Qwen-Image 2.1 vs Krea 2: Model Gambar Terbuka Mana yang Benar-benar Bisa Anda Rilis

Dua model gambar terbuka, keduanya dapat diunduh dalam empat bulan terakhir, menjawab pertanyaan yang sama dengan cara yang berlawanan. Qwen-Image 2.1 adalah model text-to-image dan penyuntingan gambar 7B milik vendor, dirilis 20 September 2026 di bawah lisensi khusus penelitian — hanya untuk non-komersial. Krea 2 adalah model gambar fondasi pertama yang dilatih Krea dari awal, diterbitkan sebagai dua checkpoint pada Juni 2026 di bawah Krea 2 Community License, yang mengizinkan penggunaan komersial secara langsung di bawah ambang pendapatan. Di papan text-to-image Artificial Analysis hari ini, keduanya berada dalam jarak sebelas poin Elo satu sama lain. Pada pertanyaan yang sebenarnya harus dijawab sebuah tim sebelum membangun apa pun, keduanya sama sekali tidak dekat.

Apa sebenarnya Krea 2

Mulai dari sini, karena penamaannya menyesatkan dan sebagian besar perbandingan salah memahaminya. Krea sebagai perusahaan menjalankan platform kreatif terkelola dengan langganan berbayar; Krea 2 sebagai model adalah hal terpisah yang kebetulan memiliki nama yang sama. Krea merilisnya sebagai Diffusion Transformer dengan bobot terbuka dan dua checkpoint, yang dipublikasikan di Hugging Face sebagai krea/Krea-2-Raw dan krea/Krea-2-Turbo, dengan kode inferensi di repositori publik.

Pembagian kerja di antara keduanya disengaja dan dinyatakan secara gamblang di repositori Krea sendiri: RAW adalah basis yang belum disuling, ditujukan untuk fine-tuning, post-training, dan pelatihan LoRA; Turbo adalah checkpoint tersuling delapan langkah yang ditujukan untuk inferensi cepat. Panduan Krea adalah melatih pada RAW dan menjalankannya pada Turbo, dan ekosistem LoRA-nya dibangun dengan cara itu — adaptor yang dilatih terhadap basis tersebut diterapkan ke checkpoint tersuling pada waktu inferensi. Kedua checkpoint tersebut berbagi lisensi dan keluarga, tetapi keduanya tidak dapat dipertukarkan dan tidak memiliki pengaturan yang sama.

Satu detail yang perlu diperhatikan, karena akan membingungkan siapa pun yang membaca kartu tersebut: metadata Hugging Face untuk kedua checkpoint mencantumkan 13B parameter di sidebar, sementara teks kartu menyebutkan "Diffusion Transformer dengan 12 miliar parameter." Krea belum menyelaraskan kedua angka tersebut secara publik, jadi anggap jumlah parameternya sekitar dua belas hingga tiga belas miliar dan belum terkonfirmasi, bukan sebagai angka yang sudah pasti.

Angka-angkanya, dari papan yang ditunjuk oleh kedua vendor.

Repositori Krea menyatakan bahwa Krea 2 adalah model text-to-image teratas dari laboratorium independen di Artificial Analysis; laporan teknisnya menyebutkan bahwa model itu "termasuk dalam 10 teratas" dan "tempat kedua di antara model dari laboratorium independen." Itu adalah klaim Krea sendiri, yang dibuat pada Juni. Apa yang ditunjukkan papan langsung pada 13 Oktober 2026 sedikit lebih sempit, dan layak dibaca secara langsung:

• Qwen-Image 2.1 — 1.038 Elo, interval 95% 1.029 hingga 1.047, dari 5.554 sampel, peringkat 20 dari 168. Kolom harga papan tersebut bertuliskan "Tidak ada API yang tersedia."

• Krea 2 Large — 1.027 Elo, interval 1.020 hingga 1.034, dari 17.514 sampel, peringkat 25 dari 168, dengan biaya $60,00 per 1.000 gambar.

• Krea 2 Medium Turbo — 1.022 Elo, interval 1.014 hingga 1.030, dari 6.454 sampel, seharga $15,00 per 1.000 gambar.

• Krea 2 Medium — 1.014 Elo, interval 1.007 hingga 1.021, dari 17.284 sampel, sebesar $30,00 per 1.000 gambar.

Keempat baris tersebut berasal dari papan text-to-image. Di papan penyuntingan, hanya Qwen-Image 2.1 yang muncul sama sekali — 1.072 Elo, interval 1.063 hingga 1.081, dari 6.132 sampel, peringkat 21 dari 81. Tidak ada entri Krea 2 di papan itu. Semua angka di sini adalah Elo pemungutan suara secara buta dari Artificial Analysis, yang diambil dari papan peringkat berbahasa Inggris langsung pada 13 Oktober 2026; angka-angka ini independen dari kedua vendor, dan intervalnya cukup lebar sehingga selisih antara Qwen-Image 2.1 dan Krea 2 Large tidak boleh dibaca sebagai peringkat.

Baris "Krea 2 Large" dan "Krea 2 Medium" juga bukan checkpoint terbuka. Itu adalah tier hosted Krea, yang membuatnya memiliki harga per gambar sementara repositori terbukanya tidak. Membandingkan Krea 2 RAW yang dapat diunduh dengan Krea 2 Large yang hosted sama seperti membandingkan checkpoint dengan layanan.

Pemisahan yang sebenarnya adalah penyuntingan, bukan kualitas.

Kualitasnya cukup berdekatan sehingga papan peringkat tidak bisa memutuskan. Kemampuanlah yang memutuskan. Qwen-Image 2.1 adalah satu model yang melakukan generasi sekaligus penyuntingan: model ini menerima prompt saja, atau hingga sepuluh gambar referensi dengan sebuah instruksi, dan mendukung penyuntingan lokal melalui lingkaran yang digambar, anotasi yang dilukis, atau mask terpisah, dengan transparansi RGBA di input maupun output. Rilis terbuka Krea 2 adalah keluarga text-to-image. Kartu modelnya mendokumentasikan generasi prompt-ke-gambar; tidak ada checkpoint penyuntingan di organisasi tersebut dan tidak ada mode penyuntingan bermask di skrip inferensi, yang flag-nya mencakup prompt, steps, guidance, resolution, seed, dan jumlah gambar — tidak ada yang menerima gambar masukan.

Asimetri itu berasal dari materi yang dirilis, bukan dari apa yang mampu dilakukan oleh kedua lab. Platform Krea sendiri menjual penyuntingan, dengan mengandalkan daftar model penyuntingan pihak ketiga. Fakta yang relevan bagi pembaca yang mengunduh bobot lebih sempit: jika alur kerja Anda membutuhkan "ambil foto ini dan ubah satu hal darinya," Krea 2 terbuka yang dapat Anda unduh tidak bisa melakukannya, dan seluruh arsitektur Qwen-Image 2.1 dibangun untuk melakukannya.

Dua lisensi, dua dinding berbeda

Di sinilah perbandingannya tidak lagi nyaris sama, dan inilah bagian yang paling sering diratakan oleh kebanyakan ringkasan menjadi "keduanya terbuka." Tidak satu pun bersifat open source dalam pengertian permisif, dan keduanya sama sekali tidak terbuka dengan syarat yang sama.

• Qwen-Image 2.1 — Perjanjian Lisensi Riset Qwen, tertanggal 20 September 2026. Pemberian lisensi bersifat non-eksklusif, berlaku di seluruh dunia, bebas royalti, dan terbatas untuk tujuan non-komersial, dengan "Non-Komersial" didefinisikan hanya untuk riset atau evaluasi. Hal lainnya memerlukan lisensi komersial terpisah yang diminta melalui email. Redistribusi memiliki syarat: sertakan perjanjian ini, tandai berkas yang dimodifikasi, pertahankan pemberitahuan atribusi yang menyebutkan Hangzhou Tongyi Laboratory Technology Co., Ltd, tampilkan "Built with Qwen" jika Anda menggunakan keluaran untuk melatih model lain yang Anda distribusikan, dan jangan gunakan "Qwen" sebagai nama utama turunan. Hukum yang berlaku adalah hukum Tiongkok, dengan yurisdiksi di Hangzhou.

• Krea 2 — Lisensi Komunitas Krea 2. Penggunaan komersial diizinkan, dengan syarat pendapatan: Anda dan afiliasi Anda harus tetap di bawah satu juta dolar AS dalam total pendapatan tahunan seluruh perusahaan, diukur berdasarkan basis dua belas bulan terakhir dari semua sumber. Di atas ambang itu, lisensi perusahaan diperlukan dari Krea sebelum penggunaan komersial lebih lanjut. Redistribusi mengharuskan Anda meneruskan perjanjian ini, menambahkan awalan pada nama model — "Krea 2 [Nama Model Anda]" — dan mempertahankan pemberitahuan atribusi. Krea menyatakan tidak mengklaim kepemilikan atas keluaran, dan Anda memiliki derivatif Anda dengan tunduk pada hak-hak dasar Krea. Hukum Delaware yang berlaku. Akses dibatasi oleh perjanjian dan kebijakan penggunaan yang dapat diterima, dan kedua titik pemeriksaan mencantumkan tag lisensi krea-2-community-license di Hugging Face.

Dibaca berdampingan, bentuknya berbeda, bukan karena salah satunya lebih ketat. Qwen-Image 2.1 adalah jawaban tidak yang tegas untuk penggunaan komersial, dengan celah pelarian yang harus Anda negosiasikan. Krea 2 adalah jawaban ya dengan batas atas, dan batas atas itu adalah angka dolar yang spesifik dan dapat diperiksa, bukan penilaian subjektif. Bagi studio kecil atau pengembang independen, perbedaan itulah yang menjadi seluruh keputusan, dan selisih Elo hanyalah gangguan. Bagi siapa pun yang berada di atas ambang batas, kedua model berakhir di tempat yang sama: email ke vendor sebelum Anda merilis.

Berapa biaya yang harus Anda keluarkan untuk menjalankan masing-masing

Tidak satu pun dari angka itu yang dipublikasikan oleh vendor, jadi jawaban jujurnya adalah bahwa perbandingan harus dibangun dari pengaturan, bukan dari penawaran.

• Sampling — Krea 2 RAW berjalan pada 52 langkah dengan skala bimbingan 3,5, Krea 2 Turbo pada 8 langkah dengan bimbingan dinonaktifkan; Qwen-Image 2.1 secara bawaan menggunakan 40 langkah.

• Resolusi — Krea mendokumentasikan checkpoint dasarnya hingga 1K dan checkpoint Turbo-nya pada kisaran sekitar 1K hingga 2K; Qwen-Image 2.1 secara bawaan menggunakan 2048×2048 dengan tujuh preset terbitan dalam kisaran yang sama.

• Yang Anda unduh — repositori Qwen-Image 2.1 Diffusers berukuran 33,1 GB, sebagian besar merupakan encoder teks Qwen3-VL 8B. Krea belum menerbitkan ukuran yang setara untuk checkpoint-nya.

• Apa yang menjalankannya — Qwen-Image 2.1 dirilis dengan dukungan yang terdokumentasi di Diffusers, ComfyUI, vLLM-Omni, SGLang, dan LightX2V, plus jalur AMD dan FlagOS. Krea 2 mendokumentasikan ComfyUI dan SGLang di repositorinya, dengan skrip inferensi dan sejumlah toolkit pelatihan untuk pekerjaan LoRA.

Krea menerbitkan jumlah unduhan sebesar 84.354 untuk Krea-2-Raw dan 87.771 untuk Krea-2-Turbo dalam sebulan terakhir, sebagaimana dibaca pada 13 Oktober 2026 — angka-angka tersebut berasal dari platform hosting, bukan dari Krea, dan bukan indikator kualitas.

Satu-satunya uji independen yang ada, dan apa yang tidak dibuktikannya

Ada perbandingan berdampingan yang patut diketahui, dan batasannya perlu dinyatakan. Sebuah tulisan berbahasa Jepang yang diterbitkan 21 September 2026 menjalankan 28 prompt melalui kedua model dengan prompt dan seed identik pada RTX 5090 dengan 32 GB, di ComfyUI v0.37.0, menghasilkan 76 gambar perbandingan. Rekapnya: Krea 2 menang 10, Qwen-Image 2.1 menang 7, 9 seri, dan 2 gagal untuk keduanya. Ringkasan penulis atas pola tersebut adalah Qwen-Image 2.1 menangani konten simbolik datar dengan baik, sedangkan Krea 2 lebih baik menangani struktur dan fisika objek tiga dimensi, dan ia mencatat hasil Krea 2 diperoleh pada 8 langkah dibandingkan dengan 25 langkah Qwen-Image 2.1.

Itu adalah satu operator, satu seed per prompt, satu juri visual, dan satu bulan sebelum artikel ini. Ini bukan tolok ukur dan bukan peringkat. Yang membuatnya berguna adalah untuk mengkalibrasi ekspektasi: kedua model cukup berdekatan sehingga orang yang menjalankan prompt nyata akan melihat kemenangan di kedua sisi, yang konsisten dengan selisih Elo sebelas poin di papan langsung.

Di mana OrcaRouter cocok, dan di mana tidak

Tidak ada satu pun dari model ini yang ada di OrcaRouter, dan itu perlu dikatakan sebelum hal lainnya: kami memeriksa daftar model aktif kami sendiri pada 13 Oktober 2026 dan tidak ada model Qwen-Image maupun model Krea di dalamnya. Kedua perbandingan di atas adalah tentang bobot yang Anda jalankan sendiri atau endpoint yang dihosting yang Anda beli langsung dari masing-masing vendor. Jika salah satunya dirutekan melalui kami, perutean itu dilakukan setelah keputusan lisensi, bukan sebagai penggantinya.

Alasan perbedaan itu penting di sini adalah bentuk masalahnya. Qwen-Image 2.1 dan Krea 2 bukanlah model gambar terakhir yang akan dirilis oleh kedua lab tersebut, dan ketentuan lisensi pada generasi ini bukanlah panduan untuk generasi berikutnya — Krea sudah beralih dari produk berlangganan menjadi rilis terbuka berlisensi komunitas, dan perusahaan itu beralih dari Apache-2.0 pada checkpoint Qwen-Image sebelumnya ke lisensi khusus riset pada yang ini. Tim yang menstandarkan pipeline gambarnya pada SDK satu vendor pada akhirnya harus menegosiasikan ulang pipeline itu setiap kali lisensi berubah. OrcaRouter menyediakan 200+ model di balik satu endpoint yang kompatibel dengan OpenAI dengan harga daftar penyedia tanpa markup, dengan failover otomatis antar penyedia dan DSL perutean untuk menggabungkan beberapa model menjadi satu panggilan. Properti yang relevan bukanlah bahwa kami menghosting kedua model ini — kami tidak — melainkan bahwa ketika sebuah model dilayani melalui kami, menukar model di balik sebuah panggilan hanyalah perubahan konfigurasi alih-alih proyek integrasi, yang merupakan hal yang biasanya dipaksakan oleh perubahan lisensi open-weights.

Mana yang harus dipilih

Aturannya, bukan putusan. Jika Anda perlu mengedit gambar yang sudah ada — masukkan foto atau foto produk lalu ubah sebagiannya, bekerja dengan mask, menghasilkan aset transparan — Qwen-Image 2.1 adalah model yang memiliki kemampuan itu dan rilis terbuka Krea 2 tidak masuk dalam pembicaraan. Jika Anda memerlukan keluaran komersial dan Anda adalah tim kecil di bawah ambang pendapatan, Krea 2 dilisensikan untuk tepat hal itu dan Qwen-Image 2.1 sama sekali tidak dilisensikan untuk itu. Jika Anda melakukan fine-tuning, checkpoint RAW Krea 2 secara eksplisit dibuat untuk dilatih dan ekosistem LoRA-nya mengasumsikan Anda akan melakukannya; Qwen-Image 2.1 dapat di-fine-tune di bawah hibah khusus penelitian yang membatasi apa yang dapat Anda lakukan dengan hasilnya. Jika Anda berada di atas ambang pendapatan dan ingin salah satunya dalam produksi, Anda tetap akan menulis kepada vendor — Krea di opensource@krea.ai, vendor di alamat yang tercantum dalam perjanjian lisensi — dan pilihan itu bermuara pada percakapan mana yang lebih Anda inginkan.

Fakta yang paling sering menentukan: lisensinya, bukan papan peringkatnya. Kedua model itu terpaut sebelas poin Elo pada papan peringkat yang intervalnya lebih lebar daripada itu, dan selisih sekitar seratus dolar per bulan sebagai layanan hosted, dan satu-satunya perbedaan di antara itu yang tidak dapat disiasati pembaca adalah yang tercetak di berkas lisensi.