Kebanyakan model gambar memaksamu memilih: bayar API, atau puas dengan model terbuka yang lebih kecil dan tidak bisa bersaing. Krea 2 mencoba menghilangkan trade-off itu. Ini adalah model text-to-image open-weights dari Krea AI yang hadir dalam dua checkpoint, RAW untuk training dan Turbo untuk generate cepat, dan checkpoint Turbo menghasilkan gambar hingga resolusi 2K hanya dalam 8 langkah. Kode inference resminya ada di GitHub sebagai krea-ai/krea-2, dengan 982 star. (GitHub)
Artikel ini menjelaskan apa itu Krea 2, apa beda kedua checkpoint-nya, apa yang sebenarnya diizinkan lisensinya, bagaimana skornya di leaderboard Artificial Analysis hari ini, dan hardware apa yang kamu butuhkan untuk menjalankannya di komputermu sendiri.
Poin Penting
Krea 2 adalah model text-to-image open-weights dari Krea AI, dirilis 22 Juni 2026, dengan 982 star di GitHub per 17 November 2026.
Ia hadir dalam dua checkpoint: RAW untuk melatih LoRA (52 langkah) dan Turbo, model distilled 8 langkah yang menghasilkan gambar hingga 2048x2048.
Kode inference-nya Apache-2.0, tapi bobot modelnya memakai Krea 2 Community License: penggunaan komersial gratis hanya jika pendapatan tahunan perusahaan di bawah 1 juta dolar AS.
Saat peluncuran, ia menempati peringkat 2 di antara lab independen di Artificial Analysis; per 17 November 2026, Krea 2 Large berada di peringkat 31 dengan Elo 1035.
Praktiknya, ini model untuk kartu grafis 24GB, tapi kartu 16GB masih bisa bekerja di 1 megapiksel dengan text encoder di-offload, menurut estimasi independen.
Apa Itu Krea 2?
Krea 2 adalah model text-to-image yang dibangun di atas backbone DiT dense 12B, VAE Qwen Image, dan text encoder Qwen3-VL dengan agregasi fitur multi-layer. Krea mengumumkan model ini pada 12 Mei 2026, lalu merilis bobot terbukanya pada 22 Juni 2026. (Krea AI)
Arsitekturnya sengaja dibuat praktis. Text encoder Qwen3-VL memahami prompt detail dan referensi gambar, diffusion transformer melakukan sintesis gambar, dan VAE mengubah representasi laten menjadi piksel. Krea melatihnya bertahap: pretraining di 256px, 512px, lalu 1024px dengan miliaran gambar, dilanjutkan midtraining, supervised fine-tuning, preference optimization, dan reinforcement learning. Satu detail yang patut dicatat: Krea menyatakan tidak memakai gambar hasil AI dalam campuran pretraining-nya. (Krea AI)
Tonton sinyal repo 30 detik di Repomaniac untuk melihatnya beraksi.
Dua Model dalam Satu Rilis: RAW dan Turbo
Krea 2 bukan satu checkpoint, melainkan sebuah workflow. RAW adalah model dasar yang tidak di-distill, dibuat untuk training dan riset. Turbo adalah versi distilled 8 langkah dari model yang sama, dibuat untuk generate cepat. Slogan Krea sendiri untuk pasangan ini sederhana: "Train LoRAs on RAW, then run them fast on Turbo." (Krea AI)
Aspek | RAW | Turbo |
|---|---|---|
Tujuan | Melatih LoRA, riset, fine-tuning | Generate gambar cepat |
Langkah inference | 52 | 8 |
Guidance (CFG) | 3,5 | 0,0 |
Resolusi maksimal | Hingga 1K | Hingga 2K (2048x2048) |
Paling cocok untuk | Gaya dan karakter kustom | Generate sehari-hari |
Pembagian ini penting karena kebanyakan model terbuka memaksamu berkompromi: model dasar yang lambat, atau model distilled yang tidak bisa dilatih. Di sini kamu mendapat keduanya dari keluarga bobot yang sama, dan LoRA yang dilatih di RAW bisa langsung dipakai di Turbo tanpa training ulang. Tool fine-tuning yang direkomendasikan antara lain Hugging Face Diffusers, Ostris AI Toolkit, Fal, dan Kohya musubi-tuner, dan model ini berjalan di ComfyUI, Fal, dan SGLang. (GitHub)
Pembagian Lisensi yang Wajib Kamu Pahami
Ini bagian yang paling sering salah diringkas, jadi bacalah dengan saksama. Krea 2 punya dua lisensi, bukan satu.
Kode inference di repo GitHub berlisensi Apache-2.0, lisensi open source yang permisif. Bobot modelnya, sebaliknya, memakai Krea 2 Community License v1. Penggunaan komersial bobot model hanya diizinkan jika total pendapatan tahunan perusahaanmu di bawah 1.000.000 dolar AS selama 12 bulan terakhir, termasuk semua afiliasi. Di atas ambang itu kamu butuh lisensi enterprise dari Krea (opensource@krea.ai). Lisensi ini juga mewajibkan content filtering, dan izinnya bisa dicabut dengan pemberitahuan 30 hari. (GitHub)
Praktiknya, hobis, freelancer, dan studio kecil bisa memakai Krea 2 secara komersial gratis, sementara perusahaan besar perlu bicara dulu dengan Krea. Jangan menyebut Krea 2 sekadar "berlisensi Apache-2.0": itu benar untuk kodenya, bukan untuk bobotnya.
Sebagus Apa Sebenarnya?
Krea 2 meluncur dengan kuat. Pada Juni 2026, ia masuk 10 besar keseluruhan di leaderboard gambar Artificial Analysis dan peringkat 2 di antara model dari lab independen. Hasil peluncuran itu masih dikutip di README hingga hari ini, tapi leaderboard sudah bergerak, dan angka saat ini bercerita lebih jujur. (Krea AI)
Model | Peringkat (17 Nov 2026) | Elo | Harga per 1.000 gambar |
|---|---|---|---|
GPT Image 2.6 Sunburst (max) | 1 | 1261 | Tidak tercantum |
Qwen-Image-2.1 | 28 | 1047 | Tidak tercantum |
FLUX 3 Image Klein | 29 | 1041 | Tidak tercantum |
Krea 2 Large | 31 | 1035 | $60,00 |
Krea 2 Medium Turbo | 45 | 1020 | $15,00 |
Krea 2 Medium | 50 | 1014 | $30,00 |
FLUX.2 [dev] | 54 | 1000 | Tidak tercantum |
Per 17 November 2026, Krea 2 Large berada di peringkat 31 dengan Elo 1035, berdasarkan 15.164 sampel. Itu menempatkannya tepat di belakang Qwen-Image-2.1 dan FLUX 3 Image Klein, dan jauh di belakang pemimpin tertutup, GPT Image 2.6 Sunburst di Elo 1261. Peringkat ini adalah potret sesaat, bukan vonis: daya tarik Krea 2 memang bukan semata Elo, melainkan bobot terbuka, inference lokal, dan ekosistem LoRA yang tidak bisa ditawarkan model tertutup. (Artificial Analysis)
Menjalankannya Secara Lokal: Hardware Apa yang Dibutuhkan?
Krea tidak menerbitkan angka VRAM resmi, jadi perlakukan semua angka hardware di bawah ini sebagai estimasi independen, bukan spesifikasi pabrikan. Angka-angka ini berasal dari BestFreeWebResources, yang mengukur ukuran file dan menghitung VRAM dari sana. (BestFreeWebResources)
Komponen | Ukuran file |
|---|---|
Bobot model, bf16 | 26,28 GB |
Bobot model, fp8 | 13,14 GB |
Bobot model, NVFP4 | 7,67 GB |
Text encoder Qwen3-VL 4B | 5,24 GB |
VAE | 0,25 GB |
Set template standar | Sekitar 18,6 GB |
Estimasi VRAM di 1 megapiksel: 38,2 GB dalam bf16 dengan semuanya di VRAM, 20,6 GB dalam 8-bit, 16,2 GB dalam 8-bit dengan text encoder di-offload, dan 10,7 GB dalam 4-bit dengan sequential offload. Kesimpulan praktisnya: Krea 2 adalah model untuk kartu 24GB, dan kartu 16GB masih bisa bekerja di 1 megapiksel setelah ComfyUI memindahkan text encoder keluar dari GPU. Kalau kamu mau output 2K, siapkan kartu yang lebih besar atau terima generate yang lebih lambat dengan offload.
LoRA dan Ekosistem Gaya
Aset Krea 2 yang paling cepat tumbuh adalah dunia LoRA-nya. Krea merilis 9 LoRA gaya resmi, masing-masing dengan trigger word sendiri pada strength 1,0: Darkbrush, Dotmatrix, Kidsdrawing, Neondrip, Rainywindow, Retroanime, Softwatercolor, Sunsetblur, dan Vintagetarot. (ComfyUI Wiki)
Komunitas melangkah lebih jauh. Per 2 November 2026, ada 933 LoRA Krea 2 di Hugging Face, yang disebut satu perbandingan sebagai "the fastest-growing LoRA scene of 2026." Sebagai konteks, Qwen-Image 2.1 punya 7 LoRA dan FLUX 3 Image Klein punya 31, meski SDXL yang sudah lama mapan masih memimpin jauh dengan sekitar 9.800 LoRA. (FreakyJolly)
Ekosistem itulah alasan sebenarnya memilih Krea 2 dibanding model yang peringkatnya sedikit lebih tinggi. LoRA memungkinkanmu mengunci karakter, produk, atau gaya khas, lalu menghasilkan gambar yang konsisten dalam hitungan detik di Turbo. Bagi ilustrator dan tim kecil, konsistensi itu lebih berharga daripada selisih beberapa poin Elo.
Krea 2 vs Model Gambar Terbuka Lainnya
Aspek | Krea 2 | Qwen-Image 2.1 | FLUX 3 Image Klein | SDXL 1.0 |
|---|---|---|---|---|
Parameter | Kelas 12B | Generator 7B | 5,6B | 3,5B |
Lisensi | Community (batas pendapatan $1 jt) | Qwen Research (non-komersial) | Di bawah pendapatan $5 jt | Open RAIL |
VRAM, praktis | 12-16 GB (fp8/nvfp4) | 16 GB | 8 GB | 8 GB |
LoRA di Hugging Face | 933 | 7 | 31 | Sekitar 9.800 |
Paling cocok untuk | Gaya, LoRA, generate 2K lokal | Detail, editing | Penggunaan lokal ringan | Ekosistem matang |
Tabel ini menunjukkan trade-off-nya dengan jelas. Krea 2 adalah model terberat di sini, tapi satu-satunya dengan lisensi yang ramah komersial untuk tim kecil plus library LoRA yang besar dan terus tumbuh. Qwen-Image 2.1 skornya sedikit lebih tinggi di leaderboard, tapi lisensi risetnya menghalangi penggunaan komersial. FLUX 3 Image Klein paling ringan dijalankan. SDXL tetap raja ekosistem, tapi itu model 2023, dan kualitas gambarnya terasa.
Kalau kamu mau model gambar terbuka lain untuk dibandingkan, baca spotlight kami tentang Ideogram 4, model open-weight yang akhirnya benar dalam tipografi.
Cara Memulai
Jalur tercepat adalah ComfyUI, yang punya paket resmi Krea 2. Instal ComfyUI, tambahkan node Krea 2, unduh checkpoint Turbo dalam fp8 atau NVFP4 plus text encoder Qwen3-VL dan VAE, lalu muat workflow dan generate. Untuk training, mulai dari checkpoint RAW dengan Diffusers atau Ostris AI Toolkit, latih LoRA-mu, lalu jalankan di Turbo untuk inference cepat.
Dua tips praktis. Pertama, mulai dengan Turbo dalam fp8: itu cara tercepat melihat kemampuan model ini, dan kamu bisa beralih ke RAW nanti untuk training. Kedua, cek lisensinya sebelum merilis sesuatu yang komersial: kalau pendapatan tahunan perusahaanmu di atas 1 juta dolar, hubungi Krea dulu soal lisensi enterprise.
Pertanyaan yang Sering Diajukan
Apakah Krea 2 benar-benar gratis?
Kodenya Apache-2.0 dan bobotnya gratis untuk penggunaan komersial di bawah pendapatan tahunan perusahaan 1 juta dolar. Di atas itu kamu butuh lisensi enterprise. Modelnya sendiri gratis diunduh dan dijalankan secara lokal.
Bisakah saya menjalankan Krea 2 di GPU konsumen?
Bisa, dengan catatan. Estimasinya 12 sampai 16 GB VRAM dalam fp8 atau NVFP4 di 1 megapiksel, jadi kartu 16GB bisa bekerja dengan text encoder di-offload, dan kartu 24GB menanganinya dengan nyaman. Untuk output 2K, kartu 24GB adalah pilihan yang lebih aman.
Apa beda RAW dan Turbo?
RAW adalah model dasar yang tidak di-distill: 52 langkah, CFG 3,5, dibuat untuk melatih LoRA dan riset. Turbo adalah checkpoint distilled 8 langkah: CFG 0,0, dibuat untuk generate cepat hingga resolusi 2K. LoRA yang dilatih di RAW bisa dipakai di Turbo.
Bagaimana Krea 2 dibanding FLUX dan Qwen-Image?
Di leaderboard Artificial Analysis per 17 November 2026, Krea 2 Large (Elo 1035) tertinggal tipis dari Qwen-Image-2.1 (1047) dan FLUX 3 Image Klein (1041). Keunggulannya adalah lisensi yang ramah komersial untuk tim kecil, ekosistem LoRA yang besar, dan generate 2K secara lokal.
Bisakah saya melatih gaya sendiri dengan Krea 2?
Bisa. Latih LoRA di checkpoint RAW dengan Diffusers, Ostris AI Toolkit, Fal, atau Kohya musubi-tuner, lalu jalankan di Turbo untuk inference cepat. Krea menyediakan 9 LoRA gaya resmi sebagai titik awal.
Kesimpulan
Krea 2 bukan lagi model gambar peringkat teratas, dan ia tidak berpura-pura begitu. Yang ia tawarkan lebih langka: bobot yang benar-benar terbuka, workflow dua checkpoint yang memisahkan training dari generate cepat, lisensi yang memungkinkan tim kecil memakainya secara komersial gratis, dan ekosistem LoRA yang tumbuh hingga 933 gaya komunitas dalam waktu kurang dari lima bulan. Kalau kamu membuat gambar secara lokal dan menginginkan model yang bisa dibentuk sesuai gayamu sendiri, Krea 2 adalah salah satu opsi terbuka terkuat yang tersedia hari ini.
Unduh dari GitHub, coba dulu checkpoint Turbo, dan latih LoRA di RAW saat kamu menemukan gaya yang layak disimpan.
Baca artikel ini dalam Bahasa Inggris di Krea 2: The Open-Weights Text-to-Image Model You Can Run Locally at 2K.
