MOSS-Image vs Krea 3: jeden pobiera opłatę za obraz, drugi za godzinę

Dwa modele w tym porównaniu są wycenione w różnych walutach i dlatego to oczywiste porównanie — sześć centów kontra zero — jest tym błędnym. K​rea 3, udostępniony 15 października 2026, to hostowany model do edycji z opublikowanym cennikiem: 0,06 USD za obraz w natywnej rozdzielczości 2K, poniżej ośmiu sekund od początku do końca według pomiaru samego dostawcy. M​OSS-Image, udostępniony przez OpenMOSS 16 października 2026 jako checkpointy na licencji Apache 2.0 M​OSS-Image-Base i M​OSS-Image-SFT, nie ma żadnego cennika. Wynajmujesz GPU i płacisz za godzinę — niezależnie od tego, czy wygenerujesz w niej jeden obraz, czy czterysta.

Więc prawdziwe pytanie nie brzmi, która opcja jest tańsza. Brzmi: jak wygląda Twoje obciążenie w skali miesiąca, ponieważ stała stawka za obraz i stawka godzinowa przecinają się przy wolumenie, który zależy wyłącznie od Twojego wykorzystania. Poniżej tego punktu przecięcia K​rea wypada lepiej pod względem kosztów i ogromnie lepiej pod względem opóźnienia. Powyżej niego koszt krańcowy za obraz w M​OSS-Image zbliża się do kosztu energii elektrycznej. Prawie nikt nie wykonuje tych obliczeń, a to cała decyzja.

Obydwoje chcą pudełko i chcą je w różnych jednostkach.

Zacznij od części, która w ogóle czyni je porównywalnymi, bo łatwo ją przeoczyć. Żadne z nich nie jest generatorem typu „podaj prompt i módl się”. Narzędzia edycyjne K​rea 3 obejmują ramki ograniczające do umieszczania nowych elementów oraz edycje wieloturowe, które zachowują kontekst między turami. Format układu M​OSS-Image przyjmuje jako prompt obiekt JSON — summary jako blok plus items jako tablicę, w której każdy element ma etykietę typu text, character lub object, podpis, ramkę ograniczającą, a w przypadku elementów tekstowych dosłowny ciąg do wyrenderowania.

• Skąd pochodzi pole — M​OSS-Image: pole JSON przy każdym elemencie w prompcie układu, używające bbox_format: "yxyx" w bbox_coord_space: "abs_centralized", tj. bezwzględne piksele mierzone od środka kanwy. K​rea 3: kontrolka ramki ograniczającej w interfejsie edycji do umieszczania nowych elementów.

• Rozdzielczość wyjściowa — MOSS-Image: trenowany na rozdzielczościach 256px, 512px i około 1024², z budżetem tokenów rosnącym 576 → 3 072 → 8 192. Krea 3: natywne 2K, z przykładami podanymi w rozdzielczości 2736 × 1536 px, a 1K za połowę ceny.

• Obrazy referencyjne — M​OSS-Image: elementy są opisywane strukturalnie w prompcie układu, a nie dostarczane jako obrazy referencyjne. K​rea 3: do sześciu na edycję w poście premierowym, osiem na stronie produktu — materiał własny dostawcy podaje dwie liczby i żadna z nich nie została wycofana.

• Co tworzysz — M​OSS-Image: kompozycja na podstawie specyfikacji, w dużej mierze od zera. K​rea 3: edycja obrazu, który już masz, przy czym obszar poza edycją pozostaje nietknięty.

Ta ostatnia linia jest tą, która decyduje o większości rzeczywistych obciążeń. Jeśli Twoim zadaniem jest „wziąć to zdjęcie produktu i zmienić tło”, M​OSS-Image jest niewłaściwym narzędziem — nie jest edytorem in-place, a jego dostawca określa zachowanie edycyjne jako eksperymentalne. Jeśli Twoim zadaniem jest „wyprodukować czterysta unikalnych plakatów z określonym tekstem w określonych miejscach”, K​rea 3 jest niewłaściwym narzędziem, a jego własne materiały są ubogie, jeśli chodzi o długi tekst — jego przykłady z premiery są w języku angielskim, a udokumentowane mocne strony to zmiany scen produktowych, usuwanie obiektów i czyszczenie zdjęć.

Szybkość, gdzie tylko jedna strona cokolwiek opublikowała

Liczba z nagłówka K​rea 3 to poniżej ośmiu sekund na edycję, od początku do końca, przy 2K. To dana dostawcy, a dostawca jest nietypowo otwarty co do tego, skąd pochodzi: te czasy to mediana czasu od żądania do wyniku dla partii dwunastu obrazów każdego modelu, z uwzględnieniem czasu w kolejce, mierzone na własnej platformie K​rea między 24 września a 1 października 2026 r. Metodologia wydrukowana przy benchmarku jest warta więcej niż goła liczba, a ten ją ma. To wciąż K​rea mierzy K​rea.

MOSS-Image nie ma żadnych opublikowanych danych dotyczących opóźnień, a warto zrozumieć, dlaczego, zanim uzna się to za przeoczenie. Domyślne ustawienia próbkowania to flow-matching Euler z 50 krokami, CFG 3,0, shift 5,0 oraz guidance z pominięciem warstw w gałęzi negatywnej na warstwie 22. Domyślna ścieżka guidance wymaga dwóch przejść przez transformer na krok. Opóźnienie dla MOSS-Image nie jest więc właściwością modelu tak, jak ma to miejsce w przypadku hostowanego endpointu — jest właściwością GPU, który się pod nim znajduje, liczby kroków, którą się wybierze, oraz tego, czy zrezygnuje się z guidance albo uruchomi destylację. Społeczność wydała kwantyzacje INT8 i INT4, 4-krokowy LoRA DMD oraz 8-krokowy wariant destylowany w ciągu mniej więcej jednego dnia od premiery, co pokazuje, że ludzie uznali domyślne 50 kroków za zbyt wolne do pracy interaktywnej i sami to naprawili.

Uczciwe porównanie szybkości wygląda tak: Krea 3 podaje liczbę, która zależy od Krea, a MOSS-Image nie podaje żadnej liczby, bo zależy ona od ciebie. Domyślne 50 kroków przy dwóch przejściach w przód na krok nie jest szybkie. Ośmiokrokowy destylowany build na wynajętej karcie może być. Żadnego z tych stwierdzeń nie da się sprawdzić na stronie żadnego dostawcy, a drugie możesz sprawdzić sam w jedno popołudnie.

Arytmetyka korekty, w której to sześć centów przestaje mieć znaczenie

Oto kalkulacja, która zmienia decyzję, i zaczyna się od własnego ujęcia K​rei.

Przy cenie 0,06 USD za edycję wykonanie pięciu przebiegów i wybranie najlepszego kosztuje trzydzieści centów i obywa się bez spotkania. To niejawne przesłanie Krei — i dobre przesłanie, bo alternatywą dla taniej ponownej próby jest godzina pracy projektanta. Sto tysięcy edycji miesięcznie w 2K to 6000 USD — a Krea wyraźnie mówi, że cena premierowa to cena katalogowa i że spodziewa się raczej spadku niż wzrostu ceny, co czyni 6000 USD górną granicą, a nie dolną.

Strona MOSS-Image w tej samej arytmetyce to nie stawka, lecz problem wykorzystania. Licencja to Apache 2.0 bez progu przychodowego, a dla odniesienia w sąsiedztwie tego porównania znajduje się model o otwartych wagach innego dostawcy w cenie 0,008 USD za obraz — ale otwarta ścieżka nie działa w ten sposób. Do pobrania jest około 27,2 GB, z czego mniej więcej 16,8 GB w czterech shardach to zamrożony enkoder tekstu Qwen3.5-9B, a około 10,2 GB w trzech to transformer. Oznaczenie 5B opisuje wyłącznie generator dyfuzyjny, a enkoder stanowi większą połowę zajętości dysku.

Czy to przebije sześć centów, zależy od trzech liczb, które już znasz: stawki za godzinę GPU, liczby obrazów na godzinę przy liczbie kroków, na którą się zdecydujesz, oraz tego, jaką część miesiąca karta jest faktycznie zajęta. Zespół prowadzący stałą linię produkcyjną uzyska niski efektywny koszt pojedynczego obrazu i powinien hostować. Zespół, który potrzebuje czterdziestu obrazów we wtorek po południu, nie powinien w tym celu wynajmować GPU i nie powinien udawać, że cena licencji to cena obrazu.

Teza o precyzyjnym dostrojeniu, którą głoszą obie strony, a żadna jej nie dowiodła.

To jest ta sekcja, którą porównanie specyfikacji zwykle pomija, a zarazem najciekawsza rzecz, którą te dwa modele mają wspólną.

Twierdzenie Krei jest takie, że Krea 3 to pierwszy model edycyjny, który można dostroić do konkretnego produktu, osoby lub stylu, dzięki czemu packshot marki lub powracająca postać pozostają takie same przez całą kampanię. Mechanizm jest weryfikowalny — dokumentacja API zawiera endpoint „Train a custom style (LoRA)” — a to, czy „pierwszy” się broni, jest twierdzeniem o dziedzinie, a nie pomiarem. To twierdzenie Krei. Ale mechanizm istnieje, jest udokumentowany i jest to jedyna opublikowana ścieżka po stronie Krei do utrwalenia obiektu.

Odpowiednik OpenMOSS ma charakter strukturalny, a nie komercyjny. Base to wstępnie wytrenowany checkpoint, celowo pozostawiony niewydestylowany — karta modelu wyraźnie stwierdza, że nie zastosowano żadnego dostrajania po treningu ani destylacji parametrów wnioskowania, takich jak CFG, aby zachować informacje z treningu i utrzymać możliwość trenowania LoRA. To dostawca, który decyduje się dostarczyć gorszy domyślny model w zamian za lepsze podłoże do trenowania, i jest to najwyraźniejszy sygnał w całym wydaniu dotyczący tego, dla kogo przeznaczony jest checkpoint Base.

Oba twierdzenia wskazują na tego samego nabywcę: kogoś, kto ma powracający motyw, który nie może dryfować. Żaden z dostawców nie opublikował pomiaru dryfu, a społecznościowe buildy wokół MOSS-Image — pakiet ComfyUI, kwantyzacje, destylowane LoRAs — pojawiły się w ciągu około jednego dnia, co świadczy o tym, że ścieżka treningowa jest realna, mimo że dostawca nie opublikował żadnego wyniku treningu.

• Gdzie mieszka LoRA — K​rea 3: hostowany endpoint na platformie K​rea, trenowany względem modelu K​rea na infrastrukturze K​rea. M​OSS-Image: własne wagi, własny przebieg trenowania, własny GPU, z checkpointem, który dostawca celowo pozostawił w stanie umożliwiającym trenowanie.

• Co cię to kosztuje — K​rea 3: rozmowa o treningu to rozmowa o licencji. M​OSS-Image: rozmowa o treningu to twój rachunek za prąd i czyjś tydzień.

• Co dostajesz w zamian — K​rea 3: styl, który możesz wywołać, na cudzym uptime. M​OSS-Image: checkpoint, który posiadasz, i który nadal działa, nawet jeśli dostawca się wycofa.

Dostęp i miejsce routera w potoku dwóch narzędzi

K​rea 3 jest zamknięty. K​rea udostępniła już wcześniej otwarte wagi — K​rea 2 RAW i Turbo są na Hubie — ale K​rea 3 nie znajduje się wśród nich, a FAQ firmy K​rea umieszcza self-hosting w planach enterprise, na własnych GPU, z warunkami licencji i doborem sprzętu do omówienia. Więc to kwestia wyboru. M​OSS-Image to plik do pobrania, a samo pobranie to cały produkt.

Żaden z nich nie znajduje się w katalogu OrcaRouter — obsługujemy ponad 200 modeli i żaden z tych dwóch do nich nie należy — więc w obu przypadkach trzeba sięgnąć do źródła: w przypadku Krea 3 — własnego API Krea i kilku platform zewnętrznych; w przypadku MOSS-Image — repozytoriów i własnego sprzętu.

To, do czego router jest przydatny w takim potoku, to część, która nie jest ani jednym, ani drugim modelem. Umieszczenie elementu w ramce to zwykle jeden krok zadania, które wymaga też hostowanego generatora obrazu bazowego, osobnego modelu do skalowania w górę oraz przebiegu opisywania lub oceniania — i tu właśnie jeden punkt końcowy obsługujący kilkaset modeli z automatycznym przełączaniem awaryjnym oraz ceny katalogowe dostawców przekazywane bez marży (0%) eliminują pracę integracyjną, a nie pracę z modelem. DSL routingu ma znaczenie z tego samego powodu: jeśli krok obrazu bazowego i krok edycji to dwa różne modele, przypięcie każdego z nich na żądanie w jednej konfiguracji wygrywa z utrzymywaniem dwóch SDK dostawców. To jest hydraulika, a architektura samego M​OSS-Image przypomina, ile warta jest hydraulika względem modelu — najsilniejszy wynik kompleksowego układu dostawcy powstał w potoku, którego połowa odpowiedzialna za specyfikację promptu działa w całości na modelu strony trzeciej.

Który z nich i crossover, który to rozstrzyga

Wybierz Krea 3, jeśli produktem końcowym jest edycja istniejącego obrazu, jeśli Twój zespół mierzy własne opóźnienie w minutach i jeśli wolumen jest tak nierówny, że wynajęty GPU stałby bezczynnie przez większość miesiąca. Sześć centów przy pełnym cyklu poniżej ośmiu sekund, udokumentowana historia precyzji i endpoint LoRA we własnej infrastrukturze dostawcy to spójny produkt do tego zadania, a fakt, że cena premierowa jest podana jako cena katalogowa, oznacza, że ekonomika raczej nie ulegnie pogorszeniu. Wchodź w to, wiedząc, że każdy wskaźnik wydajności do niego dołączony pochodzi od samej Krea, że liczba referencji jest udokumentowana na dwa sposoby i że nie ma żadnego niezależnego wyniku jakiegokolwiek rodzaju — co całkowicie wyjaśnia jego nieobecność w rankingach, ponieważ został wydany dzień przed zebraniem materiałów badawczych do tego artykułu.

Wybierz MOSS-Image, jeśli tworzysz obrazy komponowane na podstawie specyfikacji przy stałym wolumenie, jeśli ramka ograniczająca w prompcie JSON lepiej pasuje do twojego potoku niż pole w czyimś UI, albo jeśli posiadanie checkpointu jest wymogiem, a nie preferencją. Apache 2.0 bez progu przychodowego skraca przegląd prawny, checkpoint Base jest celowo trenowalny, a schemat układu to prawdziwa specyfikacja. Wchodź w to ze świadomością, że opóźnienie zależy od ciebie, że enkoder to większość rozmiaru pobierania, że kwantyzacje społecznościowe istnieją, ponieważ domyślne 50 kroków jest wolne, i że żaden z dwóch benchmarków dostawcy nie został przez nikogo odtworzony.

Punkt zwrotny nie jest tajemnicą. Podziel miesięczny koszt GPU przez liczbę obrazów miesięcznie i porównaj wynik z sześcioma centami. Jeśli nie potrafisz z przekonaniem oszacować liczby obrazów na godzinę, właśnie ta niepewność jest odpowiedzią: wynajmij Krea na miesiąc, wygeneruj ilość, której faktycznie się spodziewasz, i pozwól, by faktura powiedziała ci, czy otwarta ścieżka jest warta zbudowania. To tańszy eksperyment niż wynajęcie karty na miesiąc, by się o tym przekonać.

Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporności.