画像生成サービスのKreaが、主力モデルKrea 2の重みを2026年6月に公開した。配布されたのはRAWとTurboの2種類で、いずれもHugging Faceに置かれている。写真のような質感とデザイン寄りの絵作りに強いモデルで、これまで同社のサービス上でしか使えなかった生成を、手元のPCで回せるようになった。ComfyUIも公開の直後に対応している。
自分の環境で動かす前に押さえておきたいのが、必要なVRAMとライセンスの二つだ。Krea 2は12Bと大きめのモデルで、配布元のBF16版は本体だけで26.3GBに達する。どれだけのVRAMが要るかは、無量子化BF16のまま動かすのか、量子化して載せるのかで変わる。本記事ではまずモデル本体のサイズを示し、そこから無量子化BF16で回す構成と、VRAM 16GBに収める場合へと段階を追って整理する。あわせて、商用利用に条件が付くライセンスの位置づけを、同じくオープンウェイトのIdeogram 4.0やFLUX.2 Klein 9Bと並べて確認する(本記事は2026年6月時点)。
Krea 2とは何か
Krea 2は、12Bパラメータのdense型拡散トランスフォーマ(DiT)である。テキスト側のエンコーダにはQwen3-VL系を用い、その複数層の特徴を集約して条件付けに使う。VAEはQwen Imageのものを採用している。テキストエンコーダにQwen3-VL系を使う構成はIdeogram 4.0とも重なるが、採用するサイズはモデルごとに異なるため、共通するのは系統までと見ておくのが安全だ。
dense型のDiTは、専門家を切り替えて一部だけを使うMoE型と違い、すべてのパラメータを毎回通す素直な構造で、ファインチューニングやLoRA学習の対象として扱いやすい。Kreaはもともと、絵柄や雰囲気を指定して一貫した出力を得るスタイル制御を売りにしてきた。重みが公開されたことで、サービス上で提供してきたこうした作風づくりを手元で再現したり、独自のデータでさらに追い込んだりできるようになった。クラウドの生成枚数やコストの上限を気にせず、入力を手元の外に出さずに回せる点も、ローカルで動かす動機になる。
配布は二つのチェックポイントに分かれる。RAWは蒸留前のベースモデルで、素直で扱いやすく、ファインチューニングや追加学習、LoRA学習の土台に向く。Turboは8ステップで描けるよう蒸留した高速版で、少ない手数で仕上げたいときに使う。雰囲気を作り込みながら学習やカスタムを重ねたいならRAW、まず速く枚数を出したいならTurbo、という住み分けになる。配布元はTurboを高速な推論向けと位置づけており、報道では数秒で一枚を生成できる水準とされる(実際の速度はGPUや解像度、量子化の方式で前後する)。なお、重みは公開されているが、ライセンスには後述の条件があるため、本記事では「オープンソース」ではなく「オープンウェイト」として扱う。
必要なVRAM — まずモデル本体のサイズから
Krea 2のサイズは、配布元のBF16版で本体のturbo.safetensorsが26.3GB、テキストエンコーダやVAEを含めたリポジトリ全体では60GB規模になる。12Bという規模は、同じオープンウェイトの画像モデルであるIdeogram 4.0(9.3B)やFLUX.2 Klein 9B(9B)より一回り大きい。無量子化のBF16で本体を載せるだけで26.3GBを使うため、16GBのカードにはそのままでは載らない。まずはこの本体サイズが出発点になる。
どれだけのVRAMが要るかは、動かし方で段階的に変わる。無量子化のBF16で本体を載せるには、それだけで26.3GBを使う。つまり24GB(RTX 4090/3090級)のカードにも収まらず、BF16のまま回すには本体だけでVRAMが足りない。精度を保ったまま試すなら、32GBを積むRTX 5090級が現実的な下限の目安になる。RTX 5090は32GBのGDDR7を搭載し、本体の26.3GBに加えてエンコーダや生成中のバッファをオフロードと併用しながら賄える。一方、消費者向けに広く使われるVRAM 16GBのカード(RTX 5060 Ti 16GBやRTX 5080など)や、24GBのカードで動かすには、モデルを量子化して小さくする工夫が要る。つまり同じKrea 2でも、無量子化BF16で回すか、量子化して手元のVRAMに収めるかが分かれ、余裕を求めるほど大容量のVRAMが要る。
目安として整理すると、VRAM 32GB(RTX 5090級)以上なら無量子化のBF16をオフロード併用で回せる、24GB(RTX 4090/3090級)なら本体が収まらないため量子化かオフロードが前提、16GB級ならFP8など強めの量子化が前提、という段階になる。本記事はこのあと16GBで動かす場合を軸に量子化の手順を見ていくが、無量子化BF16で質感を最大限に引き出したいなら、32GB級(RTX 5090)が現実的な下限になる。高解像度や、RAWでの学習まで見込むなら、さらに大容量のVRAMやオフロードを前提に考えたい。手元のVRAMがどの段にあたるかを先に把握しておくと、どこまで量子化すべきかの判断が早くなる。
VRAM 16GBに収める — 量子化とオフロード
16GBのカードでKrea 2を動かす場合、量子化が前提になる。コミュニティではFP8に量子化した版が配布されており、その説明では、BF16の24.76GiBから約12.01GiBまで本体が下がり、16GBや24GB級のGPUでも試しやすいとされている。これはKrea公式の動作保証ではなく、コミュニティのFP8配布ページでの説明にあたるが、本体側が12GiB前後まで下がれば、16GBのカードでも動かせる範囲に入る。さらに低いビット数(NVFP4やINT8など)の版もあり、ビット数を下げるほど容量は減る一方で、細部の再現には差が出やすい。まずFP8で動かし、VRAMが厳しければより軽い版を試す、という順序が無難だ。
FP8よりさらに容量を抑える選択肢として、コミュニティが配布するGGUF量子化版もある。Q4〜Q6といった低ビットのGGUFはFP8の約12GiBよりも小さく、よりVRAMの厳しい環境でも載せやすい。ただし2026年6月時点では、ComfyUI標準のGGUFローダ（ComfyUI-GGUF）がKrea 2のアーキテクチャをまだ認識せず、読み込み時に「Unexpected architecture type」で弾かれる報告がある。GGUFで動かすにはパッチ版のローダノードが要る点に注意したい。なお、GGUF量子化版はコミュニティ配布であっても、元のKrea 2重みに由来する派生物としてKrea 2 Community Licenseの条件を確認する必要がある。配布ページ上の表記だけで商用利用可否を判断せず、元モデルのライセンスを優先して見るのが安全だ。画像モデルをGGUFに量子化する手順そのものはggufyでComfyUI用の画像モデルGGUFを自作するに整理がある。
VRAMの収め方は、大きなテキストエンコーダと拡散モデルを段階的に扱うという意味で、Ideogram 4.0と近い考え方になる。ディスク上のファイルサイズがそのままGPUに載るわけではなく、ComfyUIがテキストエンコーダと拡散モデルの処理段階をずらし、使い終えたエンコーダを退避させながら順に載せる逐次的なオフロードを行う。このため、合計容量より小さいVRAMでも動かせる。ただし16GBでは余裕は大きくない。量子化した本体とエンコーダ、VAEを載せ、生成中のバッファまで含めると16GBの多くを使い切り、解像度を上げれば潜在空間が大きくなってこの余白はさらに縮む。高解像度で安定して回したい、複数枚を同時に生成したいといった場合は24GB級以上、RAWで学習まで踏み込むなら32GB級でも工夫が前提で、余裕を見るなら48GB以上やクラウドGPUも候補になる。ファイルサイズは量子化の方式や配布元の再パックで変わるため、導入前に配布ページの表示を確認しておきたい。
VRAM 16GB級のGPUで画像生成を回すときの一般的な勘所はComfyUIの推奨スペック(VRAM別の目安)に、量子化の容量と品質の関係はローカルLLMの量子化の実測比較に整理がある。入手はHugging Faceから行い、RAWとTurboがそれぞれ別のリポジトリに置かれている。Ideogram 4.0のようなダウンロード前の同意ゲートはなく、オープンウェイトとして直接取得できる。ComfyUIで動かす場合は、量子化した拡散モデルとQwen3-VL系のテキストエンコーダ、VAEを所定のフォルダに置けば、公式テンプレートのワークフローから生成を始められる。ComfyUI本体やワークフローの前提はComfyUIとは(必要スペックと始め方)に整理がある。
実際に、このFP8量子化版をRTX 5080（VRAM 16GB）に載せ、Turboの8ステップで生成した例が以下だ。1枚あたり十数秒で出力でき、写真調の質感や光の回り方も、少ない手数のわりに破綻なくまとまる。いずれも手元のPCで完結した生成で、外部のサービスは通していない。
RAWは学習の土台、Turboは推論の即戦力
二つのチェックポイントの違いは、使う場面で見ると分かりやすい。Turboは8ステップで描ける蒸留版で、プロンプトを試したり構図の当たりを確認したりといった日常の生成にそのまま使える。一方RAWは蒸留前のベースで、出力の素直さとパラメータの可塑性が残っているぶん、LoRAや追加学習の土台に向く。手元で作風を作り込みたい、特定の被写体やスタイルに寄せたいというときはRAWを学習の起点にし、仕上がった成果を速い推論で量産する、という流れが現実的だ。
ここでも学習と推論でVRAMの要求が変わる。生成だけなら量子化とオフロードで16GBに収まっても、LoRA学習や追加学習となると、勾配やオプティマイザの状態を保持するぶん必要メモリは増える。RAWでLoRAや追加学習まで踏み込むなら、32GB級でも低ランク設定・勾配チェックポイントといった工夫が前提になり、安定して回すなら48GB以上やクラウドGPUも候補になる。まず試すだけなら、Turboの量子化版を16GBで回すところから始めるのが入りやすい。
ライセンス — 商用利用は条件付き
Krea 2はKrea 2 Community Licenseのもとで配布される。商用利用も想定されてはいるが、無条件ではない。重要なのは規模による線引きで、ライセンスによれば、会社全体の年間売上が100万ドル未満の場合に商用利用が認められ、これを超える規模ではEnterprise License(別途の契約)が必要になる。個人や小規模での商用利用は前者に収まりやすいが、売上規模が大きい組織はEnterprise側に移る、という構造だ。ここがIdeogram 4.0との大きな違いで、Ideogramの重みが非商用に限られるのに対し、Krea 2は条件を満たせば商用利用そのものは行える。
商用かどうかとは別に、利用にはいくつかの条件が付く。配布元は利用者の運用(deployment)に対して、合理的なコンテンツフィルタリングの実装を求めている。違法・有害なコンテンツの生成を防ぐ技術的な対策のほか、法令やプラットフォームのポリシーで求められる場合のAI生成表示、利用規約(AUP)の遵守が条件に含まれる。一方で、生成物の所有権についてはKrea側が主張しないとされている。とくに生成機能を第三者に提供・配信する場合は、フィルタやレビュー体制の設計が重要になる。個人がローカルで生成するだけの範囲でも条件が無関係になるわけではないが、求められる対応の重さは、手元での利用か、サービスとして不特定多数へ提供するかで変わってくる。
商用での本格利用やサービス化を見込むなら、年商の線引き、コンテンツ対策、表示義務を含め、利用前に配布元の最新のライセンス条文を確認しておきたい。「ローカルで動く」ことと「生成物を自由に商用利用できる」ことは別であり、条件を踏まえた設計が前提になる。
Ideogram 4.0・FLUX.2 Klein 9Bとの使い分け
オープンウェイトの画像モデルとして、Krea 2はIdeogram 4.0やFLUX.2 Klein 9Bと比べられることが多い。いずれもテキスト側にQwen3-VL系のエンコーダを使うなど重なる部分はあるが、得意分野・必要VRAM・ライセンスはそれぞれ異なる。とくに「16GBで動くか」は、どのモデルも量子化を前提にして初めて成り立つ点に注意したい。
| 観点 | Krea 2(12B) | Ideogram 4.0(9.3B) | FLUX.2 Klein 9B(蒸留) |
|---|---|---|---|
| 強み | 写真調・デザイン調の質感 | 文字描画・JSONレイアウト制御 | 少ないステップでの高速生成 |
| 生成ステップ | 8(Turbo) / ベース(RAW) | 12 / 20 / 48 | 4(蒸留版) |
| 配布サイズ・VRAM目安 | 本体BF16 26.3GBで24GBにも収まらず量子化前提。フルは32GB(RTX 5090)級。FP8 約12GiBで16GB可 | FP8一式 約30GB前後。16GBは量子化前提 | 9B版はフル約29GB(RTX 4090以上)。GGUF Q8_0などコミュニティ量子化版で16GB級の動作例あり(公式要件とは別) |
| 重みのライセンス | Community(条件付き商用可) | 非商用(Ideogram Non-Commercial) | 非商用(FLUX Non-Commercial) |
| 商用利用の可否 | 年間100万ドル未満なら可。超はEnterprise。コンテンツ対策等が条件 | 収益化製品への出力利用は枠外 | 条文上は出力を商用利用可とされるが、モデル利用自体は非商用に限定(後述) |
必要VRAMの面では、三つとも無量子化または標準的な実行構成のままでは16GBに収まりにくく、16GB級では量子化やオフロードを前提に見る必要がある。Krea 2は本体BF16が26.3GBで量子化が要り、Ideogram 4.0もFP8一式で30GB前後と16GBには量子化前提、FLUX.2 Klein 9Bに至ってはフルで約29GB・RTX 4090以上が目安とされる。ただしKlein 9Bも、GGUF Q8_0などのコミュニティ量子化版なら16GBで動かせることはFLUX.2 Klein 9BをVRAM 16GBで実測で確認している(公式のBF16/FP8要件とは分けて見たい)。なお16GB級に最初から寄せたいなら、FLUX.2 Kleinには約13GBで動くApache 2.0の4B版もあり、こちらはライセンス面でも扱いやすい。
ライセンスは三者で考え方が分かれる。Ideogram 4.0は重みも出力の収益利用も非商用の枠内に限られる。FLUX.2 Klein 9Bは、出力物について商用を含む任意目的での利用を認める条項を持つ一方、モデル自体の利用は非商用に限られる。つまり「出力画像は使えても、9Bモデルを商用・本番で回すこと自体には制限がある」ため、仕事で回して納品してよい、と単純には言えない(この用途なら4B版が候補になる)。Krea 2はCommunity Licenseのもとで条件付きの商用利用を認める。生成物を仕事に使う前提なら、この三者の違いが選択を左右する。
もう一点、構成ファイルの流用には注意がいる。テキストエンコーダにQwen3-VL系を使うモデルはあるが、採用するサイズはモデルごとに異なり、VAEもKrea 2はQwen Image系、Ideogram 4.0はFlux系、FLUX.2は専用のものと分かれる。共通しそうに見えても、実際に流用できるファイルは導入手順ごとに確認したい。
よくある質問 (FAQ)
Q. Krea 2は何GBのVRAMが要る?
素のBF16版は本体だけで26.3GBあり、24GB(RTX 4090/3090)にも収まらない。無量子化BF16で試すなら、32GBを積むRTX 5090級が現実的な下限の目安だ。24GBや16GBのカードで動かすにはFP8などへの量子化が前提で、コミュニティのFP8版では本体が約12GiBまで下がり、ComfyUIの逐次オフロードと組み合わせれば16GBでも生成できる範囲に入る。高解像度や複数枚同時、学習用途ではさらに余裕がほしい。
Q. Krea 2の生成画像は商用で使える?
Krea 2 Community Licenseは条件付きで商用利用を認める。鍵になるのは規模で、ライセンスによれば会社全体の年間売上が100万ドル未満なら商用利用が可能、これを超えるとEnterprise Licenseが必要になる。加えて、運用側でのコンテンツフィルタリングの実装、必要に応じたAI生成表示、利用規約の遵守といった条件が付く。Ideogram 4.0(非商用)とは前提が異なるが、無条件ではない点に注意したい。
Q. RAWとTurboは両方ダウンロードする必要がある?
用途次第だ。生成して使うだけならTurbo(の量子化版)だけで足りる。LoRAやファインチューニングの土台にしたい場合にRAWを足す。どちらも容量が大きいので、まず何をしたいかを決めてから落とすのが無難だ。
Q. Ideogram 4.0やFLUX.2 Kleinとどう違う?
Krea 2(12B)は写真調・デザイン調の質感、Ideogram 4.0(9.3B)は文字とレイアウト、FLUX.2 Klein 9Bは高速生成が強み。三つともそのままでは16GBに収まらず、量子化して初めて16GB級で動く。ライセンスはKrea 2が条件付き商用可、Ideogramは非商用、Klein 9Bは非商用(出力は条文上商用可だがモデル利用は非商用)と分かれる。
導入前に押さえる要点
Krea 2は、写真調・デザイン調の質感に強い12Bのオープンウェイト画像モデルだ。本体BF16は26.3GBと大きく、24GB(RTX 4090/3090)にも収まらないため、無量子化BF16で試すなら32GBを積むRTX 5090級が現実的な下限の目安になる。VRAM 16GBの消費者向けカードで動かすなら、FP8などへの量子化とComfyUIの逐次オフロードが前提になり、本体を約12GiBまで下げれば生成できる範囲に入る。8ステップで描けるTurboと、学習の土台になるRAWの二本立てで、手元のVRAMと用途に応じて選べる。どのGPUなら無理なく動くかはVRAM 16GB GPUを用途別に選ぶならに整理している。
ライセンスは、Ideogram 4.0やFLUX.2 Klein 9Bと並べて見ると位置づけがはっきりする。Krea 2はCommunity Licenseのもとで条件付きの商用利用を認める一方、年間100万ドル未満という規模の線引き、コンテンツ対策の実装、必要な場合のAI生成表示といった条件が付く。重みが公開されていることと、生成物をどこまで・どの規模で使ってよいかは別の話であり、商用での利用やサービス化を見込むなら、利用前に配布元の最新のライセンスを確認しておきたい。まずTurboの量子化版を16GBで試し、作風を作り込みたくなったらRAWで学習に踏み込む、という順に広げていけば、手元の環境から無理なく使い込んでいける。
