MOSS-Image vs. Krea 3: Das eine rechnet pro Bild ab, das andere pro Stunde

Die beiden Modelle in diesem Vergleich werden in unterschiedlichen Währungen bepreist, weshalb der naheliegende Vergleich – sechs Cent gegen null – der falsche ist. K​rea 3, veröffentlicht am 15. Oktober 2026, ist ein gehostetes Bearbeitungsmodell mit einem veröffentlichten Tarif: 0,06 $ pro Bild bei nativem 2K, unter acht Sekunden Ende-zu-Ende nach eigener Messung des Anbieters. M​OSS-Image, veröffentlicht von OpenMOSS am 16. Oktober 2026 als Apache-2.0-Checkpoints M​OSS-Image-Base und M​OSS-Image-SFT, hat überhaupt keinen Tarif. Man mietet eine GPU und bezahlt für die Stunde, ob man darin ein Bild erzeugt oder vierhundert.

Die eigentliche Frage ist also nicht, welche günstiger ist. Sondern wie Ihre Arbeitslast über einen Monat aussieht, denn ein pauschaler Preis pro Bild und ein Stundensatz schneiden sich bei einem Volumen, das ganz von Ihrer eigenen Auslastung abhängt. Unterhalb dieses Schnittpunkts ist K​rea beim Preis besser und bei der Latenz enorm besser. Oberhalb davon nähern sich die Grenzkosten pro Bild von M​OSS-Image den Stromkosten. Kaum jemand macht die Rechnung, und genau darum geht es bei der Entscheidung.

Beide wollen eine Box, und sie wollen sie in verschiedenen Einheiten.

Beginnen Sie mit dem Teil, der sie überhaupt erst vergleichbar macht, denn er lässt sich leicht übersehen. Keines von beiden ist ein Prompt-and-pray-Generator. Die Bearbeitungswerkzeuge von K​rea 3 umfassen Bounding Boxes zum Platzieren neuer Elemente und Multi-Turn-Bearbeitungen, die ihren Kontext über mehrere Turns hinweg beibehalten. Das Layoutformat von M​OSS-Image nimmt ein JSON-Objekt als Prompt — ein Zusammenfassung-Block plus ein Elemente-Array, wobei jedes Element ein Label vom Typ Text, Zeichen oder Objekt, eine Beschriftung, eine Bounding Box und bei Textelementen die wörtliche Zeichenkette, die gerendert werden soll.

• Woher die Box stammt — M​OSS-Image: ein JSON-Feld für jedes Element im Layout-Prompt, das bbox_format: "yxyx" in bbox_coord_space: "abs_centralized" verwendet, d. h. absolute Pixel, gemessen vom Mittelpunkt der Leinwand. K​rea 3: ein Bounding-Box-Steuerelement in der Bearbeitungsoberfläche zum Platzieren neuer Elemente.

• Ausgabeauflösung — M​OSS-Image: trainiert über 256 px, 512 px und ungefähr 1024², wobei sich das Token-Budget von 576 → 3.072 → 8.192 bewegt. K​rea 3: native 2K, mit Beispielen, die mit 2736 × 1536 px angegeben werden, und 1K zum halben Preis.

• Referenzbilder — M​OSS-Image: Elemente werden im Layout-Prompt strukturell beschrieben, statt als Referenzbilder bereitgestellt zu werden. K​rea 3: bis zu sechs pro Bearbeitung im Launch-Post, acht auf der Produktseite — das eigene Material des Anbieters nennt zwei Zahlen, und keine von beiden wurde zurückgezogen.

• Was Sie erstellen — MOSS-Image: eine Komposition, aus einer Spezifikation, weitgehend aus dem Nichts. Krea 3: eine Bearbeitung an einem Bild, das Sie bereits haben, wobei der Bereich außerhalb der Bearbeitung unberührt bleibt.

Diese letzte Zeile entscheidet über die meisten realen Arbeitslasten. Wenn es Ihre Aufgabe ist, „dieses Produktfoto zu nehmen und den Hintergrund zu ändern“, ist M​OSS-Image das falsche Instrument – es ist kein In-Place-Editor, und sein Anbieter stuft das Bearbeitungsverhalten als experimentell ein. Wenn es Ihre Aufgabe ist, „vierhundert einzigartige Poster mit spezifischem Text an spezifischen Stellen zu erstellen“, ist K​rea 3 das falsche Instrument, und das eigene Material ist dünn, was langen Text angeht – seine Beispiele zum Launch sind auf Englisch, seine dokumentierten Stärken sind Produktszenenänderungen, Objektentfernung und Fotobereinigung.

Geschwindigkeit, bei der nur eine Seite überhaupt etwas veröffentlicht hat

Die wichtigste Zahl von Krea 3 liegt bei unter acht Sekunden pro Bearbeitung, Ende-zu-Ende, bei 2K. Es ist eine Angabe des Anbieters, und der Anbieter gibt ungewöhnlich bereitwillig Auskunft darüber, woher sie stammt: Die Zeitmessungen sind die mediane Zeit von der Anfrage bis zum Ergebnis für den Zwölf-Bilder-Batch jedes Modells, inklusive Wartezeit in der Warteschlange, gemessen auf Kreas eigener Plattform zwischen dem 24. September und dem 1. Oktober 2026. Eine im Benchmark abgedruckte Methodik ist mehr wert als eine bloße Zahl, und diese hier hat sie. Es ist immer noch Krea, das Krea misst.

M​OSS-Image hat überhaupt keine veröffentlichte Latenzangabe, und es lohnt sich zu verstehen, warum, bevor man das als Auslassung wertet. Die Sampling-Standardwerte sind Flow-Matching-Euler mit 50 Schritten, CFG 3,0, Shift 5,0 und Skip-Layer-Guidance für den negativen Zweig auf Layer 22. Der standardmäßige Guidance-Pfad benötigt zwei Transformer-Forward-Pässe pro Schritt. Die Latenz von M​OSS-Image ist daher keine Eigenschaft des Modells in der Weise, wie sie es bei einem gehosteten Endpunkt ist – sie ist eine Eigenschaft der GPU, die man darunter setzt, der gewählten Schrittzahl und der Frage, ob man Guidance weglässt oder Destillation ausführt. Die Community hat innerhalb von rund einem Tag nach Veröffentlichung INT8- und INT4-Quantisierungen, ein 4-Schritt-DMD-LoRA und eine 8-Schritt-distillierte Variante herausgebracht, was zeigt, dass die Leute den 50-Schritt-Standard für interaktive Arbeit zu langsam fanden und ihn selbst behoben haben.

Der ehrliche Geschwindigkeitsvergleich sieht also so aus: Krea 3 nennt eine Zahl, die von Krea abhängt, und MOSS-Image hat keine Zahl, weil sie von Ihnen abhängt. Eine 50-Schritte-Standardeinstellung mit zwei Vorwärtsdurchläufen pro Schritt ist nicht schnell. Ein destillierter 8-Schritte-Build auf einer gemieteten Karte könnte schnell sein. Keine dieser Aussagen lässt sich auf der Seite eines Anbieters überprüfen, und die zweite lässt sich von Ihnen an einem Nachmittag überprüfen.

Die Revisionsarithmetik, bei der die sechs Cent keine Rolle mehr spielen

Hier ist die Berechnung, die die Entscheidung ändert, und sie geht von K​reas eigenem Framing aus.

Bei 0,06 $ pro Bearbeitung kosten fünf Durchläufe und die Auswahl des besten Ergebnisses dreißig Cent und kein Meeting. Das ist Kreas impliziter Pitch, und er ist gut, denn die Alternative zu einer billigen Wiederholung ist eine Designerstunde. Hunderttausend Bearbeitungen pro Monat bei 2K sind 6.000 $ — und Krea sagt ausdrücklich, dass der Einführungspreis der Listenpreis ist und dass das Unternehmen erwartet, dass der Preis eher sinkt als steigt, was die 6.000 $ zu einer Obergrenze statt einer Untergrenze macht.

Die Seite von MOSS-Image bei derselben Rechnung ist kein Tarif, sondern ein Auslastungsproblem. Die Lizenz ist Apache 2.0 ohne Umsatzschwelle, und im Umfeld dieses Vergleichs gibt es als Referenz ein Open-Weight-Modell eines anderen Anbieters für 0,008 US-Dollar pro Bild — aber so funktioniert der offene Weg nicht. Der Download ist etwa 27,2 GB groß, wovon rund 16,8 GB über vier Shards auf den eingefrorenen Qwen3.5-9B-Textencoder entfallen und etwa 10,2 GB über drei Shards auf den Transformer. Das 5B-Label beschreibt nur den Diffusionsgenerator, und der Encoder ist die größere Hälfte des Speicherplatzbedarfs auf der Festplatte.

Ob das besser ist als sechs Cent, hängt von drei Zahlen ab, die Sie bereits kennen: Ihrem GPU-Stundensatz, Ihren Bildern pro Stunde bei der Schrittanzahl, für die Sie sich entscheiden, und dem Anteil des Monats, in dem die Karte tatsächlich ausgelastet ist. Ein Team, das eine gleichmäßige Produktionslinie betreibt, erzielt niedrige effektive Kosten pro Bild und sollte selbst hosten. Ein Team, das am Dienstagnachmittag vierzig Bilder braucht, sollte dafür keine GPU mieten und nicht so tun, als sei der Lizenzpreis der Bildpreis.

Die Feinabstimmungsbehauptung, die beide Seiten aufstellen und die keine von beiden bewiesen hat

Dies ist der Abschnitt, den ein Spezifikationsvergleich normalerweise übersieht, und es ist das Interessanteste, was diese beiden Modelle gemeinsam haben.

Kreas Behauptung ist, dass Krea 3 das erste Editiermodell ist, das man auf ein bestimmtes Produkt, eine Person oder einen Stil feinabstimmen kann, sodass ein Packshot einer Marke oder eine wiederkehrende Figur über eine Kampagne hinweg gleich bleibt. Der Mechanismus ist überprüfbar – die API-Referenz enthält einen Endpunkt „Train a custom style (LoRA)“ – und ob das „erste“ Bestand hat, ist eine Behauptung über das Feld und keine Messung. Es ist Kreas Behauptung. Aber den Mechanismus gibt es, er ist dokumentiert, und er ist der einzige veröffentlichte Weg auf Kreas Seite, um ein Subjekt zu fixieren.

OpenMOSS' Äquivalent ist struktureller statt kommerzieller Natur. Base ist der vortrainierte Checkpoint, der bewusst undistilliert belassen wurde – die Modellkarte gibt ausdrücklich an, dass weder ein Post-Training noch eine Destillation von Inferenzparametern wie CFG durchgeführt wurde, um Trainingsinformationen zu bewahren und LoRA-Training weiterhin zu ermöglichen. Das ist ein Anbieter, der sich dafür entscheidet, eine schlechtere Standardeinstellung auszuliefern, im Austausch gegen ein besseres Trainingssubstrat, und es ist das deutlichste Signal in der gesamten Veröffentlichung darüber, für wen der Base-Checkpoint gedacht ist.

Beide Behauptungen zielen auf denselben Käufer: jemanden mit einem wiederkehrenden Motiv, das nicht driften darf. Keiner der Anbieter hat eine Drift-Messung veröffentlicht, und die Community-Entwicklungen rund um M​OSS-Image – das ComfyUI-Packaging, die Quantisierungen, die destillierten LoRAs – kamen innerhalb von etwa einem Tag, was zeigt, dass der Trainingspfad real ist, obwohl vom Anbieter kein Trainingsergebnis veröffentlicht wurde.

• Wo die LoRA lebt — K​rea 3: ein gehosteter Endpunkt auf K​reas Plattform, trainiert gegen K​reas Modell auf K​reas Infrastruktur. M​OSS-Image: deine eigenen Gewichte, dein eigener Trainingslauf, deine eigene GPU, mit einem Checkpoint, den der Anbieter absichtlich in einem trainierbaren Zustand belassen hat.

• Was dich das kostet — K​rea 3: Das Trainingsgespräch ist ein Lizenzgespräch. M​OSS-Image: Das Trainingsgespräch ist deine Stromrechnung und jemandes Woche.

• Was es dir zurückgibt — Krea 3: ein Stil, den du aufrufen kannst, auf der Uptime von jemand anderem. MOSS-Image: ein Checkpoint, der dir gehört und weiter funktioniert, wenn der Anbieter sich verabschiedet.

Zugriff und wo ein Router in eine Zwei-Tool-Pipeline passt

K​rea 3 ist geschlossen. K​rea hat schon zuvor offene Gewichte veröffentlicht – K​rea 2 RAW und Turbo sind auf dem Hub –, aber K​rea 3 ist nicht darunter, und K​reas FAQ ordnet Selbst-Hosting Enterprise-Plänen zu, auf eigenen GPUs, wobei Lizenzbedingungen und Hardware-Dimensionierung noch zu besprechen sind. Es ist also eine Entscheidung. M​OSS-Image ist ein Download, und der Download ist das ganze Produkt.

Keines von beiden ist im OrcaRouter-Katalog – wir bieten mehr als 200 Modelle an, und keines dieser beiden ist eines davon – also bedeutet beides, zur Quelle zu gehen: für K​rea 3 die eigene API von K​rea und mehrere Drittanbieter-Plattformen; für M​OSS-Image die Repositories und deine eigene Hardware.

Wofür der Router in einer Pipeline wie dieser gut ist, ist der Teil, der nicht eines der beiden Modelle ist. Ein Element in einen Frame zu setzen, ist normalerweise ein Schritt einer Aufgabe, die außerdem einen gehosteten Generator für das Basisbild, ein separates Modell fürs Upscaling und einen Captioning- oder Bewertungsdurchlauf benötigt — und genau hier ein einziger Endpunkt über ein paar hundert Modelle hinweg mit automatischem Failover sowie die zu Listenpreisen der Anbieter ohne Aufschlag durchgereichten Preise die Integrationsarbeit ersparen statt der Modellarbeit. Die Routing-DSL ist aus demselben Grund wichtig: Wenn der Basisbild-Schritt und der Bearbeitungsschritt zwei verschiedene Modelle sind, ist es besser, jedes pro Anfrage in einer einzigen Konfiguration festzunageln, als zwei Anbieter-SDKs vorzuhalten. Es ist die Verrohrung, und die Architektur von MOSS-Image selbst erinnert daran, was die Verrohrung im Verhältnis zum Modell wert ist — das stärkste End-to-End-Layout-Ergebnis des Anbieters wurde von einer Pipeline erzeugt, deren Prompt-Spezifikations-Hälfte vollständig auf einem Drittanbieter-Modell läuft.

Welcher, und der Crossover, der den Ausschlag gibt

Nehmen Sie Krea 3, wenn das Ergebnis eine Bearbeitung eines vorhandenen Bildes ist, wenn Ihr Team seine eigene Latenz in Minuten misst und wenn Ihr Volumen so ungleichmäßig ist, dass eine gemietete GPU den größten Teil des Monats ungenutzt bliebe. Sechs Cent bei einem Round-Trip unter acht Sekunden, eine dokumentierte Präzisionsgeschichte und ein LoRA-Endpunkt auf der Infrastruktur des Anbieters selbst sind ein stimmiges Produkt für diese Aufgabe, und die Tatsache, dass der Einführungspreis als Listenpreis angegeben wird, bedeutet, dass sich die Wirtschaftlichkeit wahrscheinlich nicht verschlechtern wird. Gehen Sie mit dem Wissen hinein, dass jede damit verbundene Leistungsangabe von Krea selbst stammt, dass die Referenzanzahl auf zwei Arten dokumentiert wird und dass es keinerlei unabhängige Bewertung vorzuweisen hat – was die ganze Erklärung für sein Fehlen in den Bestenlisten ist, da es am Tag vor der Erhebung der Recherche für diesen Artikel veröffentlicht wurde.

Nimm MOSS-Image, wenn du zusammengesetzte Bilder aus einer Spezifikation in gleichbleibendem Volumen erzeugst, wenn eine Bounding Box in einem JSON-Prompt besser zu deiner Pipeline passt als eine Box in irgendeiner UI, oder wenn das Eigentum am Checkpoint eine Anforderung statt einer Präferenz ist. Apache 2.0 ohne Umsatzschwelle macht die rechtliche Prüfung kurz, der Base-Checkpoint ist bewusst trainierbar, und das Layout-Schema ist eine echte Spezifikation. Geh mit dem Wissen hinein, dass die Latenz von dir abhängt, dass der Encoder den größten Teil des Downloads ausmacht, dass die Community-Quantisierungen existieren, weil die 50-Schritt-Voreinstellung langsam ist, und dass keiner der Benchmarks des Anbieters von irgendjemandem reproduziert wurde.

Der Übergangspunkt ist kein Rätsel. Teilen Sie Ihre monatlichen GPU-Kosten durch Ihre Bilder pro Monat und vergleichen Sie das Ergebnis mit sechs Cent. Wenn Sie die Bilder pro Stunde nicht zuverlässig schätzen können, ist genau diese Unsicherheit die Antwort: Mieten Sie K​rea einen Monat lang, erzeugen Sie die Menge, die Sie tatsächlich erwarten, und lassen Sie die Rechnung entscheiden, ob es sich lohnt, den offenen Weg aufzubauen. Das ist ein günstigeres Experiment, als einen Monat lang eine Karte zu mieten, nur um es herauszufinden.

Die dokumentierten KI-Ausfälle und Agent-Vorfälle hinter Veröffentlichungen wie dieser werden gesammelt in dem OrcaRouter AI Incident Archive, wo jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als strittig enthält.