中文简介
krea/Krea-2-Raw 是 krea 在 Hugging Face 发布的模型仓库,当前卡片主要关联文生图。本站固定记录上游版本 6b0ece7fffb6,同步到 55 个文件,文件元数据合计 57.81 GB;访问状态为“需要申请”,许可证字段为“krea-2-community-license”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 krea/Krea-2-Raw 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
krea/Krea-2-Raw 是 krea 在 Hugging Face 发布的模型仓库,当前卡片主要关联文生图。本站固定记录上游版本 6b0ece7fffb6,同步到 55 个文件,文件元数据合计 57.81 GB;访问状态为“需要申请”,许可证字段为“krea-2-community-license”。
【适用方向】
适合评估视觉内容生成、编辑或视频制作工作流。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
【版本与规格】
固定版本:6b0ece7fffb6。 任务标签:文生图。 语言字段:en。 上游 Safetensors 元数据显示参数量约 12.82 B。 库标记:diffusers。 上游页面记录的最近更新时间:2026-07-24。
【文件信息】
上游 API 返回 55 个文件,文件元数据合计 57.81 GB。 已保存文件清单中的主要扩展名:.png 36 个、.json 8 个、.safetensors 6 个、.jinja 1 个、.jpg 1 个、.md 1 个。 当前较大的文件包括:raw.safetensors(24.48 GB);transformer/diffusion_pytorch_model-00001-of-00003.safetensors(9.29 GB);transformer/diffusion_pytorch_model-00002-of-00003.safetensors(9.15 GB)。
【运行或处理环境】
仓库文件元数据合计 57.81 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 23.88 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
【使用边界】
许可证显示为“krea-2-community-license”,具体用途限制、附加政策和归属要求仍以上游原文为准。 该仓库需要由用户本人按上游要求申请访问,是否批准及何时批准由资源权利方决定。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
Krea 2 Text-to-Image Model This is the Krea 2 Raw checkpoint, its not recommended for inference use. Its a good base for finetuning or post-training for your own needs and domains. For example, one use-case is to train LoRAs on midtrain and directly use them on Krea 2 Turbo. See our collection of in-house trained LoRAs trained on Raw and meant to be used with Turbo: Krea-2 LoRA Collection Inference with the official codebase Setup the official Krea 2 codebase Download raw.safetensors in this repo export OSS_RAW= Run inference: uv run inference.py "a fox walking in the snow" \ checkpoint oss_raw --steps 52 --cfg 3.5 --width 1024 --height 1024 Inference with diffusers Install diffusers from source (for Krea2Pipeline): pip install git+https://github.com/huggingface/diffusers.git import torch from diffusers import Krea2Pipeline pipe = Krea2Pipeline.from_pretrained("krea/Krea-2-Raw", torch_dtype=torch.bfloat16).to("cuda") image = pipe("a fox in the snow", num_inference_steps=52, guidance_scale=3.5).images[0] image.save("krea2.png") Inference with SGLang Install SGLang from source (https://github.com/sgl-project/sglang) From the CLI: sglang generate --model-path krea/Krea-2-Raw \ prompt "a red fox sitting in fresh snow, golden hour, photorealistic" \ num-inference-steps 52 --height 1024 --width 1024 --guidance-scale 3.5 --save-output See the full SGLang Krea 2 Cookbook here Model Overview Model Name: Krea 2 Version: v1.0 Release Date: June 22, 2026 Model Type: Text-to-image diffusion model Architecture: Diffusion Transformer with 12 billion parameters License: Krea 2 Community License Release Format: Open-weight release and Krea-hosted product integrations Model Developer: Krea.ai, Inc. Model Family and Release Checkpoints This model card covers the Krea 2 model family, including the following release checkpoints: Krea 2 Raw: Base release checkpoint, prior to additional post-training and fine-tuning. Krea 2 Turbo: Post-trained release checkpoint with additional fine-tunin
适用场景
适合评估视觉内容生成、编辑或视频制作工作流。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
模型参数
固定版本:6b0ece7fffb6。 任务标签:文生图。 语言字段:en。 上游 Safetensors 元数据显示参数量约 12.82 B。 库标记:diffusers。 上游页面记录的最近更新时间:2026-07-24。
文件说明
上游 API 返回 55 个文件,文件元数据合计 57.81 GB。 已保存文件清单中的主要扩展名:.png 36 个、.json 8 个、.safetensors 6 个、.jinja 1 个、.jpg 1 个、.md 1 个。 当前较大的文件包括:raw.safetensors(24.48 GB);transformer/diffusion_pytorch_model-00001-of-00003.safetensors(9.29 GB);transformer/diffusion_pytorch_model-00002-of-00003.safetensors(9.15 GB)。
上游文件元数据
.gitattributes3.45 KBimages/00.png2.04 MBimages/01.png1.93 MBimages/02.png1.28 MBimages/03.png592.25 KBimages/04.png1.33 MBimages/05.png1.39 MBimages/06.png892.09 KBimages/07.png710.27 KBimages/08.png1.02 MBimages/09.png601.73 KBimages/10.png1.37 MB
硬件建议
仓库文件元数据合计 57.81 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 23.88 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
注意事项
许可证显示为“krea-2-community-license”,具体用途限制、附加政策和归属要求仍以上游原文为准。 该仓库需要由用户本人按上游要求申请访问,是否批准及何时批准由资源权利方决定。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
- 大模型获取与国内转存服务
- 大模型怎么下载:Hugging Face 官方方式与国内交付完整指南
- 国内下载 Hugging Face 模型很慢或经常中断怎么办
- DeepSeek、ChatGPT、豆包、Kimi 能否下载到本地
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。