Krea 3の技術報告、編集の順位4位はUltra 8秒はFast

3つの順位表で4位、編集にかかる時間は8秒。Kreaが11月3日に公開したKrea 3の技術報告には、この2つの数字が並びます。ただ、4位に入ったのはKrea 3 Ultraで、8秒はKrea 3 Fastの値です。Krea 3は、10月に公開した画像編集モデルで、今回は作り方と評価の詳細が明らかになりました。

同じ表で見るFastの位置

報告によると、Arena、Artificial Analysis、Design Arenaの画像編集の順位表で、Krea 3 Ultraはいずれも4位です。Kreaはこれを「世界2位の画像生成の開発元」と表現します。ただ、Artificial Analysisの表では、MicrosoftのMAI-Image-2.7-Previewが2位に入っているため、開発元としては3番目です。

モデル	Elo	時間	1,000回
GPT Image 2.5 Sunburstmax	1199	90.2秒	$436.60
GPT Image 2.5 Flaremax	1182	45.7秒	$436.60
Nano Banana 2.1	1152	19.3秒	—
GPT Image 2high	1136	88.6秒	$436.60
Krea 3Fast	1125	8.0秒	$80.00
Nano Banana 2	1124	16.5秒	$120.00
FLUX 3 Image	1122	41.1秒	$192.00
Grok Imagine 2.0medium	1117	14.4秒	—
Nano Banana Pro	1108	22.3秒	$150.00
Ideogram 4.5high	1070	29.4秒	$220.00

EloはArtificial Analysisの画像編集の評価です。時間は参考の画像1枚、出力2Kの条件で、Kreaがfal経由で測った平均です。1,000回の費用は、APIの価格をもとにした報告の図の値です。FastはEloで上のモデルより速い一方、最上位との差は74あります。Ultraの時間と費用は、報告に載っていません。

10月の発表では、Krea 3の料金は2Kの画像1枚0.06ドルでした。報告の図は1回0.08ドルで、差の理由は書かれていません。

文字は指示に全部書く

使う人に役立つのは、文字の扱いです。Kreaは、指示に文字を明記せず「ロケット科学を説明する看板」のように頼むと、意味の通る文字を出せないと説明します。一方、文字を長い指示の中に書き出せば、忠実に描けるとしています。学習でも短い指示を混ぜたモデルは、長い指示だけで学習したモデルより劣りました。参考の画像は、1回に最大8枚まで使えます。

太い文字で点を稼いだ学習

報告で珍しいのは、失敗の記録です。文字の正しさを別のモデルに読ませて点を付けると、モデルは文字を太く大きくして、読み取りやすくする方向に学習しました。点は上がるのに、デザインは崩れます。大きさに罰を与えると、今度は文字を小さくしました。

そこで、変更した文字が画像に合うかを見る判定と、一定の基準に照らす大きさの制約を足しました。デザインより太くなった文字の割合は、28%から約10%へ。強化学習の段階で、公開の文字編集の評価の誤りは約4分の1減り、CPI-Benchで問題のある生成は17%減りました。