Krea 3 以每次编辑 0.06 美元的价格登场，并为图像编辑按下秒表

真正有趣的数字在Krea 3身上并不是价格，而是那块秒表。Krea 于 2026 年 10 月 15 日发布了Krea 3，将其定位为一款图像编辑模型，而它为自身选定的主打卖点则是一项延迟主张：大多数编辑都能端到端地在 8 秒内返回结果，原生 2K 分辨率，每张图 0.06 美元。与之相对，该公司自家的对比图表把谷歌的Nano Banana Pro列为 33 秒、每张图 0.135 美元，把 OpenAI 的GPT Image 2列为 90 秒、0.22 美元。这两个数字都出自 Krea，是在 Krea 自家流量上测得的；而它们正是一次模型发布——本该只是一条关于新检查点的脚注——值得细读的原因：因为在这一代编辑器里，首次出现了目录级任务的价格由秒数而非美分来决定的情况。

本文中所有来自 Krea 的内容都标注为 Krea 所有。目前尚无针对 Krea 3 的独立基准测试，也没有任何第三方公布过其实测编辑时间。而这一空白，正是整个故事背后的故事。

10月15日实际发布了什么

Krea 3 是一个编辑模型，而不是一个硬塞进编辑模式的生成器。Krea 自己的常见问题解答对此说得很直白：该模型是“为编辑而训练的”，它不是某个更大模型的蒸馏副本，并且它把算力花在你修改的区域上，而不是重绘整个画面。厂商表示，速度正来源于此——先找到区域，只渲染发生变化的部分——而这与准确性宣称背后的机制也是同一个。

已发布的能力列表，正如供应商所述：

• 原生2K输出，Krea自己提供的示例分辨率为2736 × 1536像素。同时提供1K选项，价格减半。

• 根据发布帖，每次编辑最多支持 6 张参考图像。产品页面则另行宣称“最多八个参考”，并采用编号图像提示风格，用于指向人物、产品、地点和风格。这两个数字出现在同一网站的两个页面上，而 Krea 尚未使它们统一。

• 区域限定编辑。画一个框，描述要更改的内容，画面其余部分应保持原样不变——Krea 强调，包括产品标签和徽标在内。

• 在一系列编辑中保持角色一致性，并且在此基础上还有风格参考。

• 消费端应用中的语音驱动编辑：发一张照片，再发一条语音消息，你还没说完这句话，修好的图就已经回来了。

• 251 个首发预设，号称涵盖日转夜、遮挡、素描、换肤、新天空和绿幕。

面向消费者的定价页面正是命名略显松散的地方：同一个模型在 Krea 的套餐表里显示为 Krea 3 Beta，而发布页面和博客则直接称其为 Krea 3。要把你写入配置的标识符当作需要核实的内容，而不是想当然。

还有一个数字，发布页没有把它放在最前面，开发者文档却提到了。0.06 美元是 2K 输出、不附带任何参考图时的基础价格。Krea 的 API 参考文档对参考图单独计价：每张 1K 参考图加收 0.02 美元，每张 2K 参考图加收 0.07 美元，均加在基础价格之上，且无论输出尺寸是哪种。以较慢的“high”思考模式运行编辑，每次生成还要再加 0.02 美元。因此，一次携带四张 2K 参考图的 2K 编辑费用为 0.06 美元加 0.28 美元，即 0.34 美元——在按宣传价格估算整批商品目录任务之前，这个数字值得先弄清楚。Krea 自己的 API 文档也把访问权限列为早期访问，只能从 Krea 3 测试版内的工作区调用，且需要申请而非自助开通。

速度图表，请仔细阅读

Krea 两次发布其编辑器对比，而这两次发布的内容并不一致。

发布博客的对比表给出 Nano Banana Pro 为 33 秒、GPT Image 2 为 90 秒，并附有一条脚注：这些是在 Krea 上于 2026 年 9 月 24 日至 10 月 1 日期间运行的编辑任务从请求到成图的中位耗时，包含排队时间。产品页的并排动画又用了另一组数字——Nano Banana Pro 为 26.8 秒，GPT Image 2.5 Sunburst 为 39.9 秒——并将其描述为每个模型 12 张图像批次的中位请求到结果耗时。同一页面上另一行文字称 GPT Image 2.5 的定价是“有待验证的草拟估算”。

这不是丑闻，但这是一个你应该牢记的披露。通过将自己的流量路由到竞争对手那里来测量其延迟，只能告诉你，该模型从你的基础设施、针对你的提示词、在那个时段的表现——这是一个真实且有用的数字，但它并不等同于独立的延迟基准测试。OpenAI 的编辑器在 39.9 秒到 90 秒之间的跨度，就是比较中不确定性的大小，而且它比 Krea 所宣传的差距还要大。

在两个页面之间保持一致的是关于 Krea 3 本身的说法：端到端不到 8 秒，在 2K 下，每张图像 0.06 美元。这是首先需要测试的数字，因为整个推介都靠它支撑。

精度声明及其衡量方式

这套宣传的后半部分是模型不会触碰的内容。Krea 将精度定义为编辑区域之外保持不变的像素占比；该占比在最佳对齐后按四分之一分辨率进行比较，这样输出尺寸的差异就不会被算作变化；每个模型在 2K 下对同一图像和同一提示词各尝试一次，并且 Krea 3 在测试中以“Precise”模式运行。

关于这一点，有两点值得说。第一，这是一次自行开展的对比——Krea 自己选择了提示词、图像和模式。第二，这个指标本身对于这个问题而言就是正确的。在生产环境中毁掉一次编辑的失败，并不是一张糟糕的沙发；而是一张不错的沙发，回来时却带着一块被悄然改了样式的地毯、一扇窗外景色不同的窗户，以及一个现在看起来有点不对的标志。任何在框外像素保持不变这一指标上得分高的模型，都是在解决从业者实际抱怨的问题，无论测试是谁跑的。

Krea 自己给出的示例正是靠这一点成立的：更换房间里的座椅，而地毯、窗外景色和角落里的读者都原地不动；把一张技术线稿加上六色调色板变成一张建筑照片，且每种颜色都出现在需求简报指定的位置；让同一批角色出现在全新的街道与全新的光线下。

$0.06 对一份目录工作有何影响

图像编辑定价按每张图片报价已经有一段时间了，所以这里有意思的举动不是单位——而是比例。Krea 在其发布页面上给出的自身用量算术，将一个月 10 万张图片按 $0.06 与按 $0.135 进行对比，得出 $6,000 对 $13,500。把这两个数字都当作供应商的演算，因为它们确实如此。无论如何，这个论点的形态在保留意见之下依然成立：按 $0.135，一次编辑是你需要安排的一项深思熟虑的操作；而按 $0.06，一次编辑是你可以跑五遍再挑最好一张的事情，这改变的是工作流，而不是账单。

它也改变了重试的代价。如果第一遍在标签上没命中，再花六美分并不需要谁来做个决定。如果它要花二十二美分，那就得有人来做决定了。

{{1}}什么{{/1}}不在{{2}}版本{{/2}}中

三种缺席划定了今天所能主张之事的界限。

没有开放权重。Krea 自己的常见问题解答称，企业版方案提供自托管，可在你自己的云中用自己的 GPU 运行，这属于授权洽谈，而不是下载。关于 Krea 3 的内容，在任何公开代码库中都找不到。

不存在独立的基准测试。没有任何第三方公布过 Krea 3 的 Elo 评分、正面交锋结果或实测延迟。本文中的每一项性能数据都可追溯到 Krea，而竞品模型的对比数据同样是由 Krea 收集的。

没有公开的架构。Krea 表示，该模型是新的，是为编辑而训练的，而非蒸馏而来，并且它只渲染发生变化的区域——但它没有公布参数量、论文或训练细节，因此速度宣称背后的机制只是一种描述，而非规格说明。

相比之下，此次发布中确实有一条真正的第三方信号，而它来自客户，而非基准测试：Pixelcut 的联合创始人兼 CEO 被引述称，他的团队曾在付费用户面前进行早期检查点测试，而最突出的是产品图的光照效果。这是合作伙伴的证言，而非评测，也应当以此来看待——但它出自一位在发布前就把模型交到客户面前的人之口，这比排行榜上的一行通常能告诉你的要多。

你可以在哪里联系它，以及这个博客所在的位置

Krea 3 已在 Krea 自家的应用和 API 中上线，厂商表示合作平台也提供该模型。如果你要选的是接入途径而不是模型本身，那么真正有用的问题是：你已经在用的那些编辑器，是否和你即将尝试的编辑器共用同一把密钥——因为一条每换一个模型就得单独签一份合同的编辑流水线，是没人会在上面做实验的流水线。

关于我们，有一句实话要说：OrcaRouter 目前并不路由 Krea 3，所以调用它就意味着调用 Krea。我们真正提供的是一个兼容 OpenAI 的端点，覆盖数百个模型，按提供商标价原价透传、不加价，并在提供商报错或触发限流时自动故障转移。这一点在此处之所以重要，理由比推销话术要窄得多：被拿来和 Krea 3 对比衡量的那些模型——GPT Image 2、GPT-Image-2.5 Flare 和 Sunburst，以及 Grok Imagine Image——正是那种你得先在自己的图片上做 A/B 测试、再决定要不要相信别人给出的中位数的模型，而通过一个端点跑这项测试只是改一处配置，而不是做四次集成。

接下来看什么

首先值得关注的是独立的编辑耗时测量，因为整个定位就是一个延迟主张，而到目前为止，为它掐表的只有厂商自己。其次是 6 与 8 的参考差异，以及 Krea-3 与 Krea-3-Beta 的命名能否统一，因为这两者都属于那种小不一致——当你基于它们进行构建时，就会变成支持工单。第三是是否有第三方用自己的提示词来运行精度测试，因为“只做你要求的事”是一个可衡量的主张，而业界尚未为任何人测量过它。

在此之前，对 Krea 3 的公允解读是：它是一个已发布、已定价、可立即使用的编辑模型，其速度宣称背后有一套可信的机制，而这一切都没有任何外部验证。每次编辑 0.06 美元，自己动手验证的成本足够低，以至于等待排行榜反而是更昂贵的选择。