跳至正文
MakerGain
← 返回案例列表

把參考圖拖進提示欄:Krea 用兩千萬美元押注「品味」可以訓練

編輯:MakerGain發布:文章更新:

Krea 把參考圖拖入提示欄、用滑桿調節單圖對生成結果的影響,把風格控制做成具體產品動作。聯合創始人 Victor 稱 K2 是路線圖中保守的首款自研模型,必須先成功,後續兩款才有空間承擔更大風險;團隊自述用七個月手工標註資料,並讓兩千萬美元 GPU 叢集運行一年。

比如你手上有一張參考圖:舊雜誌上的手繪插畫,帶掃描顆粒。你想讓模型畫出這個味道,而不是照抄圖裡的內容。平時能做的,是把感受寫成形容詞——顆粒感、手繪、復古印刷。寫出來的和心裡想的,總差一點。

Krea 2 把這個步驟換成了一個動作:把參考圖直接拖進提示欄當風格錨點,再上下滑動,調整它影響生成結果的程度。Krea 在自家部落格裡描述了這個互動 On being the underdog[1]。

滑桿本身不算大功能,但它把難題擺到了明面上:想讓模型對「這張圖的風格」有反應,光靠形容詞不夠,得有人在資料裡把風格標出來。這也是理解一家 37 人的公司為什麼要自己訓練模型的入口。

一個滑桿背後的取捨

多數前沿實驗室訓練模型時盯著可測指標:照片級真實、提示遵循、解析度。Krea 說,視覺風格和「品味」這類東西,更多是在後訓練階段成形的,而他們把功夫集中在這一階段 On being the underdog[1]。同一篇裡還有一句公司自己的說法:全世界大概只有兩百人真正會做這件事,到了後訓練這一步,已經不是模型架構問題,而是品味問題。

Krea 2(官方簡稱 K2)是這家公司首個自研生成式圖像模型,按風格範圍和創作變化來訓練,官方稱它在插畫、手繪、VHS 顆粒感、漫畫動畫和字標這些方向上更能站得住腳,不只奔著照片級真實去。這些是公司自述。Krea 在 FAQ 裡回答與 Nano Banana、GPT Image 的差別時,稱多數大模型會在單一安全風格上趨同,K2 則按風格範圍訓練——這是自我定位,不是獨立測試結果,拿它當效能勝負來讀會讀錯 On being the underdog[1]。

代價落在準備資料上:團隊花七個月手工建立並自行標註資料集,後訓練流程也是自己寫的 On being the underdog[1]。部落格解釋得直白:並非必須重新發明輪子,只因為預設的輪子會滾向他們不想去的方向。做產品的人在這裡的選擇不浪漫——想讓模型認得出「這張圖的風格」,就得有人一張張把「風格」標出來。

如果單張參考還不夠,同一篇部落格給了另一個動作:先建一塊情緒板,對著整體美學下提示,而不是拼一串形容詞 On being the underdog[1]。滑桿調的是單張參考圖的分量,情緒板管的是整體氣質。

「第一款不許失敗」

聯合創始人 Victor 把 K2 稱作路線圖裡「保守」的第一款模型。保守這個詞有分量:Krea 此前從未訓練過模型,第一次嘗試失敗,這筆兩千萬美元的賭注就到此為止;只有 K2 成了,後面兩款模型才有餘地承擔更多美學和訓練上的風險 On being the underdog[1]。

這是一次按順序下注,不是孤注一擲。同一台叢集要跑一年,兩千萬美元,同時供 K2 和另外兩款 Krea 模型使用 On being the underdog[1]。風險因此被排在時間軸上:先證明能訓出來,再談敢不敢冒險。部落格說,等 K2 跑通,接下來兩款模型才是可以「故意魯莽」的地方:新的訓練規範、新的美學,那種前沿實驗室因為要照顧十億用戶而沒法合理化的冒險。

這條路線的起點更早。Fast Company 這篇報導的作者在 2023 年見到 Victor Perez 和 Diego Rodriguez,兩人當時設想的不只是生成式 AI 媒體,而是一套有工匠級操控感的工具集,把多種 AI 模型整合起來,讓圖像、影片和聲音的邊界變模糊 Krea, an Adobe for the AI era[2]。報導把 Krea 的核心承諾概括為「可控性」,Perez 說當初的假設被驗證,在社區裡得到了回應。把參考圖變成能滑動的錨點,是這句承諾的一個具體形狀。

圖:來源 Krea 官方改版文章[3],2026-11-11取得,保留原介面。

這張官方素材來自網頁介面的增強工具:前後對比和參數放在同一螢幕,是「可控性」在增強工具裡的另一個樣子,並非 K2 的參考圖滑桿。

用戶、融資和一筆算力帳

公司稱有免費層,可以測試 K2 和平台其他功能,「貓騎自行車」那個測試免費 On being the underdog[1]。部落格和 Fast Company 的報導都沒給訂閱價格、計費週期或額度結轉,也就無從判斷有多少人真正掏錢。

錢和人的規模有數:Krea 官方部落格稱公司累計融資 8300 萬美元、37 人 On being the underdog[1];Fast Company 報導稱 B 輪 4700 萬美元由 Bain Capital Ventures 領投,此前 A 輪由 Andreessen Horowitz 領投,累計 8300 萬美元,估值 5 億美元 Krea, an Adobe for the AI era[2]。同一篇報導以「兩年後、2000 萬用戶」描述完成 B 輪時的規模,但正文沒給用戶定義、精確統計日期或渠道拆分——這個數字能說明被看見的程度,說明不了收入。

成本這端只知道一筆:那台要跑一年的兩千萬美元 GPU 叢集。它對應的是算力投入,並非某個月的推理帳單;公開資訊沒有模型採購、推理、儲存、人員等分項,利潤結構仍然不清楚。

風格歸誰

有一處細節不像行銷話術:Krea 稱用戶上傳或生成的內容仍歸用戶所有,用戶可以選擇不讓作品用於訓練 Krea 模型 On being the underdog[1]。同一篇部落格裡,公司說正在試驗用 AI 本身去認定「對某次生成有可測量風格影響」的創作者,希望在行業定型前探索出一層可持續的版稅 On being the underdog[1]。

這件事沒有落地版本,措辭是「試驗」和「希望」,能不能算得清、算出來給誰付錢,都還是空的。但它和滑桿是同一個問題的兩端:如果風格可以被指出來、被滑動調節,那麼「這是誰的風格」遲早要有一個帳本。Krea 把版稅實驗放在發布自研模型的同一篇文字裡,至少說明它知道這筆帳會來。

Krea 押的是:品味可以被訓練、被產品化,也許還可以被歸功;而這條鏈的起點,是先把風格做成一個能拖動、能滑動、能標出輕重的對象。風格像不像,最後是在用戶自己那張圖上驗的,不在任何一篇部落格裡。

繼續閱讀

AI 影片AI 語音
影片留在本機,只把音軌送出去:AutoSubtitles 的 $3,254 MRR

AutoSubtitles 把影片轉字幕收進網頁:免註冊,頁面自述影片檔案留本機、只送音軌轉寫後刪除;TrustMRR 顯示累計收入 約 NT$695,719.19(21,169 美元)、MRR 約 NT$106,942.71(3,254 美元)、414 個活躍訂閱,收入經 Stripe 驗證。頁面列 Free、Pro 約 NT$295.79(9 美元)/月、Max 約 NT$492.98(15 美元)/月,但未說明付費週期與各檔限制。

AI 自動投稿AI 寫稿AI 圖片AI 影片
別從空白頁開始:CaptureFlow 接住你說的話,簽字仍歸你

CaptureFlow 把語音、連結、影片或檔案裡的表達接住,交給 Content Agent 起草,使用者改完並明確批准後才發到 LinkedIn,責任仍歸本人。Chris Koronowski 在波蘭波茲南營運公司,分 Pro、Business、Agency 三檔收費,後兩檔按席位;案例稱 InStream 有 100 個付費席位,TrustMRR 另顯示 8 份訂閱,兩者不能併成客戶數。

AI 效率AI 寫稿AI 圖片
不用註冊的波蘭語AI,把註冊門檻拆到付款頁

波蘭語聊天服務 Czat.ai 用無需註冊、免英語和 BLIK 付款來降低使用門檻;創始人 Jaskólski 稱有意拆掉訂閱、帳號與提示詞障礙。官網展示 28 個角色、檔案與圖片交付,條款則把角色定義和退款邊界寫清。TrustMRR 記錄顯示其有付費訂閱,但未披露利潤與續費留存,不能據此判斷盈利。

AI 伴侶AI 圖片AI 語音
一則回覆算一則,一張照片算八則:Embraces.AI 把陪伴拆成訊息賣

Embraces.AI 把陪伴按訊息計價:一則回覆算 1 則,一張 Picture this 圖算 8 則。伴侶有跨會話記憶,會連發氣泡並主動找人;使用者可編輯記憶、匯出聊天。註冊前有 40 則免費訊息,付費三檔 約 NT$394.38($12) 起,約 NT$164.33($5) 可儲值 250 則。TrustMRR 2026-11-14 記其全時收入 約 NT$1,583,862.95($48,193)、426 個活躍訂閱。