Krea 3：单次编辑不到 8 秒，每张图片 0.06 美元，以及连 Krea 自己都说不清的参考数量

Krea 发布了 Krea 3，发布时间为 2026 年 10 月 15 日，而它的卖点是一种取舍，而非一项能力。其发布帖开篇就承认，编辑模型先是变强，随后变得又慢又贵，并把 Krea 3 作为这笔取舍的另一面：大多数编辑在原生 2K 下端到端不到 8 秒就能完成，每张图 0.06 美元。该公司自己的对比图表显示，Nano Banana Pro为 33 秒、每张图 0.135 美元，而 GPT Image 2为 90 秒、0.22 美元；这些数据基于 Krea 自己在 2026 年 9 月 24 日至 10 月 1 日期间的编辑流量测得。这是一家厂商在用自己收集的中位数谈论竞争对手，读的时候也应当这样看待——但背后的说法是，现在一次编辑每花一美分，对设计师耐心的消耗还不到一秒，而这正是一个小模型发布值得你花上一小时的原因。

在 Krea 3 上构建任何东西之前，需要先确定两件事：你实际允许使用多少张参考图，以及每张参考图要花多少钱。Krea 自己的页面对于第一个问题给出了三种不同的说法，而第二个问题的答案则是一个计量表。

Krea 3 究竟是什么，以及它不是什么

Krea 3 是一个编辑模型，而不是一个附带编辑模式的生成器。API 自己的描述称，它“遵循平实语言指令：你说出哪些应该改变、哪些应该保持不变”——如果你不发送参考图像，它也能仅凭文本生成，但生成只是副业。产品页面的定位则更为狭窄：它进行编辑，只改变你要求改变的内容，以 2K 原生渲染，Krea 用一个 2736 × 1536 像素的示例说明了这一点。

API 中有三样东西才是真正的产品，而它们中没有一个是价格：

• 区域编辑。一个 regional_edit/ 标志只会重新生成画面中需要更改的部分，其余部分保持像素级精确。Krea 的文档建议将其用于链式编辑——为对象重新着色或替换对象、修复细节、更改标牌上的文字——并警告说，当你不断编辑模型自身的输出时，普通的（整图）编辑会累积伪影。

• 两种思考模式。 thinking_mode/ 要么是 fast/（默认值，会扩展提示词并生成），要么是 high/（会投入更强的推理过程，在生成前规划多参考与多步编辑）。Krea 的建议是：当快速结果未能满足请求时，使用 high/。

• 参考构图。这是 Krea 在社交平台上主推的能力：把一张脸、一套服装和一个房间作为彼此独立的输入，它便能组合成一个场景，同时保持人物身份与调色稳定。Krea 的博客用一个读起来像选角表的提示词做了演示——精确复现参考中的四个角色，只改变他们的姿势。

不在其列：开放权重。Krea 2 于 2026 年 5 月 12 日发布，提供了开放检查点和社区许可证。Krea 3 则没有，自托管是一个企业级话题。同样不在其列的是，截至 2026 年 10 月 16 日：一个独立的评分。Krea 3 没有出现在任何公共图像编辑排行榜上，对于一个刚发布一天且受限于测试工作区的模型来说，这并不令人意外。

参考上限在三个 Krea 页面上是三个不同的数字

这一发现会改变你为模型分配预算的方式，而它并不需要基准测试来确立——只需一口气把这些页面读完。

• 发布帖及其FAQ：“每次编辑最多可上传6张参考图。”

• 产品页面：“最多八个参考。一张图像。通过编号指向人物、产品、地点和风格。”

• API 参考：image_urls/ 数组接受“最多 8 个”——但在一个请求中提供五张或更多参考图时，每张参考图都会被缩放到最长边至多 1536 像素，文档还明确说明：“若需要完整细节的参考图，请发送四张或更少。”

这是三种不同的产品。设计师阅读产品页面，会围绕八个参考图及其精细细节来规划拍摄。工程师阅读 API 参考文档后得知，从第五个参考图起就是降采样参考图，而真正要围绕设计的数量其实是四个。而需要零数据保留的团队——Krea 3 通过 X-Api-Zero-Data-Retention: 1 请求头为企业工作区支持该功能——每个请求会硬性限制为 4 个参考图，因为在该模式下，每个参考图都必须以 base64 数据 URI 的形式发送。

与身份特征的交互，才是应该让你放慢节奏的环节。角色/服装/场景拆分的全部意义，就在于让人脸在构图中得以保留。五张以上参考图这条路径，恰恰是 Krea 自家文档会把你本想保留的人脸缩放掉的那条路径。

Krea 3 一次编辑的成本，逐项算清楚

API 参考文档发布了一份按组件而非按图像计费的费率表，而组件会叠加：

• 基础价格 — 1K 输出 $0.03，2K 输出 $0.06。

• 每张参考图 — 若参考图为 1K，则 +$0.02；若为 2K，则 +$0.07，无论按哪种输出尺寸均如此收费。

• 高/思考模式 — 每次生成 +$0.02。

把这一点推演下去，标题很快就会反转。一张 2K 参考图是 $0.13。四张 2K 参考图——Krea 自己的文档所称的全细节上限——是 $0.34。六张 2K 参考图，也就是发布帖上的那个数字，是 $0.48，而在高思考模式下是 $0.50。所有人都会引用的“每张图 $0.06”这个数字，是最简单编辑的价格：一个不带任何附加内容的 2K 输出。

在目录级规模下，放到 Krea 自己的对比里看，这仍然很便宜——Krea 的图表显示，100,000 次 2K 的 Krea 3 编辑为每月 6,000 美元，而 Nano Banana Pro 为 13,500 美元，GPT Image 2 为 22,000 美元——但那张图表明确标注的是“每张图片的标价，不含图像参考”。如果每次编辑使用六张 2K 参考图，同样的 100,000 次编辑费用会接近 48,000 美元。参考图计量占你账单的 40% 还是 800%，完全取决于你的流水线附加了多少张图像，而这是关于你的工作流、而非模型的问题。

计费说明对文档中提出的一个问题同样只字未提。作为第五张或更晚发送的参考图会被缩放到至多 1536 像素。价目表对 2K 参考图收取 $0.07。Krea 并未说明由模型自行降采样后的参考图是否仍按 2K 费率计费。在六张参考图的编辑任务中，这一模糊之处意味着每次调用 $0.14——占账单的四分之一——在敲定预算之前，值得先发一封邮件问清楚。

速度方面的宣传，以及其下方的脚注

端到端不到 8 秒、含排队时间在内，这是 Krea 主打的宣传口径，而附在它后面的脚注异常具体：竞品的计时数据，来自 2026 年 9 月 24 日至 10 月 1 日期间在 Krea 自家平台上运行的编辑任务、从请求到成图的中位耗时。这不是中立的基准测试，Krea 也没有假装它是——同一张图表上还写着，价格是"每张图片的标价，不含图像参考"，而这恰恰是对 Krea 3 本身至关重要的限定条件。

这个数字的真实状况是：没有任何第三方复现过它，而 Krea 自己的材料中至少还在另一个页面上给出了同一模型的另一个延迟数据，且那是对着另一组竞争对手收集的。要在你自己的提示词上、以你自己的参考数量来测量它，因为参考数量正是那个同时改变秒数和美分数的变量。

CPI-Bench：我们无法找到的发布编号

关于 Krea 3 发布的报道中流传着该模型的一个 CPI-Bench 分数——在 5 分制下约为 4.8 分，并被作为真实世界图像编辑基准呈现。我们找不到它。它不在发布帖中，不在产品页面上，也不在 API 参考文档中，而且我们从此处能访问的任何搜索引擎都没有返回一个已失效的 CPI-Bench 排行榜。这并不能证明它不存在；Krea 的产品页面有一个客户端渲染的 FAQ 部分，而该模型于 2026 年 8 月下旬公开预览，所以这个数字很可能存在于我们无法加载的某个地方。

对你而言，这意味着的事情比这个谜团更简单：不要把 CPI-Bench 数值写进采购文件。今天任何人能查证的关于 Krea 3 的唯一数据，就是 Krea 自己公布的价目表、Krea 自己的参考限值和 Krea 自己的实测耗时。关于这个模型的其他一切，目前除了它的制造商之外，任何人都未予审计——而这包括那个构成声明，它才是使用它的真正理由。

路由器适合用在哪里，又不适合用在哪里

OrcaRouter 不路由 Krea 3。它不在我们的目录中。Krea 3 通过 Krea 自己的 API 调用，该 API 处于早期访问阶段，需要 Krea 3 测试版的工作区；供应商的应用和 API 均提供该服务，此外还有 Krea 在其发布页面上列出的几个第三方平台。本文中没有任何内容要求你相信其他说法。

这样一来，留给你的就是一个形态熟悉的集成问题。一个受 Beta 门控的端点，配有三项已公布的参考限额和一个按参考计费的计量器，适合用来放置你能承受重新运行的工作，而不是你答应客户周五交付的工作。你已经测量过的那些模型，应当放在一个覆盖 200 多个模型的单一端点上，且不对提供商标价加价，这样当 Krea 3 退出 Beta 时，那只是一次路由变更，而不是一份新合同、一套新 SDK 和一段新的计费关系。在那之前，能把失败的调用转移到备用模型的自动故障转移，而不是转入你的任务队列，正是它让 Beta 的糟糕下午不至于变成你的事故报告。

Krea 3 是本周最有趣的编辑模型，也可能是最难围绕它做规划的一个。它真正全新的能力——为人物、服装和场景分别提供独立参考，并在保持身份一致的情况下合成到同一画面中——恰恰正是 Krea 的五参考缩放规则和四参考 Zero Data Retention 上限所削减的部分。先读参考数量限制，再读价格，而在两者之前先读你自己的流程。然后拿一个真实的商品目录任务跑一遍，数一数用了多少个参考，看看账单看起来是 $0.06 还是 $0.48。

记分板所衡量的内容与实际部署所面对的情况之间的那道落差，正是这份记录之所以重要的原因：围绕这一类模型已有记录在案的人工智能故障与智能体事件，都汇集在OrcaRouter AI Incident Archive，其中每一条都带有自己的来源、严重程度、置信度等级和争议标记。