크레아, 이미지 모델 '크레아 2' 가중치 공개: 미세조정용 Raw와 고속 Turbo

크레아 2는 미적 표현력과 조명, 질감 제어에 초점을 맞춘 오픈소스 이미지 생성 모델이다. 이제 로컬 환경에서 직접 구동하거나 커스텀 스타일에 맞춰 추가 학습을 진행할 수 있다.

크레아는 용도가 명확히 나뉜 두 가지 체크포인트를 허깅페이스에 공개했다.

미세조정용 Raw와 8단계 고속 Turbo

일반적으로 증류된 고속 모델은 로라 학습 시 품질이 깨지기 쉽고, 미증류 베이스 모델은 생성 속도가 너무 느리다. 크레아 2는 이 문제를 두 개의 체크포인트로 분리해 해결했다.

크레아 2 Raw는 학습 중간 단계에서 추출한 미증류 체크포인트다. 표현 다양성과 가변성이 높아 ComfyUI 등에서 로라를 학습시키거나 파인튜닝, 사후 학습을 진행하는 연구·개발용 베이스로 설계됐다.

크레아 2 Turbo는 8단계 추론만으로 정돈된 결과물을 뽑아내는 고속 증류 체크포인트다. 빠른 텍스트 투 이미지 생성에 적합하다.

핵심은 두 모델의 호환성이다. Raw 모델에서 로라를 학습시킨 뒤, 생성 단계에서는 Turbo에 그대로 장착해 8단계로 고속 렌더링할 수 있다. 베이스 모델의 높은 학습 수용력과 증류 모델의 속도를 동시에 챙길 수 있는 구조다.

모델 구조와 라이선스

모델의 뼈대로는 12B 파라미터 규모의 dense DiT 백본을 사용했다.

텍스트 인코더는 다층 특징 집계를 적용한 Qwen3-VL을 채택해 프롬프트 세부 묘사를 반영하도록 했으며, 이미지 인코딩에는 Qwen Image VAE를 결합했다.

공식적으로는 재질 표현, 조명, 실내 인테리어, 건축 외관 등 초기 시각 디자인 단계의 정밀한 스타일에 강점을 보인다고 설명한다.

가중치는 허깅페이스에서 내려받을 수 있으며, 라이선스는 커뮤니티용과 상업용 엔터프라이즈용으로 나뉘어 제공된다.

왜 중요한가

ComfyUI를 활용해 맞춤형 로라를 제작하는 창작자나 디자인 워크플로를 구축하려는 팀이라면 즉시 테스트해볼 만하다. 12B dense DiT 구조라 가볍지는 않지만, Raw로 학습하고 Turbo로 뽑아내는 파이프라인 덕분에 실무에서의 추론 속도 부담을 크게 덜었다.

수정이 불가능한 완제품 형태의 증류 모델만 내놓는 여타 프로젝트와 달리, 미증류 중간 체크포인트를 함께 개방한 선택은 외부 개발 생태계를 실질적으로 배려한 똑똑한 방식이다.