得更漂亮、谁更听话」。代价是越来越慢、越来越贵，官方报告里直说了这一点：很多新模型为了 marginal 的画质提升，走向「一张图几分钟」的路子，这在专业创作里没法用。
Krea 3 走反方向：先保证够快够便宜，再谈质量。这对谁有用？
- 电商团队：一批商品图要按不同市场上不同版本，一张一张改，成本和时间是硬约束
- 广告/设计：客户要「把这个包换成蓝色、背景换成大理石、logo 别动」，需要当场出 5 版看效果
- 内容工作室：同一套素材要出十几个语种的本地化版本
8 秒和 90 秒的差别，不是「快一点」，而是「能不能当面改稿」的差别。
技术上它是怎么做到的
不用啃公式，抓住四个点就够了。
参考图当「干净底片」拼进去
常规做法是把参考图也当成「需要去噪的噪声」，从半糊状态一步步还原。Krea 3 反过来：参考图是干净的，直接以「第 0 步」的身份拼进生成序列，和正在去噪的目标图并排放着。
这么做有两个好处：一是参考信息不会被去噪过程破坏；二是既然是干净的、不随时间变化，就可以缓存下来——你换指令重跑时，参考图那部分不用重算。
文本编码器本身会看图
Krea 3 的文本编码器是一个多模态模型（VLM）。所以它先把参考图（缩到 384² 的小图）和你的指令一起读进去，让指令「看着图」被理解。
有意思的是，最后送进主生成模型的只有指令，那些视觉 token 被丢掉了。官方解释是：参考图在生成那边已经有更高保真的版本（VAE 编码后的），VLM 这里的图只是帮指令找准意思，不需要重复喂。
非要原生 2K，是为了小字
官方给了一个很具体的观察：在 1K 分辨率下，细小的文字过一遍 VAE 编解码就被压没了，模型根本学不到怎么写小字。到 2K，字才「活得下来」，模型才有得学。
所以它把训练拉到原生 2K，顺带把布料纹理、头发、皮肤的细节也保住了。这也是官方承认的、Krea 3 相比 Krea 2 在文字渲染上提升的主因。
训练时怎么处理「参考图数量不固定」
改图任务最麻烦的地方是：这次给 1 张参考图，下次给 8 张，分辨率还各不相同。GPU 最怕这种不齐整。
Krea 3 的办法是「按长度分箱」：每个训练步先抽一个 token 长度和一个参考图数量，所有卡都按这个标准来，短的就补零。这样既能高效率跑满，又能让参考图和目标图各自保持原始长宽比，几乎不裁切。
最有信息量的部分：强化学习踩的坑
报告里最实在的，是它把 RL 阶段的失败讲出来了。
要解决的问题很朴素：模型不是不会改图，而是会犯低级错——把字拼错、动了你明确说「别动」的部分、漏掉指令的一半。
官方的做法是：每个训练输入让模型生成 16 条候选，然后打分、更新策略。打分标准不是人工写的，是先用 agent 规划器读图和指令，生成三份计划：
- 评分清单（rubric）：把「帽子在狗头上」「狗的姿势没变」这类要求拆成一条条可勾选的判断
- 文字计划：如果图里有字，列出每个必须保留、修改、删除的字符串
- 区域计划：如果是局部修改，用框标出应该改的区域
第一个坑：逐条打分很快就不管用了
按清单一条条打勾，听起来很合理。但官方发现，跑到训练后期，约 70% 的候选都能拿满分，超过一半的「同组 8 条候选」里所有人分数一样——没有区分度，就没有学习信号。
更麻烦的是，这种打分不稳定：把同一个打分模型问第二遍，43% 的组内排序会翻转。分数又都挤在满分附近，一点点抖动就会把排序彻底打乱，再放大成训练信号，等于在学噪声。
解法：设一个「擂主」
他们的改法是改成两两对比：不是单独给每条候选打分，而是让候选互相比「哪个更好地完成了指令」。
但全循环两两对比的成本是平方级增长（16 条候选要 120 次判断调用）。随机配对又容易「抽到软柿子」，赢的人只是运气好。
最后的方案很省：随机指定一条候选当擂主，其他所有候选都跟它比。这样每条候选面对的对手完全一样，官方测出「对手带来的分数方差」从随机配对的 25% 降到 4%，而与全循环排序的相关性达到 0.74——用 15 次调用拿到接近 120 次的效果。
再加一个「找茬」裁判
除了比好坏，还单独有一个 defect judge，只看每条候选有没有明显破绽：贴上去的元素比例/光影不对、肢体结构断裂、某块区域像是从别的照片剪过来的。
这一条很关键。已有研究指出，文生图模型在 RL 里会学出「分数高但一眼假」的图，需要专门的反瑕疵奖励来压住。
数据摆在这里
官方给的两组对照，是这篇文章里最可以直接拿去用的东西。
单次改图耗时（一张参考图、2K 输出）：
- Krea 3（Fast）：8.0 秒
- Grok Imagine 2.0 (medium)：14.4 秒（1.8 倍）
- Nano Banana 2.1：19.3 秒（2.4 倍）
- Nano Banana Pro：22.3 秒（2.8 倍）
- FLUX 3 Image：41.1 秒（5.1 倍）
- GPT Image 2.5 Flare (max)：45.7 秒（5.7 倍）
- GPT Image 2 (high)：88.6 秒（11.1 倍）
10 万次改图的月成本：
- Krea 3（Fast）：8000 美元（80 美元/千次）
- Nano Banana 2：12000 美元
- Nano Banana Pro：15000 美元
- FLUX 3 Image：19200 美元
- Ideogram 4.5 (high)：22000 美元
- GPT Image 2.5 三档：43660 美元（436.6 美元/千次）
再次提醒：两者都是官方自测，速度和价格的口径依赖 fal API 与各家公开定价，换成你自己的调用方式会有出入。
哪些情况不适合用它
官方自己列了短板，这部分比优点更值得看：
- 密集小字：仍然不完美，官方明确说是后续重点
- 跨图身份一致性：同一个角色/产品在不同图里保持一致，还做不到位。官方的思路是「用 LoRA 补」，也就是需要你自己训小模型，别指望零样本
- 还不到实时：最快配置 4~5 秒，官方说「快，但还不是实时」
- 闭源：没有开源权重，只能走 API
- 榜单是自引用：三个榜单的具体口径、投票量、时间点，需要回原始榜核对
避坑提醒
- 别把它当文生图模型用：它的主场是「有图改图」，纯凭一句话从零出图不是它的定位
- 别指望零样本保持人物一致：官方自己说这块还不够，需要 LoRA 补
- 别直接抄官方耗时表做决策：那是 fal API 上的单参考图、2K 输出口径，你的分辨率、参考图数量、网络都会改变结果
- 别忽略「改错地方」的隐性成本：速度再快，如果每次都要人工复核有没有动到不该动的区域，实际节省会打折
怎么用：三步走（行动建议）
- 先做对照测试：拿你自己 10 组真实素材，同一条指令分别跑 Krea 3 和现在的方案。重点不是看「谁的图更漂亮」，而是看不该改的地方有没有被改——这是改图落地最容易翻车的地方
- 需要固定形象就先备 LoRA：如果是品牌吉祥物、固定模特、固定商品，先准备一份 LoRA，再谈一致性
- 按千次单价算预算：80 美元/千次 vs 436 美元/千次，量级差 5 倍。如果你是每月几万次的量，这个差价足够覆盖迁移成本
一句话总结
改图这条赛道，这一轮比的不再是「谁的图更惊艳」，而是「谁能在一杯咖啡的时间里、用几毛钱，稳定地把对的地方改对、把不该动的地方留住」。Krea 3 这份报告的价值，是它把这道题的解法连同踩过的坑一起写了出来。
参考来源
- Krea 3 技术报告（官方，2026-11-03）：https://www.krea.ai/blog/krea-3-technical-report
- Krea 官方博客索引（标注 Nov 3, 2026）：https://www.krea.ai/blog
- 日文媒体转述（交叉印证 Ultra 第 4、Fast 8 秒）：https://media.yobitsugi.ai/articles/2026/11/krea-3-technical-report