Krea 3 与 MAI Image 2.5 Pro：百万像素并不等于排名

这两个模型中的一个拥有经第三方实测的排名，却无法输出 2K 图像。另一个刚发布一天，完全没有任何排名，却能原生渲染 2K。MAI-Image-2.5-Pro是微软 AI 的图像编辑与生成模型，在 Artificial Analysis 的图像编辑排行榜上处于中游，基于 14,751 次盲测对比获得 1,117 Elo——在该榜单上按分数位列第十一，而榜首是 OpenAI 的 GPT Image 2.5 Sunburst，得分 1,198。Krea 3由 Krea 于 2026 年 10 月 15 日发布，公开定价为 2K 图像每张固定 0.06 美元，端到端耗时不到八秒，且没有任何形式的独立评分。所以诚实的说法是：一个经过实测的中游模型对阵一个未经实测的模型，而如果你以交付产品图像为生，决定选择的会是分辨率上限，而非 Elo 分数。 通过单一端点接入 200 多个模型，供应商标价以 0% 加价原样透传，供应商服务降级时自动故障转移，还提供用于将生成步骤串联到编辑步骤的流水线路由 DSL。 供应商服务降级时自动故障转移

100万像素的上限就是全部的论点

微软文件记载，MAI-Image-2.5-Pro 的输出上限为 1,048,576 像素——相当于 1024×1024，约一百万像素。微软自家的营销宣传提到 8K；而已公布的上限并不支持这种解读，而两者之间的落差，正是理解这款模型首先要弄清楚的一点。

• MAI-Image-2.5-Pro 输出——上限约为 1 兆像素。无论你投入多少 token 预算，返回的图像都大致为 1024×1024。

• Krea 3 输出——原生 2K，另提供用于印刷的 4K。 Krea 的发布页面明确标明原生 2K，并列出 4K 可用于印刷、大屏和广告活动素材。

• 在4倍到16倍的差距下，像素数量的差异绝非表面功夫。一张2K图片的像素量大约是100万像素输出的四倍；4K则约为十六倍。对于产品页面的主图、印刷插页或大于手机的屏幕而言，这就是可用素材与占位符之间的区别。

• Krea 还做到了 MAI-Image-2.5-Pro 的文档并未承诺的事情。Krea 3 会找到需要更改的区域，仅渲染该区域，让未触及的像素保持原样。Krea 在其 Precise 模式下用“变更像素占比”这一指标来衡量这一点，而这是厂商对自家配置所做的厂商测量，理应如此标注。

这个比较并不是说某一个模型更好，而是说，两者所针对的输出并不相同。MAI-Image-2.5-Pro 的构建目的，是把一张构图精良、打光出色、文字正确的图像呈现在消费者面前，而在这种情况下，百万像素已经绰绰有余。Krea 3 的构建目的，则是把一份 2K 素材放进商品目录，而在这方面，百万像素并不够用。

定价：固定费率，而非按令牌计量。

定价结构与输出一样千差万别，而 token 计量器才是会让你大吃一惊的那个。

• Krea 3 — 1K 分辨率每张 $0.03，2K 每张 $0.06。按张计价，公开标价，固定不变。Krea 的常见问题解答称，发布价即为标价，且公司预计价格会下调而非上涨。

• MAI-Image-2.5-Pro —— 按 token 计费。微软的预览版价目表列出：每百万文本输入 token 为 5 美元，每百万图像输入 token 为 8 美元，每百万图像输出 token 为 106 美元。微软未公布每张图像的 token 数。

• 按 1024×1024 的分辨率计算，这大约相当于每 1,000 张图像 108.50 美元，该数字采用的是 Artificial Analysis 的 token 到图像换算方式，只能大致参考，因为它是推导得出的数字，而非供应商公布的数值。

• 与同门型号相比，MAI-Image-2.5-Pro 被定价为高端层级——约为 MAI-Image-2.5 的 2.3 倍（每 1,000 次约 48 美元），约为 MAI-Image-2.5-Flash 的 5.4 倍（每 1,000 次约 20 美元）。而且这些均为预览价格，对正式可用（GA）价格不具约束力。

拿任何一个电商团队都熟悉的编辑量——10 万次编辑——来看，两者的曲线会明显分化。Krea 3 在 2K 下的标价是 6,000 美元。MAI-Image-2.5-Pro 按推算费率计算约为 10,850 美元，而返回的编辑结果分辨率大约只有前者的四分之一。按 token 计量还意味着账单会随指令的长短和参考图的数量而变化，这是按图计价根本不具备的特性。

每家供应商声称什么，以及谁核实了它

这是两个模型差异最大的地方，而且其走向与分辨率对比相反。

MAI-Image-2.5-Pro 拥有真实的第三方评测数据，而这项数据把它置于中游位置，而非榜首。在 Artificial Analysis 的图像编辑排行榜上（数据读取于 2026 年 10 月 16 日），它基于 14,751 次盲测对比获得 1,117 Elo 分——按分数排名第十一位，而该榜单由 OpenAI 的 GPT Image 2.5 Sunburst 以 1,198 分领跑。同一份快照中，它在文本生成图像类别中按分数排名第十四位，基于 11,776 个样本获得 1,113 Elo 分，而该类别榜首为 1,217 分。这意味着 104 分的 Elo 差距，且其位置远不如编辑榜的排名所暗示的那般体面。Krea 3 在两个榜单上均未出现。

微软自己为其给出的数字属于厂商自报且未经复现：在中、英、日、韩和西班牙语中的文本渲染准确率为 96.8%；据称在内部评估中，提示词遵循度相比 GPT-Image-1.5 提升了 27%；多图角色一致性为 94%。微软还引用了诸如在特定 PowerPoint 和 OneDrive 场景中“GPU 成本最高降低 84%”这样的数据，这是关于两款微软产品的陈述，而非一般性成本主张，不应被当作后者来解读。

Krea 3 完全没有第三方测量。它于2026年10月15日发布，发布页就是公开记录的全部：在2K下端到端不到八秒，最多六张参考图像，原生2K并提供用于印刷的4K，可针对产品、人物或风格训练LoRA。Krea的速度演示公布了自己的方法——十二张图像批次的请求到结果中位时间（包含排队时间），于2026年9月24日至10月1日在Krea自己的平台上测得——而该页面上的一项对比价格附有注释“一项待验证的草稿估算”。在发布页上说明自己的方法，已经比大多数实验室做得更多。但这仍然是厂商在自我测量，不能替代14,751张盲投票。

一致性、训练，以及两项能力究竟有何不同

两个模型都做出一致性承诺，但它们通过不同的机制来实现这一点。

• MAI-Image-2.5-Pro——多图角色一致性达 94%，为厂商报告数据。其机制由提示词和参考图驱动。微软表示，其 MAI 模型基于干净、可追溯的数据训练，未从第三方模型蒸馏，这属于来源层面的说明，而非能力层面的宣称。

• Krea 3 — 针对产品、人物或风格进行 LoRA 微调。 Krea 称其为首个可用这种方式训练的编辑模型；这是关于该领域的一项主张，而可验证的部分在于：Krea 的 API 参考文档在 Krea 3 测试版端点旁发布了一个“训练自定义风格（LoRA）”端点。训练是一个带有自身成本的数据收集步骤，而不是一个参数。

• 参考图数量——Krea 3 每次编辑最多可支持六张；MAI-Image-2.5-Pro 的规格表公布的是 32,000 token 的文本输入上限、131k 上下文窗口和 4,096 token 的输出上限，而非参考图数量。

• 界面 — Krea 3 新增了用于元素放置的边界框，以及可跨轮次保持的多轮编辑；MAI-Image-2.5-Pro 公布的能力集涵盖定向对象替换、布局调整、图内文字更新和瑕疵清理。

真正不同的能力是 LoRA 训练。那份清单上的其他所有内容，都只是参考条件编辑的变体，而这两者都能做到。如果你反复遇到的问题，是某个特定的 SKU 或某张特定的面孔必须在数百张图像中不发生偏移，那么这两者中，一个提供的是为此而生的机制，另一个提供的只是一个百分比。

可用性，以及预览星号

MAI-Image-2.5-Pro 已在 Microsoft Foundry 和免费的 MAI Playground 中提供服务，并于 2026 年 7 月 23 日以公共预览版发布。预览是一种状态，而不是形式：这意味着价目表可能变化，终结点形态可能变化，模型也可能被撤下。其姊妹模型 MAI-Image-2.6 于 2026 年 8 月 19 日进入个人预览版，因此，在你将要针对其进行集成的那个模型之下，这个系列仍在持续变动。

Krea 3 在 krea.ai 上提供服务，同时也通过一个有文档记录的 beta 端点上的 Krea API，以及一系列第三方分发合作伙伴提供。Krea 还为企业客户提供在自有 GPU 上自行托管的选项，许可条款与硬件规模配置需另行商谈——这属于采购层面的沟通，而非产品功能。

这两款模型都不在 OrcaRouter 的目录中。我们的图像线是 OpenAI 的 GPT-Image 系列模型、xAI 的 Grok Imagine 图像模型，以及 Google 的 Imagen 和 Gemini 图像家族；Microsoft 的 MAI-Image 系列和 Krea 的模型都不在其中。对于使用其中任一模型的买家，我们真正能改变局面的地方在上层：一个覆盖 200 多个模型的单一端点，按供应商标价 0% 加价原样透传，供应商服务降级时自动故障转移，以及用于把生成步骤串联到编辑步骤的流水线的路由 DSL。大厂出的预览模型，恰恰是那种值得在其背后配一条故障转移路径的依赖，而小厂出的 beta 模型更是如此。

你的工作负载需要哪一个

• 实测编辑质量最高，输出约一百万像素，企业采购渠道已进入微软内部——MAI-Image-2.5-Pro。1,117 的 Elo 分数是这两款模型中任一者所能拿出的最有力证据，而在面向消费者的素材或纯屏幕素材上，分辨率上限或许永远不会成为限制。

• 2K 或 4K 输出、按图预算、高吞吐量 —— Krea 3。像素量达到四倍，而推算出的单图成本仅略高于一半，同时还公布了统一价格，并明确表示有意进一步降低。

• 一个必须在整个营销活动中保持一致的品牌资产——Krea 3。在编辑模型上进行LoRA训练是双方唯一公开的机制，而这正是Krea主推的能力。

• 一个你必须能在采购文件里标出具体数字的模型——MAI-Image-2.5-Pro。Krea 3 有价格、有延迟承诺，还有引用次数。它却没有排名。

用这一对组合时，最有用的做法就是别再把它们当成彼此的替代品。一个是经过实测的质量标杆，但存在分辨率上限，并带有预览标签；另一个则是未经实测的吞吐量打法，具备商品目录所需的分辨率与价格。把前者用于主推图的拍摄，把后者用于成千上万的变体，那么关于哪个更好的争论就不再重要了。