Qwen-Image 2.1 与 Krea 2 对比：哪款开源图像模型真正能上线？

两个开放图像模型都在过去四个月内可供下载，却以截然相反的方式回答同一个问题。Qwen-Image 2.1是该厂商的 7B 文生图与图像编辑模型，于 2026 年 9 月 20 日以仅限研究的许可证发布——仅限非商业用途。Krea 2是 Krea 从零训练的第一个基础图像模型，于 2026 年 6 月以两个检查点形式发布，采用 Krea 2 Community License，该许可证允许在收入线以下直接商用。在今天的 Artificial Analysis 文生图排行榜上，二者差距在十一个 Elo 分以内。但对于团队在真正构建任何东西之前实际必须回答的那个问题，它们却一点也不接近。

Krea 2 究竟是什么

从这里开始，因为命名具有误导性，大多数对比都会搞错。Krea 这家公司运营着一个需要付费订阅的托管创意平台；而 Krea 2 这个模型则是另一回事，只是恰好同名。Krea 将其作为开放权重的 Diffusion Transformer 发布，包含两个 checkpoint，在 Hugging Face 上以krea/Krea-2-Raw 和 krea/Krea-2-Turbo 的名义公布，推理代码则放在公开仓库中。

它们之间的分工是有意为之，并且在 Krea 自己的仓库中明确说明：RAW 是未经蒸馏的基础模型，用于微调、后训练和 LoRA 训练；Turbo 是八步蒸馏检查点，用于快速推理。Krea 的建议是在 RAW 上训练、在 Turbo 上运行，其 LoRA 生态也正是以此方式构建的——针对基础模型训练的适配器在推理时被应用到蒸馏检查点上。这两个检查点共享同一许可证并同属一个系列，但它们不可互换，也不能使用相同的设置。

有一个细节值得指出，因为它会让任何阅读该模型卡的人感到困惑：两个检查点的 Hugging Face 元数据都在侧边栏中标为13B 参数，而模型卡正文却写着“具有 120 亿参数的 Diffusion Transformer”。Krea 并未公开调和这两个数字，因此参数量应视为大约 120 亿至 130 亿、且尚未确认，而不是一个已定论的数字。

这些数字，来自两家供应商都指向的那块看板

Krea 的代码库称，Krea 2 是 Artificial Analysis 上来自独立实验室的排名第一的文本到图像模型；技术报告称其“位列前 10”，并且“在独立实验室的模型中排名第二”。这些都是 Krea 自己在 6 月提出的说法。而 2026 年 10 月 13 日实时榜单显示的情况则略窄一些，值得直接一读：

• Qwen-Image 2.1—— 1,038 Elo，95% 区间为 1,029 至 1,047，基于 5,554 个样本，在 168 个中排名第 20。榜单的价格栏显示"无可用 API"。

• Krea 2 Large — 1,027 Elo，置信区间 1,020 至 1,034，基于 17,514 个样本，在 168 个中排名第 25，每 1,000 张图像 60.00 美元。

• Krea 2 Medium Turbo — 1,022 Elo，区间 1,014 至 1,030，基于 6,454 个样本，每 1,000 张图像 $15.00。

• Krea 2 Medium — 1,014 Elo，区间 1,007 至 1,021，来自 17,284 个样本，每 1,000 张图像 30.00 美元。

那四行全部来自文生图榜单。在编辑榜单上，只有 Qwen-Image 2.1 出现——1,072 Elo，区间为 1,063 至 1,081，来自 6,132 个样本，在 81 个中排名第 21。该榜单上没有 Krea 2 的条目。此处所有数据均为 Artificial Analysis 的盲投 Elo，取自 2026 年 10 月 13 日的实时英文排行榜；它们独立于两家厂商，而且区间足够宽，因此 Qwen-Image 2.1 与 Krea 2 Large 之间的差距不应被解读为排名。

“Krea 2 Large”和“Krea 2 Medium”这两行也不是开放检查点。它们是 Krea 的托管档位，这就是为什么它们带有按图计价，而开放仓库却没有。将可下载的 Krea 2 RAW 与托管的 Krea 2 Large 进行比较，就是在把检查点和服务拿来比较。

真正的分野在于编辑，而非质量

质量已接近到榜单无法定论，能力才能决定。Qwen-Image 2.1 是一个同时进行生成和编辑的模型：它既接受单独的提示词，也接受最多十张参考图像加一条指令，并支持通过绘制的圆圈、涂画的标注或单独的蒙版进行局部编辑，输入和输出均支持 RGBA 透明度。Krea 2 的开源发布是一个文生图系列。其模型卡记录的是提示词到图像的生成；该组织中没有编辑检查点，推理脚本中也没有蒙版编辑模式，其标志涵盖提示词、步数、引导、分辨率、种子和图像数量——没有任何接受输入图像的内容。

这种不对称源于已发布的素材，而非任一实验室的能力上限。Krea 自家的平台是卖编辑功能的，依托的是一系列第三方编辑模型。而对一个下载权重的读者来说，真正相关的事实要更窄：如果你的工作流需要“拿这张照片，改动其中一处”，你能下载到的开源 Krea 2 做不到，而 Qwen-Image 2.1 的整个架构就是围绕做这件事搭建的。

两个许可证，两堵不同的墙

正是在这一点上，两者的比较不再接近，而这正是大多数概述会简化成“两者都是开放的”的地方。二者都不是宽松许可意义上的开源，而且它们根本不是在相同的条款下开放的。

• Qwen-Image 2.1——Qwen 研究许可协议，日期为 2026 年 9 月 20 日。该授权为非独占性、全球范围、免版税，且仅限于非商业用途，其中“非商业”定义为仅用于研究或评估。除此以外的任何用途均需通过电子邮件申请单独的商业许可。再分发附有以下条件：随附传递本协议、标注被修改的文件、保留注明杭州通义实验室科技有限公司的署名声明、若你使用其输出结果训练另一个由你分发的模型则须显示“Built with Qwen”，且不得将“Qwen”用作衍生作品的主要名称。管辖法律为中国法律，管辖地为杭州。

• Krea 2 —— Krea 2 社区许可证。允许商业使用，但附有收入条件：您及您的关联公司全公司年度总收入必须低于一百万美元，按过去十二个月滚动计算，涵盖所有来源。超过该门槛后，须先向 Krea 取得企业许可证，方可继续任何商业使用。再分发时，您必须传递该协议、为模型名称添加前缀——"Krea 2 [Your Model Name]"——并保留署名声明。Krea 声明其不主张对输出成果的所有权，您拥有自己的衍生作品，但须受 Krea 基础权利的约束。适用特拉华州法律。访问权限需通过一份协议和一项可接受使用政策方可获得，且这两个环节在 Hugging Face 上都带有许可证标签krea-2-community-license。

并排来看，两者的形态不同，而不是其中一个更严格。Qwen-Image 2.1 对商业用途是明确禁止，只留了一个必须去协商才能打开的例外出口。Krea 2 则是允许，但设有一个上限，而这个上限是一个具体、可核对的金额数字，而非凭主观判断。对于小型工作室或独立开发者来说，这一差异就是决策的全部，Elo 差距不过是噪音。而对于超过门槛的任何人，两个模型最终都殊途同归：上线前先给厂商发一封邮件。

运行每一个需要花费多少

这两个数字供应商都没有公布，所以诚实的答案是，比较必须基于设置来构建，而不是基于报价。

• 采样 — Krea 2 RAW 以 52 步运行，引导比例为 3.5；Krea 2 Turbo 以 8 步运行并禁用引导；Qwen-Image 2.1 默认 40 步。

• 分辨率 — Krea 的文档显示，其基础检查点最高支持 1K，Turbo 检查点则覆盖约 1K 至 2K；Qwen-Image 2.1 默认输出 2048×2048，并在同一范围内提供七种已发布的预设。

• 下载内容 —— Qwen-Image 2.1 Diffusers 仓库大小为 33.1 GB，其中大部分是 Qwen3-VL 8B 文本编码器。Krea 尚未公布其检查点的对应大小。

• 运行支撑——Qwen-Image 2.1 发布时已在 Diffusers、ComfyUI、vLLM-Omni、SGLang 和 LightX2V 中获得有文档记录的支持，此外还有 AMD 和 FlagOS 路径。Krea 2 在其仓库中记录了 ComfyUI 和 SGLang，并提供了推理脚本以及若干用于 LoRA 工作的训练工具包。

Krea 公布了过去一个月的下载量：Krea-2-Raw 为 84,354 次，Krea-2-Turbo 为 87,771 次，数据读取于 2026 年 10 月 13 日——这些数字来自托管平台，而非 Krea，也不是质量指标。

现存唯一一项独立测试，以及它不能证明什么

有一项值得了解的并排对比，但它的局限也需要说明。一篇发表于2026年9月21日的日语文章，在配备32 GB显存的RTX 5090上、于ComfyUI v0.37.0中，用相同的提示词和种子让两个模型各运行了28条提示词，生成了76张对比图像。其统计结果为：Krea 2胜出10次，Qwen-Image 2.1胜出7次，9次打平，2次两者均失败。作者对这一模式的总结是：Qwen-Image 2.1擅长处理平面化的符号内容，而Krea 2能更好地处理三维物体的结构和物理表现；作者还指出，Krea 2的结果是在8步内得到的，而Qwen-Image 2.1用了25步。

那是一套由一名操作员、每个提示一个种子、一名视觉评委，以及本文发布前一个月的时间所构成的设置。它不是基准测试，也不是排名。它的价值在于校准预期：这两个模型足够接近，因此用真实提示词实际测试的人会看到双方各有胜负，这与实时排行榜上 11 分的 Elo 差距相符。

OrcaRouter 适合用在何处，又不适合用在何处

这两个模型都不在 OrcaRouter 上，而且这一点值得首先说明：我们在 2026 年 10 月 13 日检查了自己实时更新的模型列表，上面没有任何 Qwen-Image 模型，也没有任何 Krea 模型。上面这两项比较针对的都是你自己运行的权重，或你直接从各供应商处购买的托管端点。如果其中任何一个经由我们路由，这种路由是在许可决定之后发生的，而不是代替许可决定。

这里之所以要区分两者，原因在于问题的形态。Qwen-Image 2.1 和 Krea 2 都不是这两家实验室会发布的最后一批图像模型，而这一代模型的许可条款也不能用来预判下一代——Krea 已经从订阅制产品转向社区许可的开放发布，该公司也从早期 Qwen-Image 检查点上的 Apache-2.0 转为本代模型的仅限研究许可。一个团队若把图像管线标准化在某一家的 SDK 上，就得在每次许可变动时重新谈判这条管线。OrcaRouter 将 200 多个模型统一置于一个兼容 OpenAI 的端点之后，按提供商标价提供、零加价，并支持跨提供商的自动故障转移，以及用路由 DSL 把多个模型组合进一次调用。关键之处不在于我们托管了这两个模型——我们并没有——而在于：凡是经由我们提供服务的模型，替换调用背后的模型只是一次配置变更，而不是一个集成项目，而这正是开放权重许可变更通常逼着你去做的事。

该选哪一个

这是规则，而非裁决。如果你需要编辑现有图像——输入一张照片或产品图并修改其中一部分、使用蒙版、生成透明素材——Qwen-Image 2.1 是具备这种能力的模型，而 Krea 2 的开源发布则根本不在讨论之列。如果你需要商业产出，且你是营收线以下的小团队，Krea 2 的许可恰好允许这样做，而 Qwen-Image 2.1 则完全没有获得此类许可。如果你在微调，Krea 2 的 RAW 检查点明确就是为接受训练而构建的，其 LoRA 生态也假定你会这么做；Qwen-Image 2.1 可在仅限研究的授权下微调，而该授权会限制你能用结果做什么。如果你的营收高于门槛，并想将其中任何一个用于生产，那么无论选哪个，你都是在联系供应商——Krea 的联系方式为 opensource@krea.ai，而另一家供应商则在许可协议中的地址——选择就归结为你更愿意进行哪一种对话。

最能起决定作用的事实：是许可证，而不是排行榜。这两个模型在排行榜上相差十一个 Elo 分，而榜单上的区间比这还要宽；作为托管服务，它们每月相差大约一百美元；而在这些差异之中，读者唯一无法绕开的，就是印在许可证文件里的那一条。