Krea 2 공개 사실 및 핵심 사양

Krea가 120억(12B) 파라미터 규모의 새로운 프런티어 AI 이미지 모델 'Krea 2'를 오픈 웨이트 형태로 공개했다. 이번 릴리스의 핵심은 모델의 목적에 따라 최적화 지점이 다른 두 가지 체크포인트, 'Krea 2 Raw'와 'Krea 2 Turbo'를 동시에 제공한다는 점이다. 두 모델 모두 허깅페이스(Hugging Face)를 통해 다운로드할 수 있으며, 커스텀 라이선스 하에 배포된다.

가장 눈에 띄는 수치는 생성 속도다. Krea 2 Turbo 모델의 경우 이미지 생성에 소요되는 시간이 2초에 불과하다. 이는 현재 공개된 오픈 웨이트 모델 및 폐쇄형 모델을 통틀어 최상위권의 처리 속도다. 참고로 벤치마크 대상인 FLUX.1 [schnell] 모델이 1.8초의 중앙값을 기록하며 최저 지연시간을 보여주며, Midjourney v8.1의 Fast 모드가 10초 미만의 대기 시간을 기록하는 것과 비교하면 Krea 2 Turbo는 실시간성에 가까운 고처리량(High-throughput) 환경에 최적화되어 있다.

디퓨전 트랜스포머 기반 아키텍처와 최적화

모델의 핵심은 처음부터 새로 설계한 디퓨전 트랜스포머(Diffusion Transformer, DiT) 구조다. Krea 2는 구조적 명확성을 위해 멀티 스트림 구성 대신 단일 스트림 트랜스포머 블록 아키텍처를 채택했다. 이 구조에서는 텍스트 토큰과 이미지 토큰이 어텐션(Attention) 및 MLP 레이어를 네이티브하게 공유한다.

연산 효율을 높이기 위해 적용된 세부 기술은 다음과 같다. 먼저 4배 확장 계수를 가진 SwiGLU MLP 레이어를 도입했으며, 그룹 쿼리 어텐션(Grouped-Query Attention, GQA)과 게이트 시그모이드 어텐션(Gated Sigmoid Attention) 레이어를 결합해 학습 역학을 안정화했다. 특히 타임스텝 컨디셔닝(Timestep Conditioning) 최적화가 두드러진다. 기존의 블록당 MLP 모듈을 경량화된 '블록별 튜너블 바이어스(per-block tunable bias)' 항으로 대체함으로써, 전체 블록 변조 파라미터를 20%에서 30%까지 줄였다. 이렇게 절감한 파라미터 예산은 다시 모델의 핵심 레이어로 재배치되었다.

위치 인코딩(Positional Encoding)은 3D Axial Rotary Position Embedding(RoPE) 스킴을 통해 관리된다. 이는 개별 프레임, 높이, 너비 좌표를 매핑하는 방식이다. 또한, 256px 기준의 초기 학습 단계에서는 아키텍처의 조기 수렴을 돕기 위해 내부 표현 정렬(internal Representation Alignment, iREPA) 기술을 적용한 뒤, 모델이 독립적인 구조적 표현을 개발할 수 있도록 이를 분리하는 과정을 거쳤다.

모델 버전별 도입 기준과 실행 환경

개발자가 두 모델 중 무엇을 선택할지는 '학습 가능성'과 '추론 속도'라는 상충하는 기준에 따라 결정된다.

Krea 2 Raw는 Krea 2 Medium 개발 주기 중 중간 학습 단계에서 추출한 비증류(Undistilled) 베이스 체크포인트다. 이 모델은 RLHF(인간 피드백 기반 강화학습)나 최종 미적 증류(Aesthetic Distillation) 과정을 거치지 않았다. 따라서 즉각적인 프롬프트 입력으로는 결과물이 만족스럽지 않을 수 있으나, 큐레이션되지 않은 방대한 잠재 공간(Latent Space)을 보유하고 있어 구조적 학습 및 파인튜닝을 위한 '빈 캔버스'로 활용하기에 적합하다.

Krea 2 Raw를 허깅페이스의 `diffusers` 라이브러리로 실행하려면 상당한 컴퓨팅 자원이 필요하다. 구체적인 실행 설정은 다음과 같다.

- 파이프라인: `Krea2Pipeline`

- 정밀도: `torch.bfloat16`

- 추론 단계: 52 steps

- 가이던스 스케일(Guidance Scale): 3.5

반면 Krea 2 Turbo는 Krea 2 Medium에서 지식 증류(Knowledge Distillation)를 통해 파생된 포스트 트레이닝 변체다. 복잡한 다단계 생성 시퀀스를 압축하여 연산량을 극도로 낮췄으며, 2초라는 빠른 생성 속도가 필요한 프로덕션 환경에 적합하다. 실무자는 정밀한 제어와 추가 학습이 필요할 때는 Raw 모델을, 빠른 응답 속도와 즉각적인 출력이 필요할 때는 Turbo 모델을 선택하는 전략이 필요하다.