MOSS-Image vs Krea 3: de een factureert per afbeelding, de ander per uur

De twee modellen in deze vergelijking zijn geprijsd in verschillende valuta, daarom is de voor de hand liggende vergelijking — zes cent tegenover nul — de verkeerde. K​rea 3, uitgebracht op 15 oktober 2026, is een gehost bewerkingsmodel met een gepubliceerd tarief: $0,06 per afbeelding op native 2K, in minder dan acht seconden end-to-end volgens de eigen meting van de leverancier. M​OSS-Image, op 16 oktober 2026 door OpenMOSS uitgebracht als de Apache 2.0-checkpoints M​OSS-Image-Base en M​OSS-Image-SFT, heeft helemaal geen tarief. Je huurt een GPU en je betaalt per uur, of je er nu één afbeelding mee genereert of vierhonderd.

De echte vraag is dus niet welke van de twee goedkoper is, maar hoe je werklast er gedurende een maand uitziet, want een vast tarief per afbeelding en een uurtarief kruisen elkaar bij een volume dat volledig afhangt van je eigen gebruik. Onder dat omslagpunt is K​rea voordeliger en enorm veel beter qua latentie. Daarboven naderen de marginale kosten per afbeelding van M​OSS-Image de kosten van elektriciteit. Bijna niemand maakt die rekensom, en dat is de hele beslissing.

Ze willen allebei een doos, en ze willen die in verschillende eenheden.

Begin met het deel dat ze überhaupt vergelijkbaar maakt, want dat is makkelijk te missen. Geen van beide is een generator waarbij je maar wat vraagt en hoopt. De bewerkingshulpmiddelen van K​rea 3 bevatten begrenzingskaders voor het plaatsen van nieuwe elementen, en bewerkingen over meerdere beurten die hun context tussen beurten vasthouden. Het layoutformaat van M​OSS-Image neemt een JSON-object als prompt — een samenvatting-blok plus een items-array waarin elk element een label heeft van tekst, personage of object, een bijschrift, een begrenzingskader, en voor tekstelementen de letterlijke tekenreeks die moet worden weergegeven.

• Waar de box vandaan komt — MOSS-Image: een JSON-veld op elk item in de layoutprompt, met gebruik van bbox_format: "yxyx" in bbox_coord_space: "abs_centralized", d.w.z. absolute pixels gemeten vanaf het midden van het canvas. Krea 3: een besturingselement voor bounding boxes in de bewerkingsinterface om nieuwe elementen te plaatsen.

• Uitvoerresolutie — MOSS-Image: getraind op 256px, 512px en ongeveer 1024², waarbij het tokenbudget meebeweegt van 576 → 3.072 → 8.192. Krea 3: native 2K, met voorbeelden vermeld op 2736 × 1536 px, en 1K voor de helft van de prijs.

• Referentieafbeeldingen — M​OSS-Image: elementen worden structureel beschreven in de lay-outprompt in plaats van als referentieafbeeldingen te worden aangeleverd. K​rea 3: maximaal zes per bewerking op de lanceringspost, acht op de productpagina — het materiaal van de leverancier zelf geeft twee cijfers en geen van beide is ingetrokken.

• Wat je aan het bouwen bent — M​OSS-Image: een compositie, op basis van een specificatie, grotendeels vanuit het niets. K​rea 3: een bewerking van een afbeelding die je al hebt, waarbij het gebied buiten de bewerking ongemoeid blijft.

Die laatste regel is degene die de meeste echte workloads beslist. Als je taak is "neem deze productfoto en verander de achtergrond", dan is MOSS-Image het verkeerde instrument — het is geen in-place editor, en de leverancier bestempelt het bewerkingsgedrag als experimenteel. Als je taak is "produceer vierhonderd unieke posters met specifieke tekst op specifieke plekken", dan is Krea 3 het verkeerde instrument, en het eigen materiaal is mager wat betreft lange tekst — de voorbeelden bij de lancering zijn in het Engels, de gedocumenteerde sterke punten zijn wijzigingen van productscènes, objectverwijdering en het opschonen van foto's.

Snelheid, waar slechts één partij iets heeft gepubliceerd

Het belangrijkste cijfer van K​rea 3 is minder dan acht seconden per bewerking, van begin tot eind, bij 2K. Het is een leverancierscijfer, en de leverancier is opvallend openhartig over waar het vandaan komt: de tijdsmetingen zijn de mediane aanvraag-tot-resultaattijd van de batch van twaalf afbeeldingen van elk model, inclusief wachttijd, gemeten op K​rea's eigen platform tussen 24 september en 1 oktober 2026. Een methodologie die op de benchmark staat, is meer waard dan een kaal cijfer, en deze heeft die. Het is nog steeds K​rea die K​rea meet.

MOSS-Image heeft helemaal geen gepubliceerd latentiecijfer, en het is de moeite waard te begrijpen waarom voordat je dat als een weglating beschouwt. De standaardwaarden voor sampling zijn flow-matching Euler met 50 stappen, CFG 3.0, shift 5.0 en skip-layer-guidance voor de negatieve tak op laag 22. Het standaardpad voor guidance vereist twee transformer-forwards per stap. Latentie voor MOSS-Image is daarom geen eigenschap van het model zoals bij een gehost endpoint — het is een eigenschap van de GPU die je eronder zet, het aantal stappen dat je kiest, en of je guidance weglaat of distillatie uitvoert. De community bracht binnen ongeveer een dag na de release INT8- en INT4-kwantisaties uit, een 4-staps DMD LoRA en een 8-staps gedistilleerde variant, wat aangeeft dat mensen de standaard van 50 stappen te traag vonden voor interactief werk en het zelf oplosten.

De eerlijke vergelijking qua snelheid is dus: Krea 3 noemt een getal dat van Krea afhangt, en MOSS-Image heeft geen getal omdat het van jou afhangt. Een standaardinstelling van 50 stappen met twee forward-passes per stap is niet snel. Een gedistilleerde 8-staps build op een gehuurde kaart misschien wel. Geen van beide beweringen is te controleren op de pagina van welke leverancier dan ook, en de tweede kun jij in een middag controleren.

Het herzieningsrekenwerk, waar de zes cent ophoudt ertoe te doen

Dit is de berekening die de beslissing verandert, en die begint bij K​rea's eigen framing.

Voor $0,06 per bewerking kost het uitvoeren van vijf passes en het kiezen van de beste dertig cent en geen vergadering. Dat is K​rea's impliciete pitch, en het is een goede, want het alternatief voor een goedkope retry is een uur van een designer. Honderdduizend bewerkingen per maand in 2K kosten $6.000 — en K​rea laat er geen twijfel over bestaan dat de introductieprijs de lijstprijs is en dat de prijs naar verwachting eerder daalt dan stijgt, waardoor de $6.000 een plafond is in plaats van een bodem.

De kant van MOSS-Image van dezelfde rekensom is geen tarief, het is een benuttingsprobleem. De licentie is Apache 2.0 zonder omzetdrempel, en er is een open-weightmodel van $0,008 per afbeelding in de buurt van deze vergelijking, van een andere leverancier, ter referentie — maar zo werkt het open pad niet. De download is ongeveer 27,2 GB, waarvan ongeveer 16,8 GB verdeeld over vier shards de bevroren Qwen3.5-9B-tekstencoder is en ongeveer 10,2 GB verdeeld over drie de transformer. Het 5B-label beschrijft alleen de diffusiegenerator en de encoder is de grotere helft van de schijfvoetafdruk.

Of dat beter is dan zes cent hangt af van drie getallen die je al kent: je GPU-uurtarief, je afbeeldingen per uur bij het aantal stappen dat je kiest, en welk deel van de maand de kaart daadwerkelijk bezet is. Een team dat een stabiele productielijn draait, krijgt een lage effectieve prijs per afbeelding en kan het beter zelf hosten. Een team dat dinsdagmiddag veertig afbeeldingen nodig heeft, zou daarvoor geen GPU moeten huren, en moet niet doen alsof de licentieprijs de prijs per afbeelding is.

De bewering over fine-tuning, die beide partijen maken en die geen van beide heeft bewezen.

Dit is het onderdeel dat een specificatievergelijking meestal mist, en het is het meest interessante dat deze twee modellen gemeen hebben.

K​rea's claim is dat K​rea 3 het eerste bewerkingsmodel is dat je kunt fine-tunen op een specifiek product, een persoon of een stijl, zodat de packshot van een merk of een terugkerend personage gedurende een campagne hetzelfde blijft. Het mechanisme is controleerbaar — de API-referentie bevat een "Train a custom style (LoRA)"-endpoint — en of "eerste" standhoudt, is een claim over het vakgebied in plaats van een meting. Het is K​rea's claim. Maar het mechanisme bestaat, het is gedocumenteerd, en het is het enige gepubliceerde pad aan K​rea's kant om een subject vast te zetten.

Het equivalent van OpenMOSS is structureel in plaats van commercieel. Base is het vooraf getrainde checkpoint, opzettelijk niet-gedestilleerd gelaten — de modelkaart vermeldt expliciet dat er geen post-training of distillatie van inferentieparameters zoals CFG is toegepast, om trainingsinformatie te behouden en LoRA-training levensvatbaar te houden. Dat is een leverancier die ervoor kiest een slechtere standaard mee te leveren in ruil voor een beter trainingssubstraat, en het is het duidelijkste signaal in de hele release over voor wie het Base-checkpoint bedoeld is.

Beide beweringen wijzen op dezelfde koper: iemand met een terugkerend onderwerp dat niet mag afdrijven. Geen van beide leveranciers heeft een driftmeting gepubliceerd, en de community-builds rond MOSS-Image — de ComfyUI-verpakking, de kwantisaties, de gedistilleerde LoRA's — arriveerden binnen ongeveer een dag, wat erop wijst dat het trainingspad echt is, ook al heeft de leverancier geen trainingsresultaat gepubliceerd.

• Waar de LoRA leeft — K​rea 3: een gehost endpoint op K​rea's platform, getraind tegen K​rea's model op K​rea's infrastructuur. M​OSS-Image: je eigen gewichten, je eigen trainingsrun, je eigen GPU, met een checkpoint dat de leverancier opzettelijk in een trainbare staat heeft achtergelaten.

• Wat dat jou kost — K​rea 3: het trainingsgesprek is een licentiegesprek. M​OSS-Image: het trainingsgesprek is je elektriciteitsrekening en iemands week.

• Wat je ervoor terugkrijgt — K​rea 3: een stijl die je kunt aanroepen, op uptime van iemand anders. M​OSS-Image: een checkpoint dat je zelf bezit, dat blijft werken als de leverancier vertrekt.

Toegang, en waar een router past in een pijplijn met twee tools

Krea 3 is gesloten. Krea heeft eerder open gewichten uitgebracht — Krea 2 RAW en Turbo staan op de Hub — maar Krea 3 zit daar niet bij, en de FAQ van Krea plaatst zelfhosting onder enterpriseplannen, op je eigen GPU's, met licentievoorwaarden en hardware-dimensionering die nog besproken moeten worden. Dus het is een keuze. MOSS-Image is een download, en de download is het hele product.

Geen van beide staat in de OrcaRouter-catalogus — we bieden meer dan 200 modellen aan en geen van deze twee is er een van — dus voor beide moet je naar de bron: voor K​rea 3, K​rea's eigen API en meerdere platforms van derden; voor M​OSS-Image, de repositories en je eigen hardware.

Waar de router goed voor is in een pipeline als deze, is het deel dat geen van beide modellen is. Een element in een frame plaatsen is meestal één stap van een taak die ook een gehoste generator voor de basisafbeelding nodig heeft, een apart model voor upscaling, en een captioning- of beoordelingsronde — en dat is waar één endpoint voor een paar honderd modellen met automatische failover en lijstprijzen van leveranciers die met 0% markup worden doorgegeven het integratiewerk wegneemt in plaats van het modelwerk. De routing-DSL doet er om dezelfde reden toe: als de stap voor de basisafbeelding en de bewerkingsstap twee verschillende modellen zijn, is het per verzoek vastpinnen van elk in één config beter dan het beheren van twee leveranciers-SDK's. Het is het leidingwerk, en de eigen architectuur van M​OSS-Image is een herinnering aan wat het leidingwerk waard is ten opzichte van het model — het sterkste end-to-end lay-outresultaat van de leverancier werd geproduceerd door een pipeline waarvan de helft voor promptspecificatie volledig op een model van een derde partij draait.

Welke, en de crossover die de doorslag geeft

Kies K​rea 3 als de deliverable een bewerking van een bestaande afbeelding is, als je team zijn eigen latentie in minuten meet, en als je volume zo ongelijkmatig is dat een gehuurde GPU het grootste deel van de maand onbenut zou blijven. Zes cent met een round trip van minder dan acht seconden, een gedocumenteerd precisieverhaal en een LoRA-endpoint op de eigen infrastructuur van de leverancier vormen samen een coherent product voor die taak, en het feit dat de introductieprijs als lijstprijs wordt vermeld, betekent dat de economie waarschijnlijk niet slechter zal worden. Ga er met de wetenschap in dat elk prestatiecijfer dat eraan hangt van K​rea zelf is, dat het aantal referenties op twee manieren wordt gedocumenteerd, en dat het geen enkele onafhankelijke score van welke aard dan ook heeft — wat de volledige verklaring is voor de afwezigheid ervan op de leaderboards, aangezien het werd uitgebracht op de dag voordat het onderzoek voor dit artikel werd verzameld.

Kies M​OSS-Image als je samengestelde afbeeldingen volgens een specificatie op een constant volume produceert, als een bounding box in een JSON-prompt beter bij je pipeline past dan een box in iemands UI, of als het bezitten van de checkpoint een vereiste is in plaats van een voorkeur. Apache 2.0 zonder omzetdrempel maakt de juridische toetsing kort, de Base-checkpoint is bewust trainbaar, en het lay-outschema is een echte specificatie. Begin eraan in de wetenschap dat de latentie van jou afhangt, dat de encoder het grootste deel van de download uitmaakt, dat de community-quantisaties bestaan omdat de standaardinstelling van 50 stappen traag is, en dat geen van beide benchmarks van de leverancier door wie dan ook is gereproduceerd.

Het omslagpunt is geen mysterie. Deel je maandelijkse GPU-kosten door je afbeeldingen per maand en vergelijk de uitkomst met zes cent. Als je het aantal afbeeldingen per uur niet met vertrouwen kunt schatten, is die onzekerheid het antwoord: huur Krea een maand, genereer het volume dat je daadwerkelijk verwacht, en laat de factuur je vertellen of het de moeite waard is om het open pad te bouwen. Het is een goedkoper experiment dan een maand lang een kaart huren om erachter te komen.

De gedocumenteerde AI-fouten en incidenten met agents achter releases zoals deze worden verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistingsmarkering bevat.