MAI Image 2.7 Preview vs Krea 3: 이 시리즈에서 실제로 신뢰할 수 있는 단 하나의 Elo 격차

이번 주 MAI Image 2.7 Preview가 비교 측정되는 네 가지 편집 모델 중 Krea 3는 점수가 동일한 척도 위에 놓인 유일한 모델입니다. 두 모델 모두 Artificial Analysis의 AA-Image-Editing v2.1 보드에 올라 있으며, 해당 보드에서 Krea 3 Ultra는 1,151 Elo를 기록하고 있습니다. 이는 MAI-Image-2.6 및 Nano Banana 2.1과 같은 수치로, 세 모델이 2티어 최상위에 동률로 자리하고 있습니다. MAI Image 2.7 Preview는 1,193으로 데뷔했으며, 이로써 두 모델 사이의 격차는 42점입니다.

그것은 다른 비교들과는 달리 실제 수치입니다. 동일한 보드, 동일한 채점 실행, 동일한 스냅샷입니다. 또한 취약할 만큼 작습니다. 신뢰 구간이 있는 리더보드에서 42점의 Elo 차이는 집계적으로는 분명한 이점이지만, 특정 자산에 대한 보장은 아닙니다.

그래서 흥미로운 질문은 "어느 쪽이 더 나은가"가 아니라 "Krea 3는 42점 더 높은 모델이 하지 못하는 무엇을 하는가"이며, 그 답은 결국 긴 목록이 된다.

같은 보드, 그리고 42점으로 살 수 있는 것

Artificial Analysis는 1,193에서 2.7점을 기록하며 전체 2위이고, GPT Image 2.5 Sunburst의 최대 등급보다 6점 뒤지며 GPT Image 2.5 Flare보다는 11점 앞섭니다. Krea 3 Ultra의 1,151점은 바로 아래 그룹에 위치시켜 Microsoft의 이전 세대와 동등한 수준입니다.

카테고리 세부 정보가 이를 더 분명하게 한다. Microsoft는 2.7이 2.6 대비 모든 10개 사용 사례와 모든 7개 편집 작업에서 향상되었다고 말하며, Artificial Analysis는 7개 작업 중 4개—향상 및 복원, 추론 기반 편집, 장면 및 스타일, 텍스트 또는 기호 편집—에서 이를 1위로 평가했고, 장면 및 스타일에서 24포인트로 가장 큰 격차를 보였다. 선두가 아닌 세 가지인 구성, 개별 객체 편집, 정체성 보존은 OpenAI가 차지하고 있다.

Krea 3와 대조해 보면, 그 프로파일은 42점이 분산된 것이 아니라 집중되어 있음을 시사한다. Krea 3 사용자가 2.7로 옮겨간다면 전체 프레임 작업 — 이 장면의 스타일 바꾸기, 이 사진의 조명 다시 잡기, 이 스캔 복원하기 — 에서 가장 큰 향상을 기대할 것이며, Krea 3가 명시적으로 겨냥해 만들어진 영역 기반·마스크 기반·정밀 경계 편집에서는 훨씬 적은 향상을 기대할 것이다.

당신이 차례를 얻을 때마다 맞서는 8초

Krea 3를 규정하는 숫자는 지연 시간이다. 회사 측은 네이티브 2K에서 엔드투엔드 편집이 8초 이내에 완료되고, 가장 빠른 구성에서는 4~5초 수준에 이른다고 주장하며, 이 모델이 아직 실시간은 아니지만 상호작용이 가능하다고 느껴질 만큼 충분히 근접했다고 설명한다. 그 숫자가 실제 자신의 부하 환경에서도 유지되는지는 별개의 문제이지만, 이 주장은 대부분의 출시 주장과 달리 구체적이고 검증 가능하다.

MAI Image 2.7 Preview에는 엔드포인트가 없기 때문에 지연 시간 수치도 없습니다. 상호작용 모델은 MAI Playground의 브라우저 탭에서 한 번에 이미지 하나를 처리하는 방식이며, Microsoft는 이 프리뷰에 대한 처리량, 대기열 또는 속도 정보를 공개하지 않았습니다. 이전 MAI-Image-2 플레이그라운드는 하루에 약 15회 생성할 수 있고 생성 사이에 대기 시간이 있다고 보도되었지만, 그 수치는 2.7에 대해 확인된 적이 없으므로 가정해서는 안 됩니다.

그 결과는 점진적이라기보다 구조적이다. 8초 편집은 디자인 도구 안에 들어앉을 만큼 충분히 빨라서, Krea가 3을 편집 모드가 달린 생성기가 아니라 상업 팀을 위한 편집기로 위치시키는 이유다. 플레이그라운드 왕복은 평가하기에는 충분히 빠르지만 그 위에 구축하기에는 너무 느리다. 두 가지를 속도로 비교하는 것은 두 속도를 비교하는 게 아니라, 지연 시간 수치를 존재하지 않는 수치와 비교하는 것이다.

LoRA Training은 대응하는 것이 없는 능력이다

Krea 3는 특정 제품, 인물 또는 스타일에 대한 LoRA 학습을 지원하며, 회사는 이것이 이런 방식으로 학습할 수 있는 최초의 편집 모델이라고 주장한다. "최초"라는 주장이 사실인지 여부와 관계없이, 이 기능은 두 사양표 모두에서 가장 중대한 요소다.

일반화되는 편집 모델은 일회성 작업에 유용합니다. 자체 카탈로그로 튜닝할 수 있는 편집 모델은 다른 종류의 자산입니다: 프롬프트로 설명할 수 없는 각도에서 제품이 어떻게 보이는지 학습하고, 매 요청마다 참조 이미지가 필요 없어집니다. 고정된 제품 라인을 가진 스튜디오에게 이는 호출당 비용을 일회성 학습 비용과 더 저렴한 호출로 바꿔줍니다.

MAI Image 2.7 Preview는 비교할 만한 것을 제공하지 않으며, 현재 형태로는 그럴 수도 없습니다 — 학습 인터페이스도, 가중치도, API도 없습니다. Microsoft의 모델은 브라우저에서 빌려 쓰는 기능이고, Krea의 것은 적응시킬 수 있는 기능입니다.

스타일 참조는 같은 아이디어의 더 가벼운 버전이며, Krea 3는 영역별 편집 및 바운딩 박스 제어와 함께 이를 지원합니다. 패턴은 일관됩니다: Krea는 제어를 제공하고, Microsoft는 판단을 제공합니다.

참조 카운팅은 양쪽 모두에서 엉망이다

Krea 3의 문서는 참조 이미지를 몇 장까지 허용하는지에 대해 서로 일치하지 않습니다. 출시 게시물에서는 6장이라고 합니다. 제품 페이지와 API 문서에서는 8장이라고 합니다. API는 다섯 번째를 초과하는 참조 이미지의 크기를 줄이며, 전체 세부 묘사를 위해서는 4장 이하를 권장합니다. 또한 Zero Data Retention 모드는 최대 4장으로 제한합니다. 이 모든 수치는 Krea가 직접 밝힌 숫자로, 서로 다른 접점을 위해 서로 다른 시기에 게시된 것입니다.

이는 기만이 아니라 사양서가 시간이 지나며 낡는다는 점을 상기시키는 것으로 지적할 만한 가치가 있습니다. 참조 상한은 해상도, 메모리, 과금 모델의 산물이며, 벤더가 서빙 스택을 조정함에 따라 달라집니다.

MAI Image 2.7 Preview의 경우 해당하는 수치는 아예 존재하지 않습니다. Microsoft는 참조 최댓값도, 해상도도, 품질 등급도, 마스크 관례도 공개하지 않았습니다. 전작 MAI-Image-2.6은 최대 다섯 개의 참조를 허용했고 출력은 약 1536×1536으로 제한했습니다. 2.7이 둘 중 하나의 한도를 계승한다고 가정하는 것은 추론입니다. 이 차원에서 Krea 3가 더 잘 문서화된 것은 아닙니다 — 문서화되어 있으며, 모호함은 없는 것이 아니라 눈에 보입니다.

사고 모드와 신중함의 대가

Krea 3는 빠른 사고 모드와 고사고 모드를 제공하며, 가격에도 그 차이가 반영됩니다. 표준 설정의 2K에서는 이미지당 $0.06, 2K에서 고사고 모드는 $0.08이며, 1K에서는 각각 $0.05와 $0.03입니다. 입력 이미지는 메가픽셀당 $0.02로 별도 청구됩니다. 출력은 네이티브 2K로 제공되며, 인쇄 및 대형 포맷 작업을 위한 4K 옵션도 있습니다.

이중 모드 설계는 편집에 잘 맞습니다. 편집 난이도가 극단적으로 양분되기 때문입니다. 수평선을 바로잡는 일과 반사를 다시 만드는 일은 같은 작업이 아니며, 둘 모두에 같은 요율을 적용하면 쉬운 작업에 비용을 과하게 지불하게 됩니다. 간단한 편집은 빠른 모드로, 복잡한 편집은 고도의 사고 모드로 보내는 팀은 매 요청마다 품질을 판단하지 않고도 비용을 크게 줄일 수 있습니다.

MAI Image 2.7 Preview에는 등급도, 모드도, 가격도 없습니다. 품질은 모델이 내놓는 그대로이고, 비용은 분석가의 오후 시간입니다.

리더보드 대비 CPI-Bench

Krea는 Krea 3 Ultra에 대해 CPI-Bench 점수 5점 만점에 4.81점을 제시하며, 이는 GPT Image 2.5 뒤, GPT Image 2, Seedream 5 Pro, Nano Banana 2 및 Pro 앞에 위치한다고 밝힙니다. 이는 벤더가 보고한 벤치마크 결과이므로 그렇게 읽어야 합니다. 독립적인 순위가 아니며, 비교 대상은 이를 발표한 회사가 선택한 것입니다.

하지만 이는 Elo 보드가 잘 포착하지 못하는 무언가를 가리키고 있습니다. 바로 상업적 크리에이티브 작업에 대한 사용자 선호이며, CPI-Bench는 바로 이것을 중심으로 만들어졌습니다. Krea 측의 주장에 따르면 이 모델은 GPT Image 2보다 10배, Nano Banana Pro보다 4배 빠르며, 단위 시간당 사용 가능한 결과물에 보상을 주는 벤치마크는 느린 모델이 블라인드 쌍대 비교에서 더 높은 점수를 받더라도 빠른 모델에 유리하게 작용할 것입니다.

마이크로소프트의 증거는 반대 방향을 가리킨다. 그 수치는 리더보드 순위입니다. 편집 부문에서 2위, Arena Edit에서 1,470점으로 3위이며 2.6 대비 45점 상승한 것으로, 이는 마이크로소프트가 해당 리더보드에서 2위 연구소임을 뜻합니다. 여기에 해당 실행에서 도출된 일련의 범주별 주장도 포함됩니다. 둘 다 타당하지만, 어느 쪽도 다른 모델과의 직접 맞대결은 아닙니다.

평가는 점수가 아니라 직업에 따라 갈린다

이번 분기에 제품에 편집 기능을 넣으려 한다면 기본 답은 Krea 3입니다. 그 이유는 Elo 점수 때문이 아닙니다. Krea 3에는 API, 공개된 가격, 지연 시간 수치, 참조 컨트롤, 영역 마스크, 저렴한 편집을 위한 빠른 모드, 자체 카탈로그를 위한 LoRA 학습이 있습니다. MAI Image 2.7 Preview에는 그런 것이 하나도 없으며, 호출할 수 없는 파이프라인에서는 42점 리드도 의미가 없습니다.

사람이 직접 손으로 할 작업을 위해 편집기를 고르는 상황이라면, 이 순위는 의미가 있습니다. 장면 스타일 변경, 재조명, 복원은 2.7의 우위가 집중된 분야이며, Playground에서 작업하는 디자이너는 그 이점을 직접 활용할 수 있습니다.

프런티어가 전환할 만큼 충분히 움직였는지 판단하려는 것이라면, 솔직한 해석은 한 리더보드에서 42점 움직였다는 것입니다. 이는 인구 규모에서는 의미 있지만 어려운 이미지 한 장 규모에서는 작습니다. 이를 정리하는 실용적인 방법은 가장 어려운 편집 다섯 개를 두 모델 모두로 실행해 보는 것입니다 — 2.7의 Arena 비교는 무료이고, Krea 3는 2K에서 같은 다섯 개에 약 30센트가 듭니다.

OrcaRouter는 두 모델 모두 호스팅하지 않으므로, 오늘 이는 라우팅 결정이 아닙니다. 이는 편집 레이어를 무엇 위에 구축할지에 대한 결정이며, 지금 바로 라우팅할 수 있는 레이어들 — 해당 보드에서 2.7을 양쪽으로 감싸는 OpenAI 이미지 티어들, 제공업체 정가에 마크업 없이 — 은 프리뷰 등급 모델이 검증을 마치는 동안 폴백 체인 뒤에 둘 수 있는 레이어들입니다.