Krea 3 Ultraが第5位に登場：順位は本物、「Ultra」は設定項目

2026年10月20日の夜、Artificial Analysisの画像編集ボード上の3つの行は、互いに1.1 Elo以内に収まっていた。Krea 3 Ultraはそのうちの1つで、1150.58、#5と表示されていた。Nano Banana 2.1もその1つで、1151.65で#3だった。MAI-Image-2.6が3つ目で、1151.03で#4——そして3つすべてが同じ順位範囲3～6を公表している。これがこのリーダーボードにおける3者間の統計的タイの姿であり、見出しの「#5」よりも結果について正確な表現だ。というのは、それは測定された差ではなく表示順だからだ。 このようなリリースの背景にある、記録されたAIの障害やエージェントのインシデントは、次に収集されている：OrcaRouter AI Incident Archiveでは、各エントリが独自の出典、重大度、信頼度グレード、係争フラグを備えている。

その日、2つのことが起きましたが、それらは混同されやすいものです。KreaはUltra設定をプレビューから外しました。10月20日の変更履歴によれば、Maxプラン以上のワークスペースなら、通常のKrea 3エンドポイントで thinking_mode: "ultra" を設定できます。同じ変更履歴で、Krea 3はベータを卒業しました。そしてArtificial AnalysisはUltra構成を自身のボードに追加し、そこですぐに上位2モデルと並びました。Krea 3自体は新しいものではありません。Kreaは2026年10月15日にリリースし、Artificial Analysisは同日01:21 UTCにそれをボードへ記録しました。新しいのは、高価なモードが一般に呼び出せるようになり、同じ24時間で独立したスコアを得たことです。

「Ultra」とは、仕組みとしては何なのか

これはチェックポイントではありません。Krea 3 Ultra という名前の独立した重みファイルは存在せず、Krea の API も2つ目のモデル ID を公開していません。エンドポイントは依然として POST /generate/image/krea/krea-3 で、thinking_mode は3つの値のいずれかを取ります。fast（デフォルト）では、モデルがプロンプトを拡張してレンダリングします。highでは、より強力な推論パスがプロンプトと参照画像から編集内容を計画してからレンダリングします。ultraでは、Krea が複数の候補編集を生成し、プロンプトと参照画像に照らしてそれぞれを採点し、最良と判断したものを返します。

その仕組みには厳格な制約があり、それらはすべてユーザーが発見したものではなく、Kreaによって文書化されています：

• 解像度 — Ultra は 2K でのみ出力します。Fast と high は 1K または 2K で出力できますが、Ultra はできません。

• 参照 — Ultra では image_urls に少なくとも 1 つの画像が必要です。このモードでは純粋なテキストから画像への生成は利用できません。

• レイテンシー — 1つのジョブは「数分かかることもある」。Kreaのドキュメントでは上限を約10分、優先度「low」の場合は約16分としている。Krea 3を魅力的にした8秒未満という数値は「fast」モードの話であり、これには当てはまらない。

• プラン — APIは{{1}}Ultra{{/1}}をMaxプラン以上でのみ受け付けます。

• Zero Data Retention — ZDRヘッダーと thinking_mode: "ultra" を含むリクエストは HTTP 422 を返します。ZDRを必要とする企業はこのモードから完全に除外され、参照数も通常の上限ではなく8件に制限されます。

リーダーボードで「Krea 3 (Ultra)」と表示されている行は、5日前にリリースされたモデルの一つの構成であり、製品として販売されるのではなくアドオンとして価格設定されています。この区別は、この順位をベンダーを変更する理由と解釈する人にとって重要です。1150.58を記録したものは、文字列を切り替えるだけで、高速編集ですでに使っているのと同じエンドポイントから利用できます。

Artificial Analysisが実際に測定したもの

このボードは、入力画像の編集をテキスト指示に対して、ペアワイズな人間の選好によって順位付けする。投票者は、同じ指示の下で同じ画像を匿名で編集した2つを閲覧して1つを選ぶ。識別情報はその後で明かされ、投票が有効になるまでに最低閲覧時間がある。すべての投票はBradley-Terryモデルで一度に適合され、Eloとして報告される。スケールはFLUX.2 [dev]が1000になるように固定されている。プロンプトセットは10のユースケースと7の編集アクションに均等にサンプリングされ、毎月更新される。

2026年10月20日、太平洋時間午前10時45分頃に読んだ時点では、ボードの最上部は次のようになっていました：

• #1 — GPT Image 2.5 Sunburst（max）、1198.71 Elo、18,059 サンプル。

• #2 — GPT Image 2.5 Flare（max）、1181、18,954 サンプル。

• #3 — Nano Banana 2.1、1151.65、±13、6,684サンプル。

• #4 — MAI-Image-2.6、1151.03、±12、16,468サンプル。

• #5 — Krea 3 (Ultra)、1150.58、±14、5,378 サンプル。

• #7 — GPT Image 2（high）、1136。#8 — Seedream 5.0 Pro、1132。

• #11 — Krea 3 (Fast)、1125.11、±14、5,087サンプル。

• #16 — Nano Banana Pro（Gemini 3 Pro Image）、1106。

上位3位内の差はそれぞれの信頼区間より小さく、そのためArtificial Analysisはチャートと併せて平易な表現の説明を公開しました。品質は「Nano Banana 2.1やMAI-Image-2.6と同程度」です。表示上の順位が同点状態でも維持されたのは、ボードが点推定値で並べているからです。MAI-Image-2.6の1151.03はKreaの1150.58を0.45 Elo上回りますが、これは区間幅のおよそ25分の1にすぎません。

サンプル数こそ、購入者が重く見るべき表の一部だ。Sunburstの1位は18,059票に支えられている。Krea 3 Ultraの行を支えるのは5,378票——トップグループに入れるには十分すぎるが、隣り合う2モデルとの差をつけるには足りない。単一の順位ではなく順位範囲を公表するというこのボード自体の慣行こそが、正直な読み方だ。すなわち3〜6位である。

Kreaが印刷したランクと、ボードが表示するランク

Krea自身が10月20日に公開したベンチマーク解説は、ほとんどのベンダーなら触れずに済ませただろう食い違いについて率直に認めている。Kreaのローンチスレッドにあるカードには、UltraがArtificial Analysisで4位、MAI-Image-2.6が5位と示されている。だがリーダーボードのページとArtificial Analysis自身のチャートはいずれも逆を示している。Kreaの投稿はリーダーボードを使用していると述べており、これは正しい判断だ。そして特筆に値するのは、それが通常ならローンチの物語から滑らかに消し去られてしまう類の細部だからだ。

同社のより強い主張は、競争がより浅い他のリーダーボードに基づいている。ArenaのMulti-Image Editリーダーボードでは、Ultraは2,991票で1435 ± 11の第4位に入り、Preliminaryと表示されている。これは10,284票で1432 ± 6のNano Banana 2.1を3ポイント上回る。Arenaの単一画像ボードでは、同じ構成が1411 ± 11で第8位、順位幅は5～10であり、集団の内側にあり、それを抜きん出ているわけではない。Design ArenaはKrea 3を1298 Eloで51体中第4位に置いている。これらは3つの異なる尺度である。Artificial AnalysisはFLUX.2 [dev]を1000に固定し、Design Arenaのドキュメントは基準値を1200と説明しており、Arenaの1435はどちらとも比較できない。一方から他方を引いて得られる数値には何の意味もない。

モードが強みを発揮する場面と、そうでない3つの場面

Artificial Analysisは編集を17のカテゴリ別ボードに分けていますが、Krea 3 Ultraの結果は総合順位よりもその分布のほうが示唆に富んでいます。10月20日時点の集計では、17部門中14部門、7つの編集アクション中5つでトップ7に入っています。

• 最適なユースケース — アニメーション＆ゲーミングで2位（1178.77）、フロンティアで2位（1169.73）と、いずれもGPT Image 2.5 Sunburstに次ぐ結果。生産性＆ナレッジワーク、小売＆Eコマース、ソーシャルメディア＆クリエイターコンテンツ、マーケティング＆広告では4位。

• 最良の編集アクション — 「構図とフレーミング」で3位（1182.68）、「推論ベース編集」で4位（1186.82）。2つ目はKreaのローンチが前面に押し出したもので、単純な置き換えではなくシーンについての推論を必要とする編集だ。

• トップ7圏外——実写映画で10位、強化・復元で8位、シーン・スタイル編集で18位。最も弱いカテゴリはリライティング、リスタイリング、背景差し替えであり、製品を新たなシーンに配置することを売り文句とするモデルにとって、これは厄介な穴である。

そのリストには2つの注意点があります。カテゴリ別ボードはそれぞれ数百票を抱えており、テキストレンダリングでは302票、コマーシャルデザインでは455票で、誤差範囲は±20～±38です。そのため、あるカテゴリで2位でも、次の更新時には5位になっている可能性があります。また、Krea自身の投稿は、Artificial Analysisのスレッドが「17カテゴリ中15でトップ7」「7つの編集アクション中6」と述べていた一方で、ライブページでは14と5だったと指摘しています。スレッドのチャートには10月16日時点のEloと記されていましたが、ページはすでに先へ進んでいました。

通話にかかる費用と、その数字が0.06ドルではない理由

KreaはKrea 3の料金をコンポーネントごとに設定しており、コンポーネントは積み重なります。基本料金は1K画像1枚あたり$0.03、または2K画像1枚あたり$0.06です。1K参照画像ごとに$0.02、2K参照画像ごとに$0.07が加算されます。High thinkingは生成ごとに$0.02を加算します。Ultraは生成ごとに$0.20を加算し、2K専用です。

例を計算してみましょう。2K参照画像が1枚の2K Ultra編集は $0.06 + $0.07 + $0.20 = $0.33 です。製品撮影ではよくあることですが、2K参照画像を4枚追加すると、$0.06 + $0.28 + $0.20 = $0.54 になります。同じ作業をfastで、同じ4枚の参照画像を使って行うと $0.34 です。つまり、Ultraのプレミアムは低い側ではおよそ2倍、高い側では約60%であり、$0.20 対 $0.06 が示唆する3.3倍でも、ローンチ投稿の「1画像あたり$0.06」という記述が示唆する一律コストでもありません。Kreaのローンチ時の比較「$0.06 vs Nano Banana Proの$0.135、GPT Image 2の$0.22」は、参照画像なしのfastパスを説明したものです。

ここが、ルーターの計算が意味を持つポイントです。OrcaRouter はプロバイダーのリスト価格を0%のマークアップでそのまま通すため、モデルのベンダーが公表する1回あたりの金額が、そのまま請求額になります。プロバイダーがKreaであれば、Kreaが追加するサーチャージも含みます。Krea 3 Ultraは現在当社のカタログにはありません。UltraはKrea自身のAPIでMaxプランを通じて販売されており、そのモードを設定できるのはその方法だけです。当社がルーティングするのは比較のもう半分です。O​penAIのgpt-image-2とgpt-image-2.5、x​AIのGrok Imagine Image、G​oogleのNano Banana、Nano Banana 2、Nano Banana Proを1つのキーの背後に置き、プロバイダーがエラーやレート制限を返した場合の自動フェイルオーバーを備えています。1回の編集に$0.33を払う根拠が、$0.06の編集と再試行を置き換えることにあるなら、それが実際に置き換わるかは同じキーで測れます。

一週間を生き延びる読み物

Krea 3 Ultraは確かな成果だ。リリースから5日で、投票数が10分の1しかないボード上で、最高水準の中価格GoogleおよびMicrosoftモデルと並ぶエディターであり、しかも新製品ではなくモード切り替えによってそれを成し遂げている。同時に、頂点が狭い成果でもある。それが2位の2カテゴリは、GPT Image 2.5 SunburstがEloで13と29上回っているカテゴリであり、ほとんどのマーケティングチームが実際に対価を払うシーンとスタイルの作業では18位に位置している。

注目すべきは順位ではない。サンプル数と、そのモードの価格だ。Krea 3の5,378票は今後さらに増えていき、1150.58がこのまま維持されれば、この同点は小規模サンプルによる偶然の産物ではなく、実際の順位となる。一方、Ultraは1回の生成ごとに$0.20が加算され、その上さらに基本料金は送る参照のたびに増えていく。つまり制作チームにとって実用的な問いは「UltraはKrea 3より優れているか」ではなく、「モデルに自ら最良の答えを選ばせるために約2倍の料金を払う価値があるのは、キャンペーンあたり何回の編集なのか」ということだ。それは今週、自社のブリーフで試せるテストであり、どんなリーダーボードも代わりに回してはくれない。