🚨 الذكاء الاصطناعي في ثانيتين: ثورة نموذج Krea 2 لتوليد الصور

عندما تلتقي السرعة والجودة والحرية الإبداعية في نموذج واحد

في 23 يونيو 2026، أعلنت شركة Krea AI الناشئة في سان فرانسيسكو عن إصدار نسختين من نموذج توليد الصور من الجيل التالي، تحت اسم Krea 2 Raw و Krea 2 Turbo، بأوزان مفتوحة. جاء هذا الإعلان وسط موجة جديدة من نماذج الصور التي تعد بتوليد أسرع وأكثر دقة وأكثر قابلية للتخصيص، لكن ما يميز Krea 2 عن المنافسين هو مزيج فريد من السرعة الاستثنائية (ثانيتان للصور الكاملة)، والمرونة المعمارية للضبط الدقيق، والترخيص التجاري بشروط محددة.

بينما أصبحت أدوات توليد الصور بالذكاء الاصطناعي مثل Midjourney و DALL-E و Stable Diffusion جزءاً لا يتجزأ من سير عمل المسوقين الرقميين ومصممي الجرافيك والفنانين في السنوات الأخيرة، فإن الانتقاد المستمر الموجه لهذه الأدوات هو أن مخرجاتها "رتيبة" و"غير أصلية" و"نمطية". تُسمى هذه الظاهرة "AI Slop"، أي الصور التي يسهل التعرف عليها كمولدة بالذكاء الاصطناعي وتشكل خطراً على هوية العلامة التجارية.

تدعي Krea أن البنية المعمارية بـ 12 مليار معامل لـ Krea 2، التي تم تدريبها من الصفر مع التركيز على "التنوع الجمالي"، تحل هذه المشكلة. وفقاً للتقرير الفني الرسمي الذي نشره فريق Krea، بدلاً من نشر نموذج واحد مضبوط بشكل كبير لجميع المهام النهائية، تقدم الشركة نسختين متميزتين: واحدة محسّنة للتدريب والتخصيص (Raw) وأخرى للإنتاج السريع في البيئات الحقيقية (Turbo).

البنية التقنية: محول انتشار بـ 12 مليار معامل

في قلب Krea 2، توجد بنية Diffusion Transformer مصممة خصيصاً لهذا المشروع من الصفر. على عكس العديد من نماذج الصور التي تستخدم بنيات متعددة التدفق (حيث تُعالج رموز النص والصورة في مسارات منفصلة)، يستخدم Krea 2 بنية أحادية التدفق حيث تُشارك طبقات الانتباه وMLP بشكل أصلي بين رموز النص والصورة.

يقلل هذا التصميم من التعقيد الحسابي ويزيد من سرعة الاستدلال. للمزيد من التحسين، استخدم فريق Krea طبقة MLP من نوع SwiGLU مع معامل توسع 4x، بالإضافة إلى Grouped-Query Attention (GQA) مع طبقات Gated Sigmoid Attention لتثبيت ديناميكيات التدريب.

أحد الابتكارات المثيرة في Krea 2 هو استبدال وحدات MLP التقليدية لـ Timestep Conditioning بمصطلح Bias خفيف الوزن قابل للضبط لكل كتلة. أدى هذا التغيير إلى تقليل معاملات التعديل بنسبة 20٪ إلى 30٪، وإعادة تخصيص ميزانية المعاملات المحررة مباشرة إلى الطبقات الأساسية.

لإدارة المعلومات المكانية، يستخدم Krea نظام ترميز موضعي ثلاثي الأبعاد يسمى Axial RoPE (Rotary Position Embedding)، الذي يرمز موضع كل رمز عبر ثلاثة محاور (الارتفاع والعرض والإطار). هذه الميزة مهمة بشكل خاص لتوليد الفيديو والصور متعددة الإطارات.

نموذجان، غرضان: Raw للتدريب، Turbo للإنتاج

ما يجعل استراتيجية إصدار Krea 2 فريدة هو تقديم نقطتي تفتيش مختلفتين جوهرياً، كل منهما مصممة لحالات استخدام محددة.

Krea 2 Raw: لوحة بيضاء للإبداع

Krea 2 Raw هي نقطة تفتيش "نصف مدربة" مأخوذة مباشرة من منتصف دورة تدريب Krea 2 Medium. لم يخضع هذا النموذج لأي محاذاة ما بعد التدريب، أو RLHF (التعلم التعزيزي من ردود الفعل البشرية)، أو التقطير الجمالي، مما يعني أن فضاءه الكامن محايد تماماً وغير مقيد.

نتيجة لذلك، Krea 2 Raw ليست مناسبة للاستخدام المباشر خارج الصندوق، حيث قد تنتج الطلبات البسيطة مخرجات غير متوقعة أو ضعيفة. لكن هذا بالضبط ما يجعلها مثالية للضبط الدقيق وتدريب LoRAs (تعديلات الرتبة المنخفضة). يمكن للمطورين تدريب هذا النموذج على مجموعات بيانات مخصصة وحقن أنماطهم البصرية الفريدة دون مواجهة قيود محددة مسبقاً.

لتشغيل Krea 2 Raw عبر مكتبة Diffusers على Hugging Face، تحتاج إلى موارد حسابية كبيرة: التنفيذ بدقة torch.bfloat16 عبر 52 خطوة استدلال مع مقياس توجيه 3.5. تم تصميم هذا التكوين للدقة العالية ويتطلب أجهزة قوية.

Krea 2 Turbo: محرك السرعة للإنتاج الضخم

يقع Krea 2 Turbo في الطرف المقابل من طيف التحسين. هذا النموذج هو نسخة مقطرة ومدربة بعد ذلك مشتقة من Krea 2 Medium التي ضغطت تسلسل التوليد متعدد الخطوات المعقد إلى ملف تشغيلي فائق النحافة من خلال تقطير المعرفة.

يخفض Turbo دورة التوليد المطلوبة إلى 8 خطوات استدلال فقط مع مقياس توجيه 0.0، مما يمكّنه من عرض صور بدقة 2K الأصلية على الأجهزة الاستهلاكية القياسية (مثل بطاقات GPU بسعة 16GB أو 24GB) في حوالي ثانيتين. تجعل هذه السرعة منه أحد أسرع نماذج توليد الصور المتاحة، سواء كانت مفتوحة المصدر أو خاصة.

معيار السرعة: Krea 2 Turbo مقابل المنافسين

لفهم أفضل لمكانة Krea 2 Turbo في السوق، نشر فريق Krea جدول مقارنة شامل يوضح سرعة التوليد وشروط الترخيص لنماذج مختلفة. تم تجميع هذه المعايير من البيانات العامة من Artificial Analysis و Replicate و Fal.ai ومقدمي API الآخرين.

كما يوضح الجدول، فقط FLUX.1 [schnell] و Z-Image Turbo يتفوقان على Krea 2 Turbo من حيث السرعة الخام، لكن FLUX.1 لا يضاهي Krea 2 من حيث الجودة البصرية والتنوع الجمالي، بينما Z-Image Turbo هو نموذج خاص تماماً متاح حصرياً من خلال الوصول المدفوع لـ API.

القيمة الشاذة الجديرة بالملاحظة هي GPT-Image-2 من OpenAI بوقت توليد 200.8 ثانية (أكثر من 3 دقائق!). يُفترض أن يكون هذا بسبب استخدام عملية سلسلة تفكير متعددة الخطوات واسعة النطاق قبل توليد البكسل النهائي، مما يؤدي إلى تأخير شديد.

استراتيجية البيانات والتدريب: سياسة صفر بيانات صناعية

أحد ادعاءات Krea الجريئة هو أن مجموعة بيانات ما قبل التدريب الأساسية الخاصة بها لا تحتوي على بيانات صناعية (مولدة بالذكاء الاصطناعي). تُسمى هذه السياسة "سياسة صفر بيانات صناعية" وهي مهمة لأن العديد من نماذج الصور الحديثة تزيد حجم مجموعة البيانات من خلال دمج مخرجات من نماذج أخرى.

المشكلة في استخدام البيانات الصناعية هي أنها تُدخل تحيزات منهجية وتقلل من التنوع البصري. يميل النموذج المدرب على صور مولدة بواسطة نموذج آخر إلى تكرار هذا النمط ولا يمكنه تعلم أنماط جديدة أو غير تقليدية.

لمنع هذه المشكلة، بنى فريق Krea مصنفات مخصصة بناءً على بنيات DINOv3 و SigLIP-2 تُزيل تلقائياً الصور الصناعية من مجموعة البيانات. بالإضافة إلى ذلك، بدلاً من استخدام مرشحات جمالية قائمة على النماذج (التي غالباً ما تزيل الصور ذات ضبابية الحركة أو الأنماط الفنية المحددة)، استخدمت Krea مشفر تلقائي متناثر (SAE) مدرب على SigLIP-2 Embeddings يحدد ويزيل فقط العيوب البصرية الحقيقية (مثل الضوضاء، عيوب الضغط).

سير العمل الموصى به: التدريب على Raw، التوليد مع Turbo

تقدم Krea نموذجاً تشغيلياً واضحاً للاستوديوهات المحترفة والمبدعين المستقلين، يُسمى "التدريب على Raw، التوليد مع Turbo". يستفيد هذا السير من الخصائص المعمارية الفريدة لكلا ملفي الوزن لتحسين دقة التدريب وسرعة العرض.

في خطوط إنتاج إبداعية، يمكن للمهندسين استخدام Krea 2 Raw لتدريب LoRAs مخصصة أو ضبط دقيق خاص بالمجال. نظراً لأن نقطة تفتيش Raw لا تحتوي على آراء أسلوبية مخبوزة أو قيود عدوانية بعد التدريب، فإنها تمتص اتجاهات جمالية فريدة (مثل أنماط الصياغة المعمارية، أصول علامة تجارية محددة، أو تصميمات إضاءة معقدة) بدقة عالية وبدون تداخل أسلوبي.

بمجرد اكتمال مرحلة التدريب، يمكن للمبدعين نقل تلك LoRAs بالضبط مباشرة إلى Krea 2 Turbo. تنعكس هذه المنهجية في نظام تطوير Krea الخاص، الذي يستضيف مجموعة داخلية من LoRAs المخصصة المدربة بالكامل على نموذج Raw الأساسي ولكن محسّنة للتنفيذ في سير عمل Turbo.

في طبقة التطبيق الموجهة للمستخدم، تدمج Krea هذا الإعداد ثنائي المحرك مع نظام نقل نمط قوي. بدلاً من الاعتماد على أوصاف نصية غير منتظمة لتحقيق مظهر فني، يمكن للمستخدمين إطعام صور مرجعية نمطية متعددة مباشرة في النظام. يرسم Krea 2 هذه المراجع عبر فضائه الكامن، مما يسمح للمبدعين بعزل المكونات الجمالية الفردية، ودمج لوحات مزاجية متميزة، وضبط قوة النمط عبر منزلقات توليدية، وضبط مستويات تباين الدفعة للحفاظ على التماسك البصري عبر تكرارات تصميم واسعة النطاق.

موسع طلب LLM: من نص قصير إلى طلبات احترافية

لسد الفجوة بين التسميات التوضيحية للتدريب الخام والمدخلات المختصرة من المستخدمين، تقترن Krea هذه المجموعة مع موسع طلب LLM متقدم. تم تحسينه عبر Generalized Deep Q-Network Preference Optimization (GDPO) ومدرب على آثار تفكير صناعية للحفاظ على إعادة بناء النية، يطبق الموسع تحيزاً للوسيط الفوتوغرافي على الطلبات الواقعية ويدمج درجة تنوع Embedding DINOv3 نشطة عبر مجموعات الطرح لمنع روتينات الطلب الآلية من الانهيار في نمط منزلي واحد.

الترخيص المخصص: مفتوح لكن بشروط

يتم نشر أصول الوزن المفتوح بموجب اتفاقية ترخيص مجتمع Krea 2 التي تعمل جنباً إلى جنب مع سياسة استخدام مقبول رسمية. على المستوى الكلي، يعكس هذا الإطار القانوني الاتجاهات الصناعية الأخيرة نحو أذونات الاستخدام التجاري التي تستهدف الشركات الصغيرة مع تقييد استغلال المؤسسات الكبيرة.

يسمح الترخيص صراحةً للأفراد والمبدعين المستقلين والشركات التجارية الصغيرة ببناء تطبيقات، وتحقيق الدخل من الصور المولدة، ودمج الأوزان المفتوحة مباشرة في منتجات البرمجيات التجارية دون التزامات ملكية. علاوة على ذلك، تعلن Krea أنها "لا تدعي حقوق النشر أو حقوق الملكية الفكرية الأخرى على المحتوى الذي ينشئه مستخدمو هذا النموذج"، مما يترك ملكية المخرجات بالكامل في أيدي المشغل.

بالنسبة للمؤسسات التي تتوسع خارج هذا الخط الأساسي، ينتقل النظام البيئي إلى هيكل مستوى مخصص مدفوع. بينما تفتقر وثائق Krea الرسمية إلى عتبة إيرادات صارمة تحدد "مؤسسة كبيرة"، تحدد الشركة الحدود هيكلياً بناءً على البصمة التنظيمية: يقتصر الاستخدام التجاري القياسي على مستوى "الأعمال" الذي يستوعب ما يصل إلى 50 مقعداً.

لذلك، أي كيان يتطلب أكثر من 50 مقعداً، أو تكاملات تسجيل الدخول الموحد (SSO)، أو اتفاقيات مستوى الخدمة المضمونة (SLAs)، أو اتفاقيات معالجة البيانات المخصصة (DPAs) مؤهل كمؤسسة. تقع هذه الكيانات الأكبر خارج نطاق ترخيص المجتمع المجاني ويجب أن تدفع مقابل ترخيص تجاري مخصص—يعمل بموجب "شروط خدمة مخصصة"—يتم التفاوض عليه مباشرة مع فريق مبيعات Krea.

متطلبات السلامة: المسؤولية تقع على المضيفين

ومع ذلك، يكشف الفحص الدقيق عن تحول هيكلي كبير فيما يتعلق بالامتثال القانوني والسلوكي لجميع عمليات النشر ذاتية الاستضافة. على عكس أذونات المصدر المفتوح التقليدية مثل تراخيص MIT أو Apache 2.0—التي تمنح حقوق استخدام غير مشروطة وتتنازل تماماً عن المسؤولية—يطبق ترخيص مجتمع Krea 2 حواجز حماية سلوكية صارمة في اتجاه المصب.

نظراً لأن Krea تتخلى عن السيطرة المركزية على النشر النهائي لأوزانها المفتوحة، فإن العقد يُلزم الناشرين قانوناً بفرض بروتوكولات تعديل المحتوى على مستوى البنية التحتية. بموجب شروط الاتفاقية، يجب على أي مطور أو منصة تستضيف نماذج Krea 2 تنفيذ مصنفات إدخال/إخراج نشطة أو آليات تصفية محتوى معادلة لمنع توليد مواد غير قانونية، أو صور حميمة غير توافقية (NCII)، أو مواد الاعتداء الجنسي على الأطفال (CSAM)، أو أصول تشهيرية بشكل نشط.

المطورون الذين يفشلون في نشر هذه الطبقات الدفاعية للسلامة يقعون في انتهاك فوري للعقد، مما يمنح Krea الحق الصريح في تحديث أوزان النموذج أو إلغاء الوصول إلى عائلة النموذج بالكامل.

خلفية الشركة: من المجمّع إلى باني النماذج

تأسست Krea في عام 2022 على يد Víctor Perez و Diego Rodriguez Prado، وهما طالبان تركا دراستهما في هندسة الأنظمة السمعية البصرية في سان فرانسيسكو. في البداية، اكتسبت Krea جذباً في السوق كطبقة واجهة مستخدم سلسة للغاية مبنية لتنسيق محركات AI التوليدية المختلفة من طرف ثالث. أدى التوسع السريع للشركة الناشئة عبر اعتماد المنتج إلى تمويل رأسمالي مجموع قدره 83 مليون دولار من كبار المستثمرين بما في ذلك Andreessen Horowitz و Bain Capital Ventures، بالإضافة إلى داعمين مؤسسيين في مراحل مبكرة بما في ذلك Pebblebed و Abstract Ventures و Gradient Ventures.

تجاوزت قاعدة مستخدمي الشركة 30 مليون فرد في 191 دولة اعتباراً من يونيو 2026، وفقاً لموقعها على الويب. يمثل إطلاق الأوزان المفتوحة لعائلة نموذج Krea 2 ذروة التطور المتعمد لـ Krea من مجمّع SaaS متعدد النماذج إلى مختبر أبحاث إعلامي مكتفٍ ذاتياً.

في وقت مبكر من دورة حياتها، ركزت Krea على بناء أدوات سير العمل، وأنظمة التحرير، وخط أنابيب أتمتة قائم على العقد سمح للفنانين الرقميين بتوحيد النماذج من المنافسين مثل Runway و Midjourney و Adobe تحت اشتراك واحد. ومع ذلك، لعزل نفسها ضد التبعيات على المنصة المنبع وضغوط هامش الموردين، انتقلت الشركة بقوة نحو تطوير بنيات خاصة.

ردود فعل المجتمع: حماس مع مخاوف بشأن الترخيص

يركز المبدعون بشدة على الحرية الهيكلية التي توفرها نقطة التفتيش Raw غير المحاذاة، وينظرون إليها كبديل مهم لـ APIs المغلقة التي توفرها النماذج مغلقة المصدر. من خلال الإعلان الرسمي على X (تويتر سابقاً)، أكدت Krea على التحول الأساسي الذي يمثله هذا الإطلاق لسير عمل AI المفتوحة.

ومع ذلك، يعبر بعض أعضاء مجتمع المصدر المفتوح عن مخاوفهم بشأن متطلبات الترخيص. في Reddit و Hugging Face Discussions، يناقش المستخدمون ما إذا كان شرط تنفيذ مرشحات السلامة "مفتوح المصدر حقاً" أم لا. يجادل البعض بأن هذه الشروط تتعارض مع فلسفة حرية البرمجيات الكاملة.

المستقبل: المنافسة مع العمالقة أم التعاون؟

بينما يبدأ بناة النماذج المستقلون في تجميع مستودعات Hugging Face، ستتحدد القيمة العملية للإصدار من خلال مدى فعالية مجتمع المصدر المفتوح في توسيع نطاق LoRAs المخصصة باستخدام Krea 2 Raw. من خلال توفير شروط تجارية واضحة وخفض حواجز دخول الأجهزة عبر خط أنابيب استدلال Turbo المكون من 8 خطوات، قدمت Krea بديلاً تنافسياً للغاية لسوق الأوزان المفتوحة.

السؤال المركزي هو: هل يمكن لـ Krea 2 إنشاء تأثير الشبكة الذي أحدثه Stable Diffusion في 2022-2023؟ هل سينتج المبدعون LoRAs وضبط دقيق كافياً لبناء نظام بيئي مستدام؟