Qwen-Image 2.1 vs Krea 2: ¿Qué modelo de imagen abierto puedes lanzar realmente?

Dos modelos de imagen abiertos, ambos descargables en los últimos cuatro meses, responden a la misma pregunta de formas opuestas. Qwen-Image 2.1 es el modelo de texto a imagen y edición de imágenes de 7B del proveedor, publicado el 20 de septiembre de 2026 bajo una licencia exclusivamente de investigación: solo para uso no comercial. Krea 2 es el primer modelo fundacional de imagen que Krea entrenó desde cero, publicado como dos checkpoints en junio de 2026 bajo la Krea 2 Community License, que permite el uso comercial sin reservas por debajo de un umbral de ingresos. Hoy, en la tabla de texto a imagen de Artificial Analysis, los dos se sitúan a menos de once puntos Elo de distancia. En la cuestión que un equipo tiene que responder de verdad antes de construir nada, no están ni de lejos tan cerca.

Qué es realmente Krea 2

Empieza aquí, porque el nombre induce a error y la mayoría de las comparaciones se equivocan. Krea, la empresa, gestiona una plataforma creativa alojada con suscripción de pago; Krea 2, el modelo, es algo aparte que casualmente comparte el nombre. Krea lo lanzó como un Transformer de difusión de pesos abiertos con dos checkpoints, publicados en Hugging Face como krea/Krea-2-Raw y krea/Krea-2-Turbo, con el código de inferencia en un repositorio público.

La división del trabajo entre ellos es deliberada y se indica claramente en el propio repositorio de Krea: RAW es la base sin destilar, destinada al ajuste fino, el post-entrenamiento y el entrenamiento de LoRA; Turbo es un checkpoint destilado de ocho pasos destinado a la inferencia rápida. La recomendación de Krea es entrenar con RAW y ejecutar con Turbo, y su ecosistema de LoRA está construido así: los adaptadores entrenados con la base se aplican al checkpoint destilado en el momento de la inferencia. Los dos checkpoints comparten una licencia y una familia, pero no son intercambiables y no tienen la misma configuración.

Un detalle que vale la pena señalar, porque confundirá a cualquiera que lea la ficha: los metadatos de Hugging Face de ambos checkpoints indican 13B parámetros en la barra lateral, mientras que el texto de la ficha dice «Diffusion Transformer with 12 billion parameters». Krea no ha reconciliado públicamente ambas cifras, así que considera el recuento de parámetros como de unos doce a trece mil millones y sin confirmar, en lugar de como una cifra establecida.

Los números, del tablero al que apuntan ambos proveedores

El repositorio de Krea afirma que Krea 2 es el mejor modelo de texto a imagen de un laboratorio independiente en Artificial Analysis; el informe técnico dice que está "entre los 10 mejores" y "en segundo lugar entre los modelos de laboratorios independientes". Esas son afirmaciones de la propia Krea, hechas en junio. Lo que muestra la tabla en vivo el 13 de octubre de 2026 es un poco más limitado, y vale la pena leerlo directamente:

• Qwen-Image 2.1 — 1.038 Elo, intervalo del 95% de 1.029 a 1.047, sobre 5.554 muestras, puesto 20 de 168. La columna de precios del ranking indica «No hay API disponible».

• Krea 2 Large — 1.027 Elo, intervalo de 1.020 a 1.034, de 17.514 muestras, puesto 25 de 168, a 60,00 $ por 1.000 imágenes.

• Krea 2 Medium Turbo — 1.022 Elo, intervalo de 1.014 a 1.030, de 6.454 muestras, a $15,00 por cada 1.000 imágenes.

• Krea 2 Medium — 1.014 Elo, intervalo de 1.007 a 1.021, de 17.284 muestras, a 30,00 $ por 1.000 imágenes.

Las cuatro de esas filas proceden del tablero de texto a imagen. En el tablero de edición, solo aparece Qwen-Image 2.1 —1.072 de Elo, intervalo de 1.063 a 1.081, con 6.132 muestras, puesto 21 de 81—. No hay ninguna entrada de Krea 2 en ese tablero. Todas las cifras que aparecen aquí son el Elo de votación a ciegas de Artificial Analysis, tomadas del leaderboard inglés en vivo el 13 de octubre de 2026; son independientes de ambos proveedores, y los intervalos son lo bastante amplios como para que la diferencia entre Qwen-Image 2.1 y Krea 2 Large no deba interpretarse como una clasificación.

Las filas «Krea 2 Large» y «Krea 2 Medium» tampoco son los checkpoints abiertos. Son los niveles alojados de Krea, y por eso llevan un precio por imagen mientras que los repositorios abiertos no. Comparar el Krea 2 RAW descargable con un Krea 2 Large alojado es comparar un checkpoint con un servicio.

La verdadera división es la edición, no la calidad

La calidad está lo bastante igualada como para que el panel no lo resuelva. La capacidad sí. Qwen-Image 2.1 es un único modelo que hace generación y edición: acepta un prompt por sí solo, o hasta diez imágenes de referencia con una instrucción, y admite ediciones locales mediante círculos dibujados, anotaciones pintadas o una máscara aparte, con transparencia RGBA de entrada y de salida. El lanzamiento abierto de Krea 2 es una familia de texto a imagen. Su tarjeta de modelo documenta la generación de prompt a imagen; no hay ningún checkpoint de edición en la organización ni modo de edición con máscara en el script de inferencia, cuyas flags cubren prompt, pasos, guidance, resolución, semilla y número de imágenes — nada que tome una imagen de entrada.

Esa asimetría proviene del material publicado, no de lo que cualquiera de los dos laboratorios puede hacer. La propia plataforma de Krea vende edición, recurriendo a un catálogo de modelos de edición de terceros. El dato relevante para un lector que descarga pesos es más acotado: si tu flujo de trabajo necesita «tomar esta fotografía y cambiarle una sola cosa», el Krea 2 abierto que puedes descargar no lo hace, y toda la arquitectura de Qwen-Image 2.1 está construida en torno a hacerlo.

Dos licencias, dos muros diferentes

Aquí es donde la comparación deja de ser cercana, y es la parte que la mayoría de los resúmenes reduce a «ambos son abiertos». Ninguno es de código abierto en el sentido permisivo y no son abiertos bajo los mismos términos en absoluto.

• Qwen-Image 2.1 — el Acuerdo de Licencia de Investigación de Qwen, de fecha 20 de septiembre de 2026. La concesión es no exclusiva, mundial, libre de regalías y limitada a fines no comerciales, y "No Comercial" se define como investigación o evaluación únicamente. Cualquier otro uso requiere una licencia comercial independiente que deberá solicitarse por correo electrónico. La redistribución conlleva condiciones: transmitir el acuerdo, marcar los archivos modificados, mantener el aviso de atribución que menciona a Hangzhou Tongyi Laboratory Technology Co., Ltd, mostrar "Built with Qwen" si utiliza los resultados para entrenar otro modelo que distribuya, y no utilizar "Qwen" como nombre principal de una obra derivada. La legislación aplicable es la china, con jurisdicción en Hangzhou.

• Krea 2 — la Licencia Comunitaria de Krea 2. Se permite el uso comercial, con una condición de ingresos: usted y sus filiales deben mantenerse por debajo de un millón de dólares estadounidenses en ingresos anuales totales a nivel de toda la empresa, medidos sobre una base móvil de doce meses y procedentes de todas las fuentes. Por encima de ese umbral, se requiere una licencia empresarial de Krea antes de cualquier uso comercial adicional. La redistribución exige que usted transmita el acuerdo, que anteponga al nombre del modelo — "Krea 2 [Nombre de Su Modelo]" — y que conserve el aviso de atribución. Krea declara que no reclama la propiedad de los resultados, y usted es propietario de sus derivados, sujeto a los derechos subyacentes de Krea. Se rige por las leyes de Delaware. El acceso está restringido tras un acuerdo y una política de uso aceptable, y ambos puntos de control llevan la etiqueta de licencia krea-2-community-license en Hugging Face.

Leídos en paralelo, las formas son distintas, en vez de que uno sea más estricto. Qwen-Image 2.1 es un no rotundo al uso comercial, con una vía de escape que tienes que negociar. Krea 2 es un sí con un techo, y el techo es una cifra en dólares concreta y verificable, no una cuestión de criterio. Para un estudio pequeño o un desarrollador independiente, esa diferencia es la decisión entera y la diferencia de Elo es ruido. Para cualquiera que esté por encima del umbral, ambos modelos acaban en el mismo sitio: un correo al proveedor antes de lanzar.

Cuánto te cuesta ejecutar cada uno

Ninguno de los dos números lo publica el proveedor, así que la respuesta honesta es que la comparación tiene que construirse a partir de la configuración y no de una cotización.

• Muestreo — Krea 2 RAW se ejecuta con 52 pasos y una escala de guía de 3.5, Krea 2 Turbo con 8 pasos y la guía desactivada; Qwen-Image 2.1 usa 40 pasos de forma predeterminada.

• Resolución — Krea documenta su checkpoint base hasta 1K y su checkpoint Turbo en un rango de aproximadamente 1K a 2K; Qwen-Image 2.1 utiliza 2048×2048 de forma predeterminada, con siete preajustes publicados en el mismo rango.

• Lo que descargas — el repositorio de Diffusers de Qwen-Image 2.1 pesa 33,1 GB, y la mayor parte corresponde al codificador de texto Qwen3-VL 8B. Krea no ha publicado un tamaño correspondiente para sus checkpoints.

• Qué lo ejecuta — Qwen-Image 2.1 se lanzó con soporte documentado en Diffusers, ComfyUI, vLLM-Omni, SGLang y LightX2V, además de rutas para AMD y FlagOS. Krea 2 documenta ComfyUI y SGLang en su repositorio, con un script de inferencia y un puñado de herramientas de entrenamiento para trabajar con LoRA.

Krea publicó recuentos de descargas de 84.354 para Krea-2-Raw y 87.771 para Krea-2-Turbo en el último mes, según lo leído el 13 de octubre de 2026 — cifras de la plataforma de alojamiento, no de Krea, y no una señal de calidad.

La única prueba independiente que existe, y lo que no demuestra

Hay una comparación lado a lado que vale la pena conocer, y hay que dejar claros sus límites. Un artículo en japonés publicado el 21 de septiembre de 2026 ejecutó 28 prompts en ambos modelos con prompts y semillas idénticos en una RTX 5090 con 32 GB, en ComfyUI v0.37.0, y produjo 76 imágenes de comparación. Su recuento: Krea 2 ganó 10, Qwen-Image 2.1 ganó 7, 9 empataron y 2 fallaron en ambos. El resumen del autor sobre el patrón fue que Qwen-Image 2.1 maneja bien el contenido simbólico plano, mientras que Krea 2 maneja mejor la estructura y la física de objetos tridimensionales, y señaló que el resultado de Krea 2 se obtuvo en 8 pasos frente a los 25 de Qwen-Image 2.1.

Eso es un operador, una semilla por prompt, un juez visual y un mes antes de este artículo. No es un benchmark ni una clasificación. Para lo que sirve es para calibrar expectativas: los dos modelos están lo suficientemente cerca como para que una persona que ejecute prompts reales vea victorias en ambos lados, lo cual es consistente con la brecha de once puntos de Elo en la tabla en vivo.

Dónde encaja OrcaRouter y dónde no

Ninguno de estos modelos está en OrcaRouter, y merece la pena decirlo antes que nada: revisamos nuestra propia lista de modelos activos el 13 de octubre de 2026 y no aparece en ella ningún modelo Qwen-Image ni ningún modelo Krea. Las dos comparaciones anteriores tratan sobre pesos que ejecutas tú mismo o endpoints alojados que compras directamente a cada proveedor. Si cualquiera de los dos se enruta a través de nosotros, el enrutamiento llega después de la decisión de licencias, no en su lugar.

La razón por la que esta distinción importa aquí es la forma del problema. Qwen-Image 2.1 y Krea 2 no son los últimos modelos de imagen que publicará ninguno de los dos laboratorios, y los términos de licencia de esta generación no son una guía para la siguiente — Krea ya ha pasado de ser un producto de suscripción a una publicación abierta con licencia comunitaria, y la empresa pasó de Apache-2.0 en sus anteriores checkpoints de Qwen-Image a una licencia solo para investigación en este. Un equipo que estandariza su pipeline de imágenes sobre el SDK de un único proveedor acaba renegociando ese pipeline cada vez que cambia la licencia. OrcaRouter sitúa más de 200 modelos detrás de un único endpoint compatible con OpenAI al precio de lista del proveedor y sin margen alguno, con conmutación por error automática entre proveedores y un DSL de enrutamiento para componer varios modelos en una sola llamada. La propiedad relevante no es que alojemos estos dos —no lo hacemos—, sino que, cuando un modelo se sirve a través de nosotros, cambiar el modelo que hay detrás de una llamada es un cambio de configuración y no un proyecto de integración, que es lo que suele forzar un cambio de licencia de pesos abiertos.

¿Cuál elegir?

La regla, más que un veredicto. Si necesitas editar imágenes existentes —introducir una fotografía o una foto de producto y cambiar parte de ella, trabajar con máscaras, generar recursos transparentes—, Qwen-Image 2.1 es el modelo que tiene la capacidad, y la versión abierta de Krea 2 no entra en la conversación. Si necesitas resultados comerciales y eres un equipo pequeño por debajo del umbral de ingresos, Krea 2 tiene licencia exactamente para eso y Qwen-Image 2.1 no tiene licencia para ello en absoluto. Si estás haciendo ajuste fino, el checkpoint RAW de Krea 2 está diseñado explícitamente para entrenar con él, y su ecosistema LoRA da por hecho que lo harás; Qwen-Image 2.1 se puede ajustar bajo una concesión de solo investigación que limita lo que puedes hacer con el resultado. Si estás por encima del umbral de ingresos y quieres cualquiera de los dos en producción, en cualquier caso estarás escribiendo a un proveedor —a Krea en opensource@krea.ai, al proveedor en la dirección que figura en el contrato de licencia— y la elección se reduce a qué conversación preferirías tener.

El hecho que lo decide con más frecuencia: la licencia, no la tabla de clasificación. Los dos modelos están separados por once puntos Elo en una tabla cuyos intervalos son más amplios que eso, y por unos cien dólares al mes como servicios alojados, y la única de esas diferencias que un lector no puede sortear es la que figura en el archivo de licencia.