Qwen-Image 2.1 vs Krea 2: Vilken öppen bildmodell du faktiskt kan släppa

Två öppna bildmodeller, båda nedladdningsbara under de senaste fyra månaderna, svarar på samma fråga på motsatta sätt. Qwen-Image 2.1 är leverantörens 7B-modell för text-till-bild och bildredigering, släppt den 20 september 2026 under en licens enbart för forskning – endast för icke-kommersiellt bruk. Krea 2 är den första grundmodellen för bilder som Krea har tränat från grunden, publicerad som två checkpoints i juni 2026 under Krea 2 Community License, som tillåter kommersiell användning rakt av under en intäktsgräns. På Artificial Analysis resultattavla för text-till-bild ligger de två idag inom elva Elo-poäng från varandra. I frågan som ett team faktiskt måste besvara innan det bygger något är de inte alls nära varandra.

Vad Krea 2 egentligen är

Börja här, eftersom namngivningen är missvisande och de flesta jämförelser får det om bakfoten. Krea som företag driver en hostad kreativ plattform med en betald prenumeration; Krea 2 som modell är en separat sak som råkar dela namnet. Krea släppte den som en Diffusion Transformer med öppna vikter och två checkpoints, publicerad på Hugging Face som krea/Krea-2-Raw och krea/Krea-2-Turbo, med inferenskod i ett publikt arkiv.

Arbetsdelningen mellan dem är avsiktlig och står klart och tydligt i Kreas eget repo: RAW är den odestillerade basen, avsedd för finjustering, efterträning och LoRA-träning; Turbo är en destillerad åttastegs-checkpoint avsedd för snabb inferens. Kreas vägledning är att träna på RAW och köra på Turbo, och dess LoRA-ekosystem är byggt på det sättet — adaptrar som tränats mot basen tillämpas på den destillerade checkpointen vid inferenstid. De två checkpointarna delar licens och familj, men de är inte utbytbara och de har inte samma inställningar.

En detalj som är värd att flagga, eftersom den kommer att förvirra alla som läser kortet: Hugging Face-metadatan för båda checkpointarna listar 13B parametrar i sidofältet medan korttexten säger "Diffusion Transformer med 12 miljarder parametrar." Krea har inte offentligt stämt av de två siffrorna, så betrakta antalet parametrar som ungefär tolv till tretton miljarder och obekräftat snarare än som ett fastställt antal.

Siffrorna, från tavlan som båda leverantörerna pekar på

Kreas repository anger att Krea 2 är den främsta text-till-bild-modellen från ett oberoende labb på Artificial Analysis; den tekniska rapporten säger att den är "bland de tio bästa" och "på andra plats bland modeller från oberoende labb." Det är Kreas egna påståenden, gjorda i juni. Vad live-tavlan visar den 13 oktober 2026 är något snävare, och värt att läsa direkt:

• Qwen-Image 2.1 — 1 038 Elo, 95 % intervall 1 029 till 1 047, från 5 554 stickprov, plats 20 av 168. Resultattavlans priskolumn anger "Inget API tillgängligt."

• Krea 2 Large — 1 027 Elo, intervall 1 020 till 1 034, från 17 514 prover, rang 25 av 168, till $60.00 per 1 000 bilder.

• Krea 2 Medium Turbo — 1 022 Elo, intervall 1 014 till 1 030, från 6 454 prover, till $15,00 per 1 000 bilder.

• Krea 2 Medium — 1 014 Elo, intervall 1 007 till 1 021, från 17 284 prover, till $30,00 per 1 000 bilder.

Alla fyra av de där raderna kommer från text-till-bild-tavlan. På redigeringstavlan förekommer överhuvudtaget endast Qwen-Image 2.1 — 1 072 Elo, intervall 1 063 till 1 081, från 6 132 prover, placering 21 av 81. Det finns ingen post för Krea 2 på den tavlan. Alla siffror här är blindröstnings-Elo från Artificial Analysis, hämtade från den engelskspråkiga live-topplistan den 13 oktober 2026; de är oberoende av båda leverantörerna, och intervallen är tillräckligt breda för att gapet mellan Qwen-Image 2.1 och Krea 2 Large inte bör läsas som en rangordning.

Raderna "Krea 2 Large" och "Krea 2 Medium" är inte heller de öppna checkpoints. De är Kreas hostade nivåer, vilket är anledningen till att de har ett pris per bild och de öppna repon inte har det. Att jämföra den nedladdningsbara Krea 2 RAW med en hostad Krea 2 Large är att jämföra en checkpoint med en tjänst.

Den verkliga skiljelinjen är redigering, inte kvalitet.

Kvaliteten är tillräckligt jämn för att resultattavlan inte ska avgöra saken. Kapaciteten gör det. Qwen-Image 2.1 är en modell som både genererar och redigerar: den tar emot enbart en prompt, eller upp till tio referensbilder med en instruktion, och den stöder lokala redigeringar via ritade cirklar, målade markeringar eller en separat mask, med RGBA-transparens in och ut. Krea 2:s öppna utgåva är en text-till-bild-familj. Dess modellkort dokumenterar prompt-till-bild-generering; det finns ingen redigeringscheckpoint i organisationen och inget maskerat redigeringsläge i inferensskriptet, vars flaggor omfattar prompt, steg, guidance, upplösning, seed och antal bilder – inget som tar emot en indatabild.

Den asymmetrin kommer från det släppta materialet, inte från vad något av labben kan göra. Kreas egen plattform säljer redigering och drar nytta av en uppsättning redigeringsmodeller från tredje part. Det relevanta faktumet för en läsare som laddar ner vikter är snävare: om ditt arbetsflöde kräver "ta det här fotografiet och ändra en sak i det", klarar den öppna Krea 2 som du kan ladda ner inte av det, och Qwen-Image 2.1:s hela arkitektur är byggd runt att göra det.

Två licenser, två olika väggar

Det är här jämförelsen upphör att vara nära, och det är den del som de flesta sammanfattningar kokar ner till "båda är öppna." Ingen av dem är öppen källkod i den tillåtande bemärkelsen och de är inte alls öppna under samma villkor.

• Qwen-Image 2.1 — Qwen Research License Agreement, daterat den 20 september 2026. Beviljandet är icke-exklusivt, globalt, royaltyfritt och begränsat till icke-kommersiella syften, där "Non-Commercial" definieras som enbart forskning eller utvärdering. Allt annat kräver en separat kommersiell licens som begärs via e-post. Vidaredistribution medför villkor: låt avtalet medfölja, markera ändrade filer, behåll attributionsmeddelandet som namnger Hangzhou Tongyi Laboratory Technology Co., Ltd, visa "Built with Qwen" om du använder utdata för att träna en annan modell som du distribuerar, och använd inte "Qwen" som ett derivats primära namn. Tillämplig lag är kinesisk, med domstolsbehörighet i Hangzhou.

• Krea 2 — Krea 2 Community-licensen. Kommersiell användning är tillåten, med ett intäktsvillkor: du och dina närstående bolag måste ligga under en miljon amerikanska dollar i totala årliga intäkter för hela företagsgruppen, beräknat på rullande tolv månader över alla källor. Över den gränsen krävs en företagslicens från Krea innan ytterligare kommersiell användning får ske. Vidare distribution kräver att du för vidare avtalet, att du sätter prefixet "Krea 2 [Ditt modellnamn]" före modellnamnet och att du behåller attributionsmeddelandet. Krea uppger att man inte gör anspråk på äganderätt till utdata, och du äger dina derivat med förbehåll för Kreas underliggande rättigheter. Lagstiftningen i Delaware gäller. Åtkomst är villkorad av ett avtal och en policy för godtagbar användning, och båda kontrollpunkterna bär licenstaggen krea-2-community-license på Hugging Face.

Läser man dem sida vid sida är utformningarna olika snarare än att den ena är strängare. Qwen-Image 2.1 är ett definitivt nej till kommersiell användning, med en nödutgång som du måste förhandla dig till. Krea 2 är ett ja med ett tak, och taket är en specifik, kontrollerbar dollarsiffra snarare än en bedömningsfråga. För en liten studio eller en oberoende utvecklare är den skillnaden hela avgörandet, och Elo-gapet är bara brus. För alla över tröskelvärdet hamnar båda modellerna på samma plats: ett e-postmeddelande till leverantören innan du lanserar.

Vad var och en kostar dig att köra

Ingen av siffrorna publiceras av leverantören, så det ärliga svaret är att jämförelsen måste byggas utifrån inställningar snarare än utifrån en offert.

• Sampling — Krea 2 RAW körs med 52 steg och en guidance-skala på 3,5, Krea 2 Turbo med 8 steg med guidance inaktiverat; Qwen-Image 2.1 använder 40 steg som standard.

• Upplösning — Krea dokumenterar sin bascheckpoint upp till 1K och sin Turbo-checkpoint i intervallet ungefär 1K till 2K; Qwen-Image 2.1 har 2048×2048 som standard med sju publicerade förinställningar i samma intervall.

• Det du laddar ner — Qwen-Image 2.1 Diffusers-repositoriet uppgår till 33,1 GB, varav större delen är Qwen3-VL 8B-textkodaren. Krea har inte publicerat någon motsvarande storlek för sina checkpoints.

• Vad som kör det — Qwen-Image 2.1 levererades med dokumenterat stöd i Diffusers, ComfyUI, vLLM-Omni, SGLang och LightX2V, plus AMD- och FlagOS-vägar. Krea 2 dokumenterar ComfyUI och SGLang i sitt repository, med ett inferensskript och en handfull träningsverktygslådor för LoRA-arbete.

Krea publicerade nedladdningssiffror på 84 354 för Krea-2-Raw och 87 771 för Krea-2-Turbo under den senaste månaden, avlästa den 13 oktober 2026 – siffror från hostingplattformen, inte från Krea, och inte en kvalitetssignal.

Det enda oberoende testet som finns, och vad det inte bevisar

Det finns en sida-vid-sida-jämförelse som är värd att känna till, och dess begränsningar behöver klargöras. En japanskspråkig artikel publicerad den 21 september 2026 körde 28 prompter genom båda modellerna med identiska prompter och seeds på ett RTX 5090 med 32 GB, i ComfyUI v0.37.0, och producerade 76 jämförelsebilder. Dess sammanställning: Krea 2 vann 10, Qwen-Image 2.1 vann 7, 9 blev oavgjorda och 2 misslyckades för båda. Författarens sammanfattning av mönstret var att Qwen-Image 2.1 hanterar platt symboliskt innehåll bra medan Krea 2 hanterar strukturen och fysiken hos tredimensionella objekt bättre, och noterade att Krea 2:s resultat uppnåddes vid 8 steg jämfört med Qwen-Image 2.1:s 25.

Det är en operatör, en seed per prompt, en visuell domare och en månad före den här artikeln. Det är varken ett benchmark eller en rangordning. Vad det är bra för är att kalibrera förväntningar: de två modellerna ligger tillräckligt nära varandra för att en person som kör riktiga prompter ska se vinster på båda sidor, vilket stämmer överens med elvapunktsgapet i Elo på live-tavlan.

Var OrcaRouter passar in, och var det inte gör det

Ingen av dessa modeller finns på OrcaRouter, och det är värt att säga det innan något annat: vi kontrollerade vår egen aktuella modellista den 13 oktober 2026 och varken någon Qwen-Image-modell eller någon Krea-modell finns med där. Båda jämförelserna ovan handlar om vikter som du kör själv eller hostade slutpunkter som du köper direkt från respektive leverantör. Om någon av dem routas via oss kommer routningen efter licensbeslutet, inte i stället för det.

Anledningen till att den distinktionen spelar roll här är hur problemet ser ut. Qwen-Image 2.1 och Krea 2 är inte de sista bildmodellerna som något av labben släpper, och licensvillkoren för den här generationen är ingen vägledning för nästa — Krea har redan gått från en prenumerationsprodukt till en community-licensierad öppen release, och företaget gick från Apache-2.0 på sina tidigare Qwen-Image-checkpoints till en forskningslicens på den här. Ett team som standardiserar sin bildpipeline på en leverantörs SDK får förhandla om den pipelinen varje gång licensen ändras. OrcaRouter tillhandahåller 200+ modeller bakom en OpenAI-kompatibel endpoint till leverantörens listpris utan påslag, med automatisk failover mellan leverantörer och en routing-DSL för att komponera flera modeller till ett anrop. Den relevanta egenskapen är inte att vi hostar dessa två — det gör vi inte — utan att när en modell serveras via oss är att byta ut modellen bakom ett anrop en konfigurationsändring snarare än ett integrationsprojekt, vilket är precis vad en ändring av licensen för öppna vikter brukar tvinga fram.

Vilken ska man välja?

Regeln, snarare än en dom. Om du behöver redigera befintliga bilder – mata in ett fotografi eller en produktbild och ändra en del av den, arbeta med masker, skapa transparenta resurser – är Qwen-Image 2.1 modellen med förmågan, och Krea 2:s öppna utgåva är inte med i samtalet. Om du behöver kommersiell output och är ett litet team under intäktsgränsen är Krea 2 licensierat för exakt det, och Qwen-Image 2.1 är inte licensierat för det alls. Om du finjusterar är Krea 2:s RAW-checkpoint uttryckligen byggd för att tränas på, och dess LoRA-ekosystem förutsätter att du gör det; Qwen-Image 2.1 går att finjustera under ett bidrag som endast avser forskning och som begränsar vad du kan göra med resultatet. Om du ligger över intäktsgränsen och vill använda någon av dem i produktion, skriver du till en leverantör oavsett – Krea på opensource@krea.ai, leverantören på adressen i licensavtalet – och valet kokar ner till vilket samtal du helst vill ha.

Det faktum som oftast avgör saken: licensen, inte topplistan. De två modellerna skiljer sig med elva Elo-poäng på en lista vars intervall är bredare än så, och med ungefär hundra dollar i månaden som hostade tjänster, och den enda av dessa skillnader som en läsare inte kan komma runt är den som står i licensfilen.