Krea 2 发布：风格不再是 prompt 里一个模糊词

分类: 生图平面类 |发布于: 5/13/2026 |最后更新: 5/13/2026

基于已整理草稿生成的网页版文章，适合先稳定落地，再做局部润色与发布检查。

5 月 12 日，Krea AI 发布 Krea 2——首个完全从零自研的基础图像模型。它的核心卖点不是"更逼真"或"更高分辨率"，而是风格控制：style transfer、moodboard、多参考混合、强度调节，让"画面长什么样"从写 prompt 猜盲盒，变成用图像直接引导。

这是什么

Krea 2 是 Krea AI 第一个从零训练的基础图像模型。此前 Krea 的产品主要基于第三方模型做套壳和调优，Krea 2 意味着他们从"API 调用方"走向了"自研底座"。

官方博客的定位很明确：生成一张图要定义两件事——"图里有什么"和"图长什么样"。大多数模型在卷前者（更精准的 prompt 跟随），Krea 2 选择卷后者——风格表达。用他们自己的话说：风格不应该只是 prompt 里的一个模糊词，它应该是你可以引导、混合、加强、减弱、推动的东西。

在 Krea 2 里，你可以传入一张参考图，模型会拆解出它的风格成分——色调、质感、构图倾向、画面颗粒感——然后把这些风格"移植"到新生成的图上。

"能参考风格"本身不新鲜，FLUX Kontext 和 GPT Image 2 也能做。Krea 2 的差异化在于控制粒度：

这解决的是长期痛点：在 Midjourney 或 FLUX 里，"赛博朋克风"每次出来的色调和质感都可能不同，因为你的理解和模型的理解不一定对齐。Krea 2 的思路是——别猜了，直接给我一张你想接近的图，我来拆解和复用。

单张参考图有时不够。你想要的风格可能是多种元素的融合：一点日式木版画的线条、一点 80 年代霓虹的配色、一点沙漠摄影的光感。这种复合审美没法用一张图概括。

Krea 2 的 moodboard 就是为此设计的：放多张图进去，每张代表你想融入的一个审美方向，模型从中提取和融合。对于概念设计、品牌视觉探索这类"我想要一种感觉但说不清"的场景，这比反复调 prompt 试错高效得多。

除单图风格控制外，Krea 2 还提供了批次层面的变异度调节。做品牌视觉系统时，需要一组图保持风格统一但有微妙差异——把变异度拉低；做创意探索时想让同一 prompt 出来的几张图各走各的路——拉高。

过去一年，文生图赛道竞争的核心是"更逼真"和"更听话"——分辨率从 1K 到 2K 到 4K，prompt 跟随度从经常翻车到基本靠谱。但当模型能精准执行你的文字指令时，下一个问题自然浮现：你的审美意图，文字真的能说清吗？

"电影感"三个字，在一个人脑子里是王家卫，在另一个人脑子里是诺兰。prompt 永远是压缩——它把一个复杂的视觉感受压成几个词，指望模型精确还原。Krea 2 的思路是：既然语言天然丢信息，不如直接用图像作为风格输入。这不是一个"锦上添花"的功能，而是对生图交互范式的重新思考。

Krea 此前依赖第三方模型 API。自研底座意味着他们能针对"风格理解和迁移"做专项训练，而不是在通用模型上套一层浅层风格滤镜。代价同样明显：训练基础模型的成本远超调用 API，这解释了为什么 Krea 2 目前以 early access 形式开放——算力和服务容量可能还没完全准备好。

模型参数量、架构细节、训练数据均未公开：社区无法独立复现或评估
Early access 阶段：尚未全量开放，性能和稳定性需要更多用户验证
纯风格控制有边界：当你的需求是"内容精准"（比如"画面里要有 7 只猫围坐一桌"），Krea 2 不是强项——它解决的是"怎么画"而非"画什么"
竞品在收窄差距：FLUX Kontext 的 style reference、GPT Image 2 的多图参考都在向"风格可控"靠拢，Krea 2 的窗口期取决于迭代速度
Krea 自身定位仍偏创意消费端：和企业级场景（如品牌资产管理系统、广告投放平台）的对接尚无明确方案

---

*基于 Krea AI 官方博客、产品页面及多家媒体转述整理。*

说明：该页面由基础模板稳定生成，后续可继续局部润色样式或补充模块，再进入发布检查。