Rapport technique Krea 3 : 8 références en 8 secondes
Krea 3 édite des images à partir de huit références maximum en 2K natif, en moins de 8 secondes et pour 0,06 $ l'image. Il s'exécute dans ComfyUI via le nœud Image Krea 3.
Le rapport est la première publication publique sur le modèle. Il couvre l'architecture, le pipeline d'entraînement image-to-image, l'apprentissage par renforcement sur les récompenses d'édition et l'optimisation de l'inférence, et il appuie par des chiffres mesurés les promesses de vitesse et de prix faites au lancement.
Une sortie Krea 3 issue de la page du modèle chez Krea.
Les chiffres
| Temps par édition | Moins de 8 s dans le trafic de production de Krea ; le rapport situe Nano Banana Pro à 20 à 40 s pour une édition comparable |
| Prix | 0,06 $ par image sur la page tarifaire de Krea |
| Classements | 4e du classement Multi-Image Edit d'Arena avec un score de 1 435 (Krea 3 Ultra), 4e sur Artificial Analysis Image Editing et Design Arena |
| Références | Jusqu'à 8 dans une même génération, avec une résolution choisie indépendamment par image |
| Sortie | 2K natif, avec une option 1K |
 |  |
|---|---|
| Entrée | Une instruction : la même rue à l'heure bleue, voiture repeinte |
Comment il est construit
Krea 3 part du pré-entraînement de Krea 2 et l'étend à l'image-to-image. Les images de référence sont encodées par le VAE et ajoutées à la séquence latente du DiT sous forme de tokens propres au pas de temps 0, ce qui les maintient dans la distribution et permet de mettre en cache leurs paires clé-valeur à l'inférence. Un encodeur de texte vision-langage voit les références en 384² en même temps que l'instruction, et seuls les tokens de l'instruction atteignent le DiT.
L'entraînement ajoute un échantillonnage découplé de la résolution des références et de la cible, ainsi qu'un packing par bins de longueur, afin que les lots puissent mélanger différents nombres de références et des cibles 2K natives. Le post-entraînement consiste en un apprentissage par renforcement face à un harnais de récompenses agentique, suivi d'une optimisation des préférences.
 |  |  |
|---|---|---|
| Entrée 1 | Entrée 2 | Sortie : identité de l'entrée 1, garde-robe de l'entrée 2 |
Dans ComfyUI
Le nœud Image Krea 3 est arrivé dans la PR #17067 le 15 octobre 2026, sous partner/image/Krea. Il accepte jusqu'à huit images, connectées dans l'ordre et appelées dans le prompt @Image1, @Image2, etc. Laissez les entrées vides pour du texte-vers-image.
| Entrée | Ce qu'elle fait |
|---|---|
resolution | 1K ou 2K, 2K par défaut |
thinking_mode | fast (recommandation de Krea), high (davantage de planification sur les éditions complexes), ultra (plusieurs candidats, renvoie le meilleur ; nécessite une image de référence, sort toujours en 2K, pas d'édition précise) |
precise_edit | Conserve inchangé tout ce qui se trouve hors de la zone éditée ; nécessite au moins une image |
aspect_ratio | auto, ou un ratio fixe de 1:1 à 21:9 |
seed | Krea réécrit le prompt avant de générer, donc la même graine ne reproduit pas la même image |
Les exécutions sont facturées par image, avec un surcoût pour chaque référence connectée : environ 0,043 $ pour 1K fast, 0,086 $ pour 2K fast, 0,114 $ pour 2K high et 0,372 $ pour ultra, plus environ 0,03 $ par image de référence.
Où il pèche
Le rapport nomme lui-même deux points faibles. Le texte petit et dense reste imparfait, et l'identité dérive au fil des éditions enchaînées : Krea indique vouloir s'appuyer sur les LoRAs comme voie principale pour les personnages, plutôt que sur des éditions par simple prompt.
Une édition locale : seule l'étiquette change, tandis que la bouteille, le verre et l'éclairage restent en place.
Commentaires
Connectez-vous avec GitHub pour rejoindre la discussion.