Qwen-Image 2.1 vs Krea 2: Welk open afbeeldingsmodel je daadwerkelijk kunt uitbrengen

Twee open beeldmodellen, beide in de afgelopen vier maanden te downloaden, die dezelfde vraag op tegengestelde manieren beantwoorden. Qwen-Image 2.1 is het 7B tekst-naar-afbeelding- en beeldbewerkingsmodel van de leverancier, uitgebracht op 20 september 2026 onder een licentie uitsluitend voor onderzoek — alleen niet-commercieel gebruik. Krea 2 is het eerste foundationmodel voor beeld dat Krea vanaf nul heeft getraind, gepubliceerd als twee checkpoints in juni 2026 onder de Krea 2 Community License, die commercieel gebruik zonder meer toestaat onder een omzetdrempel. Op het tekst-naar-afbeelding-board van Artificial Analysis staan de twee vandaag binnen elf Elo-punten van elkaar. Op de vraag die een team daadwerkelijk moet beantwoorden voordat het iets bouwt, liggen ze helemaal niet dicht bij elkaar.

Wat Krea 2 eigenlijk is

Begin hier, want de naamgeving is misleidend en de meeste vergelijkingen pakken het verkeerd aan. Krea het bedrijf runt een gehost creatief platform met een betaald abonnement; Krea 2 het model is iets aparts dat toevallig dezelfde naam deelt. Krea bracht het uit als een open-weights Diffusion Transformer met twee checkpoints, gepubliceerd op Hugging Face als krea/Krea-2-Raw en krea/Krea-2-Turbo, met inference-code in een openbare repository.

De taakverdeling tussen beide is bewust en staat duidelijk vermeld in Krea's eigen repository: RAW is de niet-gedistilleerde basis, bedoeld voor fine-tuning, post-training en LoRA-training; Turbo is een gedistilleerd checkpoint met acht stappen, bedoeld voor snelle inferentie. Krea's advies is om op RAW te trainen en op Turbo te draaien, en het LoRA-ecosysteem is op die manier opgebouwd — adapters die op de basis zijn getraind, worden tijdens inferentie toegepast op het gedistilleerde checkpoint. De twee checkpoints delen een licentie en een familie, maar ze zijn niet uitwisselbaar en ze hebben niet dezelfde instellingen.

Eén detail dat het vermelden waard is, omdat het iedereen die de kaart leest in verwarring zal brengen: de Hugging Face-metadata voor beide checkpoints vermeldt 13 miljard parameters in de zijbalk, terwijl de kaarttekst zegt: "Diffusion Transformer met 12 miljard parameters." Krea heeft de twee cijfers niet publiekelijk op elkaar afgestemd, dus beschouw het aantal parameters als ruwweg twaalf tot dertien miljard en onbevestigd, in plaats van als een vaststaand aantal.

De cijfers, van het bord waarnaar beide leveranciers wijzen.

De repository van Krea stelt dat Krea 2 het topmodel voor tekst-naar-afbeelding van een onafhankelijk lab op Artificial Analysis is; het technische rapport zegt dat het "bij de top 10" en "op de tweede plaats onder modellen van onafhankelijke labs" staat. Dat zijn Krea's eigen beweringen, gedaan in juni. Wat de live ranglijst op 13 oktober 2026 laat zien, is iets beperkter, en de moeite waard om direct te lezen:

• Qwen-Image 2.1 — 1.038 Elo, 95%-interval 1.029 tot 1.047, op basis van 5.554 steekproeven, rang 20 van 168. De prijskolom van de ranglijst vermeldt "Geen API beschikbaar."

• Krea 2 Large — 1.027 Elo, interval 1.020 tot 1.034, op basis van 17.514 samples, rang 25 van 168, voor $60,00 per 1.000 afbeeldingen.

• Krea 2 Medium Turbo — 1.022 Elo, interval 1.014 tot 1.030, uit 6.454 samples, tegen $15,00 per 1.000 afbeeldingen.

• Krea 2 Medium — 1.014 Elo, interval 1.007 tot 1.021, uit 17.284 samples, tegen $30,00 per 1.000 afbeeldingen.

Alle vier die rijen komen van de ranglijst voor tekst-naar-afbeelding. Op de bewerkingsranglijst komt alleen Qwen-Image 2.1 überhaupt voor — 1.072 Elo, interval 1.063 tot 1.081, op basis van 6.132 samples, rang 21 van 81. Er staat geen Krea 2-vermelding op die ranglijst. Alle cijfers hier zijn de Elo op basis van blinde stemmen van Artificial Analysis, overgenomen van de live Engelstalige ranglijst op 13 oktober 2026; ze zijn onafhankelijk van beide leveranciers, en de intervallen zijn breed genoeg dat het verschil tussen Qwen-Image 2.1 en Krea 2 Large niet als een rangschikking moet worden gelezen.

De rijen "Krea 2 Large" en "Krea 2 Medium" zijn ook niet de open checkpoints. Het zijn de gehoste tiers van Krea, daarom hebben ze een prijs per afbeelding en de open repositories niet. Het vergelijken van de downloadbare Krea 2 RAW met een gehoste Krea 2 Large is het vergelijken van een checkpoint met een dienst.

De echte scheidslijn is montage, niet kwaliteit

Kwaliteit ligt dicht genoeg bij elkaar dat de ranglijst het niet beslecht. Het vermogen wel. Qwen-Image 2.1 is één model dat zowel genereert als bewerkt: het accepteert alleen een prompt, of tot tien referentieafbeeldingen met een instructie, en het ondersteunt lokale bewerkingen via getekende cirkels, geschilderde annotaties of een apart masker, met RGBA-transparantie bij invoer en uitvoer. De open release van Krea 2 is een tekst-naar-afbeelding-familie. De modelkaart documenteert prompt-naar-afbeelding-generatie; er is geen bewerkingscheckpoint in de organisatie en geen modus voor bewerken met masker in het inferentiescript, waarvan de flags prompt, stappen, guidance, resolutie, seed en aantal afbeeldingen omvatten — niets dat een invoerafbeelding accepteert.

Die asymmetrie komt voort uit het vrijgegeven materiaal, niet uit wat een van beide labs kan. Krea's eigen platform verkoopt editing, puttend uit een reeks externe editingmodellen. De relevante vaststelling voor een lezer die gewichten downloadt, is beperkter: als je workflow vraagt om "neem deze foto en verander er één ding aan", dan doet de open Krea 2 die je kunt downloaden dat niet, en de hele architectuur van Qwen-Image 2.1 is eromheen gebouwd om dat wel te doen.

Twee licenties, twee verschillende muren

Dit is waar de vergelijking niet langer dicht bij elkaar ligt, en het is het deel dat de meeste samenvattingen platslaan tot "beide zijn open". Geen van beide is open source in de permissieve zin, en ze zijn bepaald niet onder dezelfde voorwaarden open.

• Qwen-Image 2.1 — de Qwen Research-licentieovereenkomst, gedateerd 20 september 2026. De verlening is niet-exclusief, wereldwijd, royaltyvrij en beperkt tot niet-commerciële doeleinden, waarbij "Non-Commercial" wordt gedefinieerd als uitsluitend onderzoek of evaluatie. Al het andere vereist een afzonderlijke commerciële licentie die per e-mail moet worden aangevraagd. Aan herdistributie zijn voorwaarden verbonden: geef de overeenkomst door, markeer gewijzigde bestanden, behoud de attributievermelding met de naam Hangzhou Tongyi Laboratory Technology Co., Ltd, toon "Built with Qwen" als u outputs gebruikt om een ander model te trainen dat u distribueert, en gebruik "Qwen" niet als de primaire naam van een afgeleide. Het toepasselijke recht is Chinees, met rechtsmacht in Hangzhou.

• Krea 2 — de Krea 2 Community-licentie. Commercieel gebruik is toegestaan, met een inkomstenvoorwaarde: u en uw gelieerde ondernemingen moeten onder één miljoen Amerikaanse dollar aan totale bedrijfsbrede jaaromzet blijven, gemeten over een voortschrijdende periode van twaalf maanden, uit alle bronnen. Boven die grens is een enterprise-licentie van Krea vereist voordat enig verder commercieel gebruik plaatsvindt. Bij redistributie moet u de overeenkomst doorgeven, de modelnaam laten voorafgaan door — "Krea 2 [Uw Modelnaam]" — en de attributievermelding behouden. Krea verklaart geen aanspraak te maken op eigendom van outputs, en u bent eigenaar van uw afgeleide werken, onder voorbehoud van Krea's onderliggende rechten. Het recht van Delaware is van toepassing. Toegang is afgeschermd achter een overeenkomst en een beleid voor acceptabel gebruik, en beide controlepunten dragen de licentietag krea-2-community-license op Hugging Face.

Naast elkaar gelezen zijn de vormen verschillend, in plaats van dat de ene strenger is. Qwen-Image 2.1 is een harde nee voor commercieel gebruik, met een ontsnappingsluik waarover je moet onderhandelen. Krea 2 is een ja met een plafond, en dat plafond is een concreet, controleerbaar dollarbedrag in plaats van een inschatting. Voor een kleine studio of een zelfstandige ontwikkelaar is dat verschil de hele beslissing en is de Elo-kloof ruis. Voor iedereen boven de drempel belanden beide modellen op hetzelfde punt: een e-mail naar de leverancier voordat je uitbrengt.

Wat het je kost om elk ervan te draaien

Geen van beide getallen wordt door de leverancier gepubliceerd, dus het eerlijke antwoord is dat de vergelijking moet worden opgebouwd uit instellingen in plaats van uit een opgave.

• Sampling — Krea 2 RAW draait op 52 stappen met een guidance-schaal van 3,5, Krea 2 Turbo op 8 stappen met guidance uitgeschakeld; Qwen-Image 2.1 gebruikt standaard 40 stappen.

• Resolutie — Krea documenteert zijn basis-checkpoint tot 1K en zijn Turbo-checkpoint van ruwweg 1K tot 2K; Qwen-Image 2.1 gebruikt standaard 2048×2048 met zeven gepubliceerde presets in hetzelfde bereik.

• Wat u downloadt — de Qwen-Image 2.1 Diffusers-repository is 33,1 GB groot, waarvan het grootste deel de Qwen3-VL 8B-tekstencoder is. Krea heeft geen overeenkomstige grootte voor zijn checkpoints gepubliceerd.

• Waarmee het draait — Qwen-Image 2.1 werd geleverd met gedocumenteerde ondersteuning in Diffusers, ComfyUI, vLLM-Omni, SGLang en LightX2V, plus AMD- en FlagOS-paden. Krea 2 documenteert ComfyUI en SGLang in zijn repository, met een inferencescript en een handvol trainings-toolkits voor LoRA-werk.

Krea publiceerde voor de afgelopen maand downloadaantallen van 84.354 voor Krea-2-Raw en 87.771 voor Krea-2-Turbo, zoals gelezen op 13 oktober 2026 — cijfers van het hostingplatform, niet van Krea, en geen kwaliteitssignaal.

De enige onafhankelijke test die bestaat, en wat die niet bewijst

Er is een side-by-side die het waard is om te kennen, en de beperkingen ervan moeten worden benoemd. Een Japanstalig artikel dat op 21 september 2026 werd gepubliceerd, liet 28 prompts door beide modellen lopen met identieke prompts en seeds op een RTX 5090 met 32 GB, in ComfyUI v0.37.0, wat 76 vergelijkingsafbeeldingen opleverde. De telling: Krea 2 won 10, Qwen-Image 2.1 won 7, 9 eindigden gelijk en 2 faalden voor beide. De samenvatting van de auteur van het patroon was dat Qwen-Image 2.1 platte symbolische inhoud goed aankan, terwijl Krea 2 de structuur en fysica van driedimensionale objecten beter aankan, en hij merkte op dat het resultaat van Krea 2 met 8 stappen tot stand kwam tegenover 25 voor Qwen-Image 2.1.

Dat is één operator, één seed per prompt, één visuele beoordelaar, en één maand vóór dit artikel. Het is geen benchmark en het is geen ranglijst. Waar het wel goed voor is, is het kalibreren van verwachtingen: de twee modellen liggen dicht genoeg bij elkaar dat iemand die echte prompts uitvoert, aan beide kanten overwinningen zal zien, wat overeenkomt met het Elo-verschil van elf punten op het live scorebord.

Waar OrcaRouter past, en waar niet

Geen van deze modellen staat op OrcaRouter, en het is de moeite waard om dat vóór alles te zeggen: we hebben onze eigen live modellenlijst op 13 oktober 2026 gecontroleerd en er staat geen Qwen-Image-model en geen Krea-model op. Beide vergelijkingen hierboven gaan over gewichten die je zelf draait of gehoste endpoints die je rechtstreeks bij elke leverancier afneemt. Als een van beide via ons wordt gerouteerd, komt de routing na de licentiebeslissing, niet in plaats daarvan.

De reden dat dat onderscheid hier van belang is, is de vorm van het probleem. Qwen-Image 2.1 en Krea 2 zijn niet de laatste beeldmodellen die een van beide labs zal uitbrengen, en de licentievoorwaarden van deze generatie zijn geen leidraad voor de volgende — Krea is al overgestapt van een abonnementsproduct naar een open release met een communitylicentie, en het bedrijf ging van Apache-2.0 op zijn eerdere Qwen-Image-checkpoints naar een licentie voor alleen onderzoek op deze. Een team dat zijn beeldpipeline standaardiseert op de SDK van één leverancier, moet die pipeline telkens opnieuw onderhandelen wanneer de licentie verandert. OrcaRouter plaatst 200+ modellen achter één OpenAI-compatibel endpoint tegen de lijstprijs van de provider, zonder enige markup, met automatische failover tussen providers en een routing-DSL om meerdere modellen in één aanroep te combineren. De relevante eigenschap is niet dat wij deze twee hosten — dat doen we niet — maar dat waar een model via ons wordt geserveerd, het verwisselen van het model achter een aanroep een configuratiewijziging is in plaats van een integratieproject, wat precies is wat een wijziging van een open-weights-licentie doorgaans afdwingt.

Welke moet je kiezen?

De regel, veeleer dan een verdict. Als je bestaande afbeeldingen moet bewerken — een foto of een productfoto invoeren en een deel ervan wijzigen, met maskers werken, transparante assets produceren — dan is Qwen-Image 2.1 het model met die capaciteit, en de open release van Krea 2 speelt daarbij geen rol. Als je commerciële output nodig hebt en je bent een klein team onder de omzetgrens, dan is Krea 2 precies daarvoor gelicentieerd en is Qwen-Image 2.1 daarvoor helemaal niet gelicentieerd. Als je aan fine-tuning doet, is de RAW-checkpoint van Krea 2 expliciet gebouwd om op te trainen en gaat het LoRA-ecosysteem ervan uit dat je dat doet; Qwen-Image 2.1 is fine-tunebaar onder een grant die alleen voor onderzoek geldt en die beperkt wat je met het resultaat kunt doen. Als je boven de omzetdrempel zit en een van beide in productie wilt, schrijf je hoe dan ook naar een leverancier — Krea op opensource@krea.ai, de leverancier op het adres in de licentieovereenkomst — en de keuze komt neer op welke conversatie je liever voert.

Het feit dat de doorslag geeft, is meestal: de licentie, niet de ranglijst. De twee modellen liggen elf Elo-punten uit elkaar op een ranglijst met intervallen die breder zijn dan dat, en als gehoste diensten schelen ze ongeveer honderd dollar per maand, en het enige van die verschillen waar een lezer niet omheen kan, is het verschil dat in het licentiebestand staat.