Qwen-Image 2.1 與 Krea 2：哪一款開放圖像模型是你真正能出貨的？

兩個開放圖像模型都在過去四個月內開放下載，卻對同一個問題給出截然相反的答案。Qwen-Image 2.1是該廠商的 7B 文字轉圖像與圖像編輯模型，於 2026 年 9 月 20 日以研究專用授權發布——僅限非商業用途。Krea 2是 Krea 首個從零訓練的基礎圖像模型，於 2026 年 6 月以兩個檢查點形式發布，採用 Krea 2 Community License，該授權允許在營收門檻以下直接商業使用。在今天的人工分析文字轉圖像排行榜上，兩者相差在十一 Elo 分以內。但對於一個團隊在著手打造任何東西之前真正必須回答的問題，兩者根本稱不上接近。

Krea 2 究竟實際上是什麼

從這裡開始，因為命名方式容易誤導，而且大多數比較都會搞錯。Krea 這家公司經營的是一個附帶付費訂閱的託管式創意平台；Krea 2 這個模型則是另一回事，只是剛好同名。Krea 將其以開放權重的擴散 Transformer 發布，內含兩個檢查點，並在 Hugging Face 上以 krea/Krea-2-Raw 與 krea/Krea-2-Turbo，並將推論程式碼放在公開儲存庫中。

它們之間的分工是刻意設計的，並且在 Krea 自家的儲存庫中清楚載明：RAW 是未經蒸餾的基礎模型，用於微調、後訓練與 LoRA 訓練；Turbo 則是八步蒸餾的檢查點，用於快速推論。Krea 的建議是在 RAW 上訓練、在 Turbo 上執行，而其 LoRA 生態系正是依此打造——針對基礎模型訓練的適配器會在推論時套用到蒸餾檢查點上。這兩個檢查點共享同一授權與同一系列，但它們不能互換，設定也不相同。

有一個細節值得特別提出，因為它會讓任何閱讀這張卡片的人感到困惑：兩個檢查點的 Hugging Face 中繼資料都在側邊欄列出 13B 參數，而卡片內文卻寫著「擁有 120 億參數的擴散 Transformer」。Krea 並未公開調和這兩個數字，因此請把參數量視為大約 120 億到 130 億且尚未確認，而不是一個已經定案的數字。

那些數字，來自雙方供應商都指向的那塊看板

Krea 的儲存庫指出，Krea 2 是 Artificial Analysis 上來自獨立實驗室的頂尖文字轉圖像模型；技術報告則說它「位居前十」，且「在獨立實驗室的模型中排名第二」。這些都是 Krea 自己在六月提出的說法。2026 年 10 月 13 日即時排行榜顯示的結果則稍微狹隘一些，值得直接閱讀：

• Qwen-Image 2.1 — 1,038 Elo，95% 信賴區間為 1,029 至 1,047，取自 5,554 個樣本，在 168 個中排名第 20。排行榜的價格欄顯示「無可用 API」。

• Krea 2 Large — 1,027 Elo，區間 1,020 至 1,034，取自 17,514 個樣本，在 168 個中排名第 25，每 1,000 張圖片 $60.00。

• Krea 2 Medium Turbo — 1,022 Elo，區間 1,014 至 1,030，來自 6,454 個樣本，每 1,000 張圖片 $15.00。

• Krea 2 Medium — 1,014 Elo，區間 1,007 至 1,021，取自 17,284 個樣本，每 1,000 張圖片 $30.00。

那四列全部都出自文字轉圖像排行榜。在編輯排行榜上，只有 Qwen-Image 2.1 有出現——1,072 Elo，區間為 1,063 至 1,081，取自 6,132 個樣本，在 81 個項目中排名第 21。該排行榜上沒有 Krea 2 的紀錄。這裡所有數據都是 Artificial Analysis 的盲投 Elo，擷取自 2026 年 10 月 13 日的即時英文排行榜；這些數據獨立於兩家廠商，而且區間夠寬，因此 Qwen-Image 2.1 與 Krea 2 Large 之間的差距不應被解讀為排名。

「{{Krea 2 Large}}」與「{{Krea 2 Medium}}」這幾列也不是開放檢查點。它們是 Krea 的託管層級，這就是為什麼它們帶有每張圖片的價格，而開放儲存庫則沒有。把可下載的 Krea 2 RAW 拿來與託管的 Krea 2 Large 相比，等於是把檢查點跟服務拿來比較。

真正的分野在於剪輯，而非品質。

品質已接近到排行榜無法分出高下，真正決勝的是能力。Qwen-Image 2.1 是一個同時負責生成與編輯的模型：它可只接受提示詞，或接受最多十張參考圖搭配一段指令，並支援以手繪圈選、塗繪標註或獨立遮罩進行局部編輯，輸入與輸出皆具備 RGBA 透明通道。Krea 2 的開源版本則是文生圖系列。其模型卡記載的是提示詞轉圖像生成；該組織底下沒有任何編輯用的檢查點，推論腳本中也没有遮罩編輯模式，其參數僅涵蓋提示詞、步數、引導強度、解析度、種子與影像數量——沒有任何能接受輸入影像的選項。

這種不對稱源自已釋出的素材，而非源自任何一方實驗室的能力。Krea 自家的平台就有在賣編輯功能，靠的是一系列第三方編輯模型。對下載權重的讀者而言，真正相關的事實更為狹隘：如果你的工作流程需要「拿這張照片，只改動其中一個地方」，你能下載的開源 Krea 2 做不到這件事，而 Qwen-Image 2.1 的整體架構正是圍繞著做這件事而打造的。

兩張許可證，兩道不同的牆

這正是比較不再接近的地方，也是大多數摘要會化約為「兩者都是開放的」的那部分。兩者都不是寬鬆授權意義上的開源，而且它們完全不是在同一套條款下開放。

• Qwen-Image 2.1——Qwen 研究授權協議，日期為 2026 年 9 月 20 日。該授權為非專屬、全球性、免權利金，且僅限於非商業用途，其中「非商業」定義為僅限研究或評估。任何其他用途均須另行取得商業授權，並透過電子郵件提出申請。再散布須符合以下條件：一併傳遞本協議、標記已修改的檔案、保留載明 Hangzhou Tongyi Laboratory Technology Co., Ltd 的署名聲明；若您使用輸出內容訓練您所散布的另一個模型，須顯示「Built with Qwen」；且不得將「Qwen」用作衍生作品的主要名稱。準據法為中國法律，管轄地為杭州。

• Krea 2 — Krea 2 社群授權條款。允許商業使用，但附有營收條件：你與你的關係企業，就公司整體年度總營收而言，以過去十二個月為基準、涵蓋所有來源計算，必須低於一百萬美元。一旦超過這條界線，在進行任何進一步商業使用之前，必須先向 Krea 取得企業授權。若要再散布，你必須一併傳遞本協議、在模型名稱前加上「Krea 2 [你的模型名稱]」的前綴，並保留姓名標示聲明。Krea 表示其不主張任何輸出內容的所有權，而你擁有自己的衍生作品，但須受 Krea 既有權利之限制。本條款受德拉瓦州法律管轄。使用權限需通過一份協議與可接受使用政策才能取得，而這兩道關卡都帶有許可證標籤 krea-2-community-license（於 Hugging Face）。

並排來看，兩者的形態不同，而不是其中一個更嚴格。Qwen-Image 2.1 在商業使用上是硬性禁止，只有一個你得去協商的逃生門。Krea 2 則是附帶上限的允許，而那個上限是一個具體、可查核的美元數字，而不是憑判斷決定。對小型工作室或獨立開發者來說，這個差異就是整個決策的關鍵，而 Elo 差距只是雜訊。對任何超過門檻的人來說，兩個模型最終都落到同一個地方：在你出貨之前，先寄一封電子郵件給廠商。

每一項運作起來要花你多少錢

廠商並未公布這兩個數字，所以誠實的答案是，這項比較必須根據設定來建立，而不是根據報價。

• 取樣 — Krea 2 RAW 以 52 步執行，guidance scale 為 3.5；Krea 2 Turbo 則為 8 步且停用 guidance；Qwen-Image 2.1 預設為 40 步。

• 解析度 — Krea 的基礎檢查點最高記錄至 1K，其 Turbo 檢查點則涵蓋約 1K 至 2K；Qwen-Image 2.1 預設為 2048×2048，並在同一範圍內提供七組已發布的預設設定。

• 你會下載到什麼——Qwen-Image 2.1 Diffusers 儲存庫大小為 33.1 GB，其中大部分是 Qwen3-VL 8B 文字編碼器。Krea 尚未公布其檢查點的對應大小。

• 什麼能執行它 — Qwen-Image 2.1 推出時，已在 Diffusers、ComfyUI、vLLM-Omni、SGLang 和 LightX2V 中提供有文件記載的支援，另有 AMD 與 FlagOS 路徑。Krea 2 在其儲存庫中記載了 ComfyUI 與 SGLang，並附上一個推論腳本以及一些供 LoRA 作業使用的訓練工具包。

Krea 公布，Krea-2-Raw 在過去一個月的下載次數為 84,354，Krea-2-Turbo 為 87,771，資料讀取時間為 2026 年 10 月 13 日——這些數字來自代管平台，並非來自 Krea，也不是品質指標。

唯一存在的獨立測試，以及它無法證明什麼

有一個值得了解的並列比較，而它的限制也必須說清楚。一篇於 2026 年 9 月 21 日發表的日文文章，在配備 32 GB 的 RTX 5090 上、於 ComfyUI v0.37.0 中，以相同的提示詞與種子，將 28 組提示詞分別跑過這兩個模型，產出了 76 張比較圖像。其統計結果為：Krea 2 勝出 10 次，Qwen-Image 2.1 勝出 7 次，9 次平手，2 次兩者皆失敗。作者對這個模式的總結是：Qwen-Image 2.1 擅長處理平面符號性內容，而 Krea 2 更擅長處理三維物體的結構與物理特性；並指出 Krea 2 的成果是在 8 步時達成，相較之下 Qwen-Image 2.1 需要 25 步。

那只是一名操作者、每個提示一個種子、一名視覺評審，而且是在本文發表前一個月。它不是基準測試，也不是排名。它適合用來校準預期：這兩個模型足夠接近，因此實際執行真實提示的人會看到雙方各有勝負，這與即時排行榜上十一分的 Elo 差距相符。

OrcaRouter 適合的地方，以及不適合的地方

這兩款模型都不在 OrcaRouter 上，而這件事值得先說在前頭：我們在 2026 年 10 月 13 日查過自家的即時模型清單，上面沒有 Qwen-Image 模型，也沒有 Krea 模型。上面這兩項比較，談的都是你自己跑的權重，或你直接向各廠商購買的託管端點。如果其中任何一款透過我們路由，那也是在授權決定之後才路由，而不是取代授權決定。

這個區別在此之所以重要，原因在於問題的形態。Qwen-Image 2.1 和 Krea 2 都不是這兩家實驗室將發布的最後一批圖像模型，而這一代的授權條款也不能作為下一代的指引——Krea 已經從訂閱制產品轉向社群授權的開放發布，而該公司也從早期 Qwen-Image 檢查點所用的 Apache-2.0，改為這一版僅限研究用途的授權。若團隊把自家的圖像流程標準化在單一供應商的 SDK 上，每當授權變動，就得重新協商整條流程。OrcaRouter 以一個與 OpenAI 相容的端點，按供應商定價、零加成提供 200 多個模型，並具備 跨供應商的自動容錯移轉，以及可將多個模型組合成單次呼叫的路由 DSL。關鍵特性不在於我們託管這兩個模型——我們並沒有——而在於凡是透過我們提供服務的模型，替換呼叫背後的模型只是變更設定，而不是一項整合專案，而後者正是開放權重授權變更通常會迫使你面對的事。

該選哪一個

是準則，而非判決。如果你需要編輯既有影像——輸入一張照片或產品照並修改其中一部分、使用遮罩、產出透明素材——Qwen-Image 2.1 才是具備這項能力的模型，而 Krea 2 的開源釋出根本不在討論之列。如果你需要商業產出，而你是營收門檻以下的小型團隊，Krea 2 的授權正是為此而設，Qwen-Image 2.1 則完全未獲此授權。如果你正在進行微調，Krea 2 的 RAW 檢查點明確就是為了供人訓練而打造，其 LoRA 生態系也假定你會這麼做；Qwen-Image 2.1 則可在僅限研究的授權下進行微調，而該授權會限制你能拿成果做什麼。如果你營收高於門檻，並想將其中任一者投入正式生產，你無論如何都得寫信給供應商——Krea 請寄到 opensource@krea.ai，而供應商則寄到授權合約中的地址——而這項選擇就歸結為你更想進行哪一場對話。

最常決定選擇的事實是：授權條款，而不是排行榜。這兩個模型在排行榜上相差十一 Elo 分，而該排行榜的區間比這個差距還寬；作為託管服務，它們每月也相差約一百美元；而在這些差異之中，讀者唯一無法設法繞過的，就是印在授權條款檔案裡的那一項。