Krea 3 Ultra vs Krea 3：你買的是模式，不是模型

要理解 Krea 3 Ultra 與 Krea 3 之間差異，最簡單的方式就是：模型本身並沒有任何差異。兩者都是同一個端點——POST /generate/image/krea/krea-3——也使用同一組權重。Ultra 是名為 thinking_mode 的參數的第三個值，與 fast 和 high 並列。2026 年 10 月 20 日改變的是，Ultra 不再需要 beta 存取權限，任何採用 Max 方案或更高方案的 workspace 都能呼叫；Krea 3 早五天、已於 2026 年 10 月 15 日推出，並在同一則 changelog 條目中結束 beta。這類發布背後的已記錄 AI 故障與代理事件，都收錄在 the OrcaRouter AI Incident Archive，其中每則條目都附有自己的來源、嚴重程度、信心等級與爭議標記。

這種說法聽起來會讓比較變得輕而易舉——只要選品質設定就好。但事實並非如此，因為 Krea 自家的基準測試頁面顯示，在 Artificial Analysis 衡量的七項編輯操作中，Fast 有兩項勝過 Ultra；也因為各模式之間的價格差距，並不是定價表所暗示的那種固定倍數。這是一篇關於該在什麼工作上、以什麼成本，設定哪個模式的文章。

每個模式實際上做什麼

Krea 在單一表格中記載了這三種模式，而差異在於規劃，而非渲染：

• fast — 會擴充提示詞並生成。為預設、最快選項，也是 Krea 對「清楚、簡單的編輯與大多數日常請求」的推薦。

• 高 — 執行更強大的推理流程，在生成前根據提示詞與參考圖片規劃編輯。速度較慢。適用於多步驟編輯、需要合併多張參考圖片，或快速生成的結果未符合需求的情況。

• ultra — 會產生數個候選編輯，並依據你的提示詞與參考資料加以審查，然後回傳最好的一個。一律為 2K。速度最慢；Krea 表示一項工作「可能需要數分鐘」，上限約為十分鐘，若優先級設為「低」則為十六分鐘。

Ultra 的限制屬於在討論品質之前就決定它是否可用的那類限制。它要求 image_urls 中至少有一張影像，因此無法進行文字轉圖像。它不會輸出低於 2K 的內容。在 Max 以下的工作區無法使用它。而對於帶有 Krea 的 Zero Data Retention 標頭的請求，它會傳回 HTTP 422——有 ZDR 要求的企業完全無法使用 Ultra，無論方案為何。

High 沒有這類限制。它可在 1K 或 2K 下運作，接受純文字提示，並在 ZDR 下執行。如果你的限制在於資料處理而非品質，實際的比較會是 High 對上 fast，而 Ultra 根本不會納入比較。

Fast 勝出的兩塊板

Artificial Analysis 對 Krea 3 的兩種配置都給出了評分，這使其成為少數兩邊都有獨立數據的模式比較之一。截至 2026 年 10 月 20 日讀取，Ultra 的 Elo 為 1150.58，排名範圍 3–6，基於 5,378 個樣本。Fast 的 Elo 為 1125.11，排名範圍 7–15，基於 5,087 個樣本。Ultra 整體領先 25 Elo，這是實質差距而非平手——兩者各自 ±14 的區間重疊幅度不大。

接著，各類別看板會將其細分。七項編輯動作中有五項歸給 Ultra，但有兩項不是：

• 真人電影 — Fast #8 為 1151.6，Ultra #10 為 1135.79。Fast 以 15.8 Elo 勝出。

• 場景與風格編輯 — Fast 以 1127.35 排名第 11，Ultra 以 1119.78 排名第 18。Fast 以 7.6 Elo 勝出。

• 物件層級編輯 — Ultra #4 為 1161.08，Fast #5 為 1157.84。Ultra 以 3.2 勝出，仍在雜訊範圍內。

Live-Action 的結果才是值得停下來細想的那一個。Ultra 的整套機制，是先產生多個候選，再依提示詞挑出最好的一個——而在電影感底片劇照的編修上，這套審查流程產生的結果，反而比一次快速生成的結果更差。最可能的解釋是，挑選步驟最佳化的是對提示詞的遵循度，而電影感是依據提示詞很難描述得好的特質來評判：顆粒、光線衰減、光線的表現方式。無論原因是什麼，實際後果是：對 Krea 行銷最常展示的這類工作而言，「設定 Ultra 然後就不管了」是錯的。

帳本另一邊的差距，比整體排名所顯示的更大。在「以推理為基礎的編輯」中，Ultra 排名第 4，Fast 排名第 20——在這項獎勵規劃的動作上相差十六名。在「行銷與廣告」中，Ultra 是第 4，Fast 是第 21。在「動畫與遊戲」中，則是第 2 對上第 13。這些正是候選與審查循環發揮其設計用途的工作。

類別排名各自僅建立在數百票之上——Artificial Analysis 的各類別排行榜每個模型約有 300 到 800 個樣本——誤差區間為 ±20 到 ±38。請把單一類別名次視為一個方向，並在將生產工作流程轉移到該名次之前先檢查區間。

Ultra 在 Krea 3 之上要額外付多少錢

Krea 依元件計價，且各元件費用會相加。基本費用為每張 1K 圖像 $0.03，或每張 2K 圖像 $0.06。每個 1K 參考圖加收 $0.02；每個 2K 參考圖加收 $0.07。High thinking 每次生成加收 $0.02。Ultra 每次生成加收 $0.20，僅限 2K。

三個實例，皆為 2K：

• 一次主視覺編輯、一張 2K 參考圖 — Fast $0.06 + $0.07 = $0.13。Ultra $0.13 + $0.20 = $0.33。Ultra 的費用是 2.5 倍。

• 四項參考產品組合 — Fast $0.06 + $0.28 = $0.34。Ultra $0.54。Ultra 的成本為 1.6 倍。

• 一組包含十張參考圖的活動素材集，超出 Ultra 實務上四張參考圖的額度；一旦超出，Krea 就會開始將每張參考圖的最長邊縮小至 1536 px——此模式並非為此而設計，因此這項比較並不適用。

隨著參考數量增加，溢價會縮小，因為參考費用是兩種模式共有的，而 $0.20 是固定的。執行單一參考編輯的團隊支付完整的 Ultra 加價；執行四參考編輯的團隊則多付約 60%。這兩個數字都不是將 $0.20 與 $0.06 相比所暗示的 3.3 倍，也都不是比較兩個 $0.06 基礎價格所暗示的「相同價格」。

吞吐量，老實說

Krea 對 Krea 3 的發表說法是「大多數編輯在原生 2K 下，端到端不到 8 秒」。這個數字屬於 fast 路徑。該公司尚未公布 high 的中位數，且僅將 Ultra 描述為「數分鐘」，上限為十分鐘。任何要為型錄批次作業編列預算的人，都應把 Ultra 視為不同等級的操作：同一項 1,000 張影像的工作，在 fast 上能在單一工作時段內完成，在 Ultra 上則無法在一個時段內完成。

這正是路由層發揮價值、而不是只當帳單上一筆項目的地方。OrcaRouter 用一把金鑰涵蓋數百個模型，供應商牌價以 0% 加價直接轉嫁，所以上面的算式就是你實際被計費的算式，而當供應商發生錯誤或限流時自動容錯移轉，正是讓漫長的 Ultra 批次不會因單一失敗任務而停擺的關鍵。Krea 3 本身不在我們的目錄中——Ultra 是透過 Krea 自家 API 販售，且需要 Krea Max 方案才能解鎖——但你可能拿來繞過它的模型，包括 OpenAI 的 gpt-image-2.5 和 Google 的 Nano Banana Pro，則在目錄中。這對模式選擇很重要：測試「Ultra 是否勝過我現有的東西」最便宜的方法，就是用同一把金鑰把同一份需求簡報跑過兩者。

在它們之間做選擇

當編輯工作需要推理時，就該設定為 Ultra——例如圖片中的算術運算、把場景推進到之後的時刻、收據必須重新計算自身的總額——以及當一個好答案值得花上好幾分鐘時。Artificial Analysis 公布的範例正是這種情況：一項購物車編輯把馬克杯從一個改成三個，必須重新推算出該品項金額、小計、稅金與總計。Ultra 一路正確更新了該品項；兩家競爭對手更新了小計，卻讓該品項停留在舊值。

對於大量作業、任何必須在幾秒內回傳的工作，以及排行榜顯示 Ultra 並未領先的電影感或重新打光工作，都繼續使用 fast。當 fast 的結果未達需求，而工作又複雜到無法重試，但你負擔不起 Ultra 的延遲，或工作區無法符合其方案與資料處理條件時，就改用 high。

值得明確做出的決定是：Ultra 究竟該作為預設值，還是升級選項。Krea 將其作為同一個端點上的一項設定來販售，並按每次生成計價——這意味著對多數團隊而言，理性的配置是以快速模式作為預設，並只在那少數值得花費 $0.33 與五分鐘的資產上，刻意選用 Ultra。會因為這次發布而虧錢的團隊，正是那些因為它排名 #5 就全面切換模式，後來才發現他們的電影劇照編輯變得更糟的團隊。