MOSS-Image vs Krea 3: Một bên tính phí theo từng ảnh, bên kia tính phí theo từng giờ

Hai mô hình trong so sánh này được định giá bằng các loại tiền tệ khác nhau, đó là lý do vì sao phép so sánh hiển nhiên — sáu xu so với số không — lại là phép so sánh sai. K​rea 3, phát hành ngày 15 tháng 10 năm 2026, là một mô hình chỉnh sửa được lưu trữ trực tuyến với mức giá công bố: $0,06 mỗi ảnh ở độ phân giải 2K gốc, dưới tám giây từ đầu đến cuối theo đo lường của chính nhà cung cấp. M​OSS-Image, được OpenMOSS phát hành vào ngày 16 tháng 10 năm 2026 dưới dạng các checkpoint Apache 2.0 M​OSS-Image-Base và M​OSS-Image-SFT, hoàn toàn không có mức giá nào. Bạn thuê một GPU và bạn trả tiền theo giờ, bất kể bạn tạo một ảnh hay bốn trăm ảnh trong đó.

Vậy nên câu hỏi thực sự không phải là cái nào rẻ hơn. Mà là khối lượng công việc của bạn trông như thế nào trong một tháng, bởi vì mức giá cố định theo từng ảnh và mức giá theo giờ sẽ giao nhau tại một khối lượng hoàn toàn phụ thuộc vào mức sử dụng của chính bạn. Dưới điểm giao nhau đó, K​rea tốt hơn về tiền và tốt hơn rất nhiều về độ trễ. Trên mức đó, chi phí biên trên mỗi ảnh của M​OSS-Image tiệm cận chi phí tiền điện. Hầu như không ai làm phép tính này, và nó chính là toàn bộ quyết định.

Cả hai đều muốn một chiếc hộp, và họ muốn nó theo những đơn vị khác nhau.

Hãy bắt đầu với phần khiến chúng có thể so sánh được với nhau, vì điều này rất dễ bị bỏ qua. Cả hai đều không phải là trình tạo kiểu "cầu nguyện theo prompt". Bộ công cụ chỉnh sửa của K​rea 3 bao gồm các hộp giới hạn để đặt phần tử mới, và các chỉnh sửa nhiều lượt giữ ngữ cảnh xuyên suốt các lượt. Định dạng bố cục của M​OSS-Image nhận một đối tượng JSON làm prompt — một tóm tắt khối cộng với một mục mảng trong đó mỗi phần tử mang một nhãn thuộc văn bản, ký tự hoặc đối tượng, một chú thích, một hộp giới hạn, và đối với các phần tử văn bản là chuỗi ký tự thực tế để hiển thị.

• Hộp đến từ đâu — MOSS-Image: một trường JSON trên mỗi mục trong prompt bố cục, sử dụng bbox_format: "yxyx" trong bbox_coord_space: "abs_centralized", tức là pixel tuyệt đối được đo từ tâm của khung vẽ. Krea 3: một điều khiển hộp bao trong giao diện chỉnh sửa của nó để đặt các phần tử mới.

• Độ phân giải đầu ra — MOSS-Image: được huấn luyện trên 256px, 512px và khoảng 1024², với ngân sách token tăng dần 576 → 3.072 → 8.192. Krea 3: 2K gốc, với các ví dụ được ghi ở 2736 × 1536 px, và 1K chỉ bằng một nửa giá.

• Hình ảnh tham chiếu — MOSS-Image: các yếu tố được mô tả theo cấu trúc trong prompt bố cục thay vì được cung cấp dưới dạng hình ảnh tham chiếu. Krea 3: tối đa sáu mỗi lần chỉnh sửa trên bài đăng ra mắt, tám trên trang sản phẩm — tài liệu của chính nhà cung cấp đưa ra hai con số và cả hai đều chưa bị rút lại.

• Những gì bạn đang xây dựng — M{{1}}OSS-Image: một bố cục, từ một đặc tả, phần lớn từ con số không. K{{2}}rea 3: một chỉnh sửa đối với hình ảnh bạn đã có, với vùng bên ngoài phần chỉnh sửa được giữ nguyên.

Dòng cuối cùng đó chính là thứ quyết định phần lớn khối lượng công việc thực tế. Nếu công việc của bạn là “lấy ảnh sản phẩm này và đổi nền”, thì M​OSS-Image là công cụ sai — nó không phải trình chỉnh sửa tại chỗ, và nhà cung cấp của nó gắn nhãn hành vi chỉnh sửa là thử nghiệm. Nếu công việc của bạn là “tạo ra bốn trăm tấm áp phích độc nhất với nội dung cụ thể ở những vị trí cụ thể”, thì Krea 3 là công cụ sai, và tài liệu riêng của nó rất mỏng về văn bản dài — các ví dụ ra mắt của nó là tiếng Anh, những điểm mạnh được ghi nhận của nó là thay đổi bối cảnh sản phẩm, xóa vật thể và làm sạch ảnh.

Tốc độ, nơi chỉ có một bên đã công bố bất cứ điều gì.

K​rea 3 có con số nổi bật là dưới tám giây mỗi lần chỉnh sửa, từ đầu đến cuối, ở 2K. Đó là con số của nhà cung cấp, và nhà cung cấp này cởi mở một cách bất thường về nguồn gốc của nó: các số đo thời gian là thời gian trung vị từ yêu cầu đến kết quả của lô mười hai hình ảnh của mỗi mô hình, bao gồm cả thời gian xếp hàng, được đo trên nền tảng của chính K​rea từ ngày 24 tháng 9 đến ngày 1 tháng 10 năm 2026. Một phương pháp luận được in trên bài kiểm chuẩn có giá trị hơn một con số trần trụi, và trường hợp này thì có. Chung quy vẫn là K​rea tự đo K​rea.

MOSS-Image hoàn toàn không có con số độ trễ nào được công bố, và đáng để hiểu vì sao trước khi coi đó là một thiếu sót. Các mặc định lấy mẫu là Euler flow-matching ở 50 bước với CFG 3.0, shift 5.0, và guidance skip-layer nhánh âm tại lớp 22. Đường guidance mặc định cần hai lần forward transformer mỗi bước. Do đó, độ trễ của MOSS-Image không phải là thuộc tính của mô hình như đối với một endpoint được host — nó là thuộc tính của GPU mà bạn đặt bên dưới, số bước bạn chọn, và việc bạn bỏ guidance hay chạy distillation. Cộng đồng đã phát hành các bản lượng tử hóa INT8 và INT4, một DMD LoRA 4 bước và một biến thể distilled 8 bước trong khoảng một ngày sau khi ra mắt, điều đó cho thấy mọi người thấy mặc định 50 bước quá chậm cho công việc tương tác và đã tự khắc phục.

Vậy nên so sánh trung thực về tốc độ là thế này: Krea 3 đưa ra một con số phụ thuộc vào Krea, còn MOSS-Image không có con số nào vì nó phụ thuộc vào bạn. Mặc định 50 bước với hai lượt truyền xuôi mỗi bước thì không nhanh. Một bản chưng cất 8 bước chạy trên card thuê thì có thể nhanh. Cả hai phát biểu đó đều không thể kiểm chứng từ trang của bất kỳ nhà cung cấp nào, và phát biểu thứ hai thì bạn có thể tự kiểm chứng trong một buổi chiều.

Phép tính điều chỉnh, chính là chỗ mà sáu xu không còn quan trọng nữa.

Đây là phép tính làm thay đổi quyết định, và nó bắt đầu từ chính cách đặt vấn đề của K​rea.

Với $0.06 cho mỗi lần chỉnh sửa, chạy năm lượt và chọn lượt tốt nhất tốn ba mươi xu và không cần họp. Đó là lời chào hàng ngầm của K​rea, và đó là một lời chào hàng hay, vì thứ thay thế cho một lần thử lại giá rẻ là một giờ của nhà thiết kế. Một trăm nghìn lần chỉnh sửa mỗi tháng ở mức 2K là $6,000 — và K​rea nói rõ rằng giá ra mắt chính là giá niêm yết và rằng hãng kỳ vọng giá sẽ giảm xuống chứ không tăng lên, điều này khiến $6,000 trở thành mức trần chứ không phải mức sàn.

Phía MOSS-Image trong cùng phép tính này không phải là một mức giá, mà là một vấn đề tận dụng. Giấy phép là Apache 2.0 không có ngưỡng doanh thu, và có một mô hình trọng số mở giá 0,008 USD/ảnh trong vùng lân cận của so sánh này từ một nhà cung cấp khác để tham khảo — nhưng đó không phải là cách con đường mở vận hành. Bản tải xuống khoảng 27,2 GB, trong đó khoảng 16,8 GB trải trên bốn shard là bộ mã hóa văn bản Qwen3.5-9B đóng băng và khoảng 10,2 GB trải trên ba shard là transformer. Nhãn 5B chỉ mô tả riêng bộ tạo khuếch tán, và bộ mã hóa chiếm nửa lớn hơn trong dung lượng đĩa.

Liệu như vậy có rẻ hơn sáu xu hay không phụ thuộc vào ba con số mà bạn đã biết: đơn giá mỗi giờ GPU của bạn, số ảnh bạn tạo được mỗi giờ ở số bước bạn chọn, và tỷ lệ thời gian trong tháng mà card thực sự bận. Một nhóm vận hành dây chuyền sản xuất ổn định sẽ có chi phí thực tế trên mỗi ảnh thấp và nên tự host. Một nhóm cần bốn mươi ảnh vào chiều thứ Ba thì không nên thuê GPU để làm việc đó, và cũng không nên giả vờ rằng giá giấy phép chính là giá mỗi ảnh.

Luận điểm tinh chỉnh, thứ mà cả hai phía đều đưa ra và không phía nào chứng minh được

Đây là phần mà một bảng so sánh thông số thường bỏ sót, và đây cũng chính là điểm chung thú vị nhất của hai mẫu máy này.

K​rea tuyên bố rằng K​rea 3 là mô hình chỉnh sửa đầu tiên mà bạn có thể tinh chỉnh trên một sản phẩm, một người hoặc một phong cách cụ thể, để ảnh chụp bao bì của một thương hiệu hay một nhân vật định kỳ giữ nguyên qua suốt một chiến dịch. Cơ chế này có thể kiểm chứng — tài liệu tham chiếu API có endpoint "Train a custom style (LoRA)" — và việc "đầu tiên" có đứng vững hay không là một tuyên bố về lĩnh vực chứ không phải một phép đo. Đó là tuyên bố của K​rea. Nhưng cơ chế này tồn tại, nó được ghi lại trong tài liệu, và đây là con đường công khai duy nhất từ phía K​rea để khóa một chủ thể.

Tương đương của OpenMOSS mang tính cấu trúc chứ không phải thương mại. Base là checkpoint đã được tiền huấn luyện, cố ý để nguyên không chưng cất — model card nêu rõ rằng không có quá trình hậu huấn luyện hay chưng cất nào đối với các thông số suy luận như CFG được áp dụng, nhằm bảo toàn thông tin huấn luyện và giữ cho việc huấn luyện LoRA khả thi. Đó là việc một nhà cung cấp chọn phát hành một mặc định kém hơn để đổi lấy một nền tảng huấn luyện tốt hơn, và đó là tín hiệu rõ ràng nhất trong toàn bộ bản phát hành về việc checkpoint Base dành cho ai.

Cả hai tuyên bố đều nhắm vào cùng một người mua: một người có chủ thể lặp lại và chủ thể đó không được phép trôi dạt. Không nhà cung cấp nào công bố phép đo độ trôi dạt, và cộng đồng xây dựng quanh MOSS-Image — gói đóng gói ComfyUI, các bản lượng tử hóa, các LoRA chưng cất — đã xuất hiện trong khoảng một ngày, điều này cho thấy lộ trình huấn luyện là có thật dù chưa có kết quả huấn luyện nào được nhà cung cấp công bố.

• LoRA nằm ở đâu — Krea 3: một endpoint được host trên nền tảng của Krea, được huấn luyện dựa trên mô hình của Krea trên hạ tầng của Krea. MOSS-Image: trọng số của riêng bạn, phiên huấn luyện của riêng bạn, GPU của riêng bạn, cùng một checkpoint mà nhà cung cấp cố tình để lại ở trạng thái có thể huấn luyện được.

• Điều đó khiến bạn tốn kém gì — K​rea 3: cuộc trò chuyện huấn luyện là một cuộc trò chuyện về giấy phép. M​OSS-Image: cuộc trò chuyện huấn luyện là hóa đơn tiền điện của bạn và một tuần của ai đó.

• Điều nó mang lại cho bạn — Krea 3: một phong cách bạn có thể gọi, dựa trên uptime của người khác. MOSS-Image: một checkpoint bạn sở hữu, vẫn hoạt động nếu nhà cung cấp rời đi.

Access, và vị trí của router trong một pipeline hai công cụ

K​rea 3 thì đóng. K​rea từng phát hành trọng số mở trước đây — K​rea 2 RAW và Turbo có trên Hub — nhưng K​rea 3 không nằm trong số đó, và FAQ của K​rea xếp việc tự vận hành vào các gói doanh nghiệp, trên GPU của riêng bạn, với các điều khoản giấy phép và cấu hình phần cứng sẽ được thảo luận. Vậy nên đó là một cuộc gọi. M​OSS-Image là một bản tải xuống, và bản tải xuống chính là toàn bộ sản phẩm.

Cả hai đều không có trong danh mục của OrcaRouter — chúng tôi phục vụ hơn 200 mô hình và cả hai cái này đều không nằm trong số đó — vì vậy cả hai đều đồng nghĩa với việc phải tìm đến nguồn: đối với Krea 3, API riêng của Krea và một số nền tảng bên thứ ba; đối với MOSS-Image, các kho lưu trữ và phần cứng của riêng bạn.

Điều mà router làm tốt trong một pipeline như thế này là phần không phải là mô hình này hay mô hình kia. Đặt một phần tử vào khung thường chỉ là một bước của một công việc cũng cần một generator được host cho ảnh cơ sở, một mô hình riêng để upscale, và một bước tạo chú thích hoặc đánh giá — và đó chính là lúc một endpoint duy nhất bao quát vài trăm mô hình với cơ chế chuyển đổi dự phòng tự động cùng giá niêm yết của nhà cung cấp được chuyển nguyên với mức markup 0% loại bỏ công việc tích hợp chứ không phải công việc mô hình. DSL định tuyến cũng quan trọng vì lý do tương tự: nếu bước ảnh cơ sở và bước chỉnh sửa là hai mô hình khác nhau, việc ghim từng mô hình theo từng yêu cầu trong một cấu hình vẫn hơn việc giữ hai SDK nhà cung cấp. Đó chính là phần đường ống, và kiến trúc của chính M​OSS-Image là một lời nhắc về giá trị của phần đường ống so với mô hình — kết quả bố cục end-to-end mạnh nhất của nhà cung cấp được tạo ra bởi một pipeline mà nửa đặc tả prompt của nó chạy hoàn toàn trên một mô hình bên thứ ba.

Cái nào, và điểm giao thoa quyết định điều đó

Hãy chọn K​rea 3 nếu đầu ra là bản chỉnh sửa cho một hình ảnh hiện có, nếu nhóm của bạn đo độ trễ của chính mình bằng phút, và nếu khối lượng công việc của bạn thất thường đến mức một GPU thuê sẽ ngồi không gần hết tháng. Sáu xu với thời gian khứ hồi dưới tám giây, một câu chuyện độ chính xác được tài liệu hóa đầy đủ và một endpoint LoRA trên hạ tầng của chính nhà cung cấp là một sản phẩm mạch lạc cho công việc đó, và việc giá ra mắt được nêu là giá niêm yết nghĩa là các tính toán kinh tế khó có thể trở nên tệ hơn. Hãy bước vào với hiểu biết rằng mọi con số hiệu năng gắn với nó đều là của chính K​rea, rằng số lượng tham chiếu được tài liệu hóa theo hai cách, và rằng nó không mang bất kỳ điểm số độc lập nào — đó là toàn bộ lời giải thích cho sự vắng mặt của nó trên các bảng xếp hạng, vì nó được phát hành một ngày trước khi dữ liệu nghiên cứu của bài viết này được thu thập.

Hãy chọn MOSS-Image nếu bạn đang tạo ảnh tổng hợp từ một đặc tả với khối lượng đều đặn, nếu một bounding box trong prompt JSON phù hợp hơn với pipeline của bạn so với một hộp trong UI của ai đó, hoặc nếu việc sở hữu checkpoint là yêu cầu bắt buộc chứ không phải điều ưu tiên. Apache 2.0 không có ngưỡng doanh thu giúp việc rà soát pháp lý nhanh gọn, checkpoint Base được chủ đích thiết kế để có thể huấn luyện, và schema bố cục là một đặc tả thực thụ. Hãy bắt đầu với nhận thức rằng độ trễ phụ thuộc vào bạn, rằng encoder chiếm phần lớn dung lượng tải xuống, rằng các bản lượng tử hóa của cộng đồng tồn tại vì mặc định 50 bước là chậm, và rằng chưa có ai tái lập được cả hai benchmark của nhà cung cấp.

Điểm giao nhau không hề bí ẩn. Hãy lấy chi phí GPU hàng tháng của bạn chia cho số ảnh bạn tạo mỗi tháng và so sánh kết quả với sáu xu. Nếu bạn không thể ước tính số ảnh mỗi giờ một cách chắc chắn, thì chính sự không chắc chắn đó là câu trả lời: hãy thuê Krea trong một tháng, tạo ra khối lượng mà bạn thực sự mong đợi, và để hóa đơn cho bạn biết liệu con đường mở có đáng để xây dựng hay không. Đó là một thí nghiệm rẻ hơn so với việc thuê một chiếc card trong một tháng để tìm hiểu.

Các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive, trong đó mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.