Krea 3 기술 보고서: 8개 참조 이미지 편집을 8초 이내에

이 보고서는 해당 모델에 대한 첫 공개 문서입니다. 아키텍처, 이미지 기반 이미지 생성 학습 파이프라인, 편집 보상에 대한 강화 학습과 추론 최적화를 다루며, 출시 당시 제시했던 속도와 가격 관련 주장에 측정된 수치를 뒷받침합니다.

Krea 모델 페이지에 소개된 Krea 3 출력 예시.

수치로 보기

입력	명령 하나: 같은 거리를 블루 아워로, 차량은 다시 도색

구조

Krea 3는 Krea 2 사전 학습 모델에서 출발해 이미지 기반 이미지 생성으로 확장했습니다. 참조 이미지는 VAE로 인코딩되어 타임스텝 0의 클린 토큰으로 DiT의 잠재 데이터 시퀀스에 추가되며, 이를 통해 분포 내 상태를 유지하고 추론 시 키-값 쌍을 캐시할 수 있습니다. 비전-언어 텍스트 인코더는 384² 크기의 참조 이미지를 명령과 함께 보지만, DiT에는 명령 토큰만 전달됩니다.

학습에는 참조와 대상 해상도를 분리해 샘플링하는 방식과 길이 구간별 패킹(length-binned packing)을 추가하여, 배치가 서로 다른 참조 이미지 개수와 네이티브 2K 대상을 함께 섞을 수 있습니다. 후속 학습은 에이전트형 보상 하네스를 대상으로 한 강화 학습으로 진행되고, 이어서 선호도 최적화가 수행됩니다.

입력 1	입력 2	출력: 입력 1의 인물, 입력 2의 의상

ComfyUI에서 사용하기

Krea 3 이미지 노드는 2026년 10월 15일 PR #17067을 통해 partner/image/Krea 아래에 추가되었습니다. 최대 8개의 이미지를 받을 수 있으며, 순서대로 연결하고 프롬프트에서 @Image1, @Image2 등으로 참조합니다. 입력을 비워두면 텍스트 기반 이미지 생성으로 동작합니다.

실행은 이미지 단위로 과금되며, 연결된 참조 이미지마다 추가 요금이 붙습니다. 1K fast는 약 $0.043, 2K fast는 $0.086, 2K high는 $0.114, ultra는 $0.372이며, 여기에 참조 이미지당 약 $0.03이 더해집니다.

아쉬운 점

보고서는 스스로 두 가지 약점을 밝히고 있습니다. 밀집된 작은 텍스트는 여전히 완벽하지 않고, 연속된 편집 과정에서 인물의 동일성이 흐트러집니다. Krea는 프롬프트만으로 인물을 편집하기보다 LoRA를 캐릭터 유지의 주된 방법으로 삼을 계획이라고 합니다.

국부 편집: 라벨만 바뀌고 병, 잔, 조명은 그대로 유지됩니다.