TL;DR

Krea 2 Raw는 Krea.ai가 공개한 12B 파라미터 Diffusion Transformer 기반의 텍스트-투-이미지 베이스 체크포인트로, 추론용 권장은 아니며 파인튜닝과 도메인 적응을 위한 출발점이다. 모델은 공개 데이터, 상업 라이선스 데이터, 그리고 합성 데이터를 혼합해 학습되었으며 데이터 정제와 타깃 파인튜닝을 통해 프롬프트 추종력과 안전성을 개선하려는 절차를 거쳤다. diffusers의 Krea2Pipeline과 SGLang 등 여러 런타임 예시를 통해 추론과 통합 경로를 제시하며 LoRA 기반 파인튜닝 워크플로와 Krea-2 Turbo로의 이식 사례를 문서화했다. 공개 배포와 함께 Krea 2 Community License는 배포자에게 필터링과 검토 절차를 요구하며, 문서화된 안전 평가에도 불구하고 예측 불가능성·오류 가능성 등 한계로 인해 배포 전 추가적인 안전 테스트와 맞춤형 튜닝이 필요하다.

핵심 포인트

• 오픈 웨이트로 Raw 체크포인트를 공개해 개발자가 내부 가중치를 직접 활용할 수 있도록 한 배포 전략이 차별점이다. 이 접근은 베이스 모델을 기반으로 다양한 파인튜닝·합성 실험을 허용하며 LoRA 컬렉션과 같은 실무용 확장을 촉진했다. 상용 호스팅 통합과도 병행되는 공개 정책이 결합되어 연구와 제품 개발 양측을 지원한다.
• Krea 2 Community License를 통해 배포자에게 안전 장치 이행 의무를 부과한 점이 차별화 요소이다. 라이선스는 오픈 배포임에도 불구하고 배포자가 필터링과 검토를 시행하도록 요구해 운영상 책임을 제도화했다. 이로 인해 공개 모델의 사용 범위와 책임 소재가 명확해진다.
• diffusers의 Krea2Pipeline과 SGLang 같은 여러 실행 경로에 대한 명시적 예시를 제공해 통합 편의성을 높인 점이 실무적 차별화 포인트이다. README의 코드 스니펫은 표준 diffusers 워크플로와 CLI 기반 자동화 환경 모두에서 재현성을 확보하는 방법을 보여준다. 이러한 문서화는 개발자가 다양한 런타임에서 빠르게 실험을 시작할 수 있게 한다.
• 오픈 웨이트로 공개되어 개발자와 연구자가 내부 가중치를 직접 활용해 맞춤형 파인튜닝을 수행할 수 있다. 이로 인해 도메인 특화 데이터로 빠르게 적응시키거나 경량 기법을 통해 효율적 모델 변형을 만들 수 있다. Krea 측은 Raw를 LoRA 학습용 베이스로 목표화한 워크플로와 Turbo로의 이식 사례를 별도 컬렉션으로 제공하고 있다.

이미지 분석