요약
크레아가 바꿀 부분만 다시 그려 빠르고 싸게 편집하는 이미지 모델 Krea 3를 내놓았습니다.
AI 이미지 서비스를 운영하는 크레아가 자체 기초 모델 Krea 3의 공개 베타를 시작했습니다. 상품 사진처럼 같은 이미지를 대량으로 고쳐야 하는 업무용 편집을 겨냥한 모델입니다.
왜 중요한가
- 편집할 때 이미지 전체가 아니라 바뀌는 영역만 계산하는 방식으로 속도와 비용을 함께 낮췄다고 밝혔습니다.
- 크레아는 Nano Banana Pro나 GPT Image를 대신할 만하다고 주장하지만, 공개 벤치마크는 아직 준비 중입니다.
핵심 내용
- 편집 한 번에 약 0.06달러로, Nano Banana Pro(약 0.135달러)와 GPT Image 2.5(약 0.21달러)보다 쌉니다.
- 회사 시연 기준으로 편집 한 번에 8초가 채 걸리지 않아 Nano Banana Pro보다 4배 빠르다고 했습니다.
- 상자로 영역을 지정하면 그 안만 다시 그리고, 나머지 픽셀은 원본 그대로 둡니다.
- 헥스 코드(색을 나타내는 16진수 값)로 색을 정확히 맞추고, 참고 이미지를 최대 8장까지 한 장면에 합칩니다.
- 출시 가격은 할인가가 아닌 정가라고 밝혔고, 엔터프라이즈 고객은 자체 GPU에 설치해 쓸 수 있습니다.
HN 반응
- 요금제를 거절하면 그제야 할인을 내미는 가입 절차가 눈속임이라는 비판이 나왔고, 크레아 측은 소비자 시장 경쟁이 거칠다고 해명했습니다.
- 작은 글자는 잘 그리지만 UI 시안의 창의성은 GPT Image 2.5에 못 미친다는 비교가 나왔고, 인공적인 질감이 덜하다는 평가와 비슷한 결함이 있다는 반론이 엇갈렸습니다.
안녕하세요, HN 여러분.
크레아(Krea)의 Diego입니다. 오늘 저희의 최신 파운데이션 이미지 모델인 Krea 3의 오픈 베타를 공개합니다.
한마디로 품질은 최첨단 이미지 모델 수준이면서, 속도는 훨씬 빠르고 가격은 훨씬 저렴합니다.
Krea 2 때처럼( https://www.krea.ai/blog/krea-2-technical-report ) 더 기술적인 내용도 따로 공개할 예정입니다. 우선 이 웹사이트에서 저희가 집중한 기능들을 보실 수 있습니다.
영역 단위 편집을 기본으로 지원합니다
정밀한 편집으로 픽셀 단위 화질 저하를 최소화합니다
최첨단 수준의 이미지 품질입니다. 벤치마크는 아직 작업 중이지만, 내부 평가에서는 속도와 비용 양쪽 모두에서 NBP나 GPT Image를 망설일 이유 없이 대체할 만한 수준으로 보입니다.
더 빠른 편집. 제가 아는 한, 최첨단 편집 모델 중에서 속도 면의 파레토 프런티어를 열어 줄 겁니다.
앞으로의 업데이트로는, 팀에서 Krea 3를 (LoRA로) 파인튜닝할 수 있게 하는 것과 오픈 웨이트 공개를 고민하고 있습니다. 다만 지금은 출시 직후의 혼란을 수습하는 중이라, 그다음 개선 단계에서 다시 검토하려 합니다.
감사합니다!
추가: 저희 엔지니어들이 Krea 3로 게임을 할 수 있다는 걸 알아냈어요. 팀에서는 이걸 “세상에서 가장 비싼 게임 엔진”이라고 부르더군요.
참고: https://x.com/asciidiego/status/2110846676139221376?s=20
‘오픈 웨이트를 고민 중’이라는 게 공개하기 전에 남은 작업이 있다는 뜻인가요, 아니면 공개할지 말지 자체를 고민한다는 뜻인가요? 전자였으면 좋겠네요. Krea2가 훌륭했던 건 오픈이었기 때문이거든요.
Krea2가 공개된 건 그 오픈 모델이 중간 단계 모델이었기 때문입니다. 호스팅되는 krea2는 flux2 vae와 오픈 웨이트인 qwen1을 썼습니다.
참고로 알려 드리면, 신규 가입자에게 보내시는 체험 기간 안내 이메일이 제대로 동작하지 않는 것 같습니다. 그래서 써 보기가 어렵네요.
보내신 이메일 내용입니다.
그런데 베타에서 이미지 세 장씩 한 번 생성하고 나니 더 이상 예시를 생성할 수 없습니다. 현재 nano banana pro 위에 올려서 쓰는 저희 시스템의 결과와 비교해 보려고 테스트 몇 개를 돌려 보던 참이었습니다.
UI 디자인 작업에서 GPT-Image-2.5와 비교한 샘플입니다.
스타십 랜딩 페이지
Krea 3: https://image.non.io/80b85aaa-286b-4ad7-b3ae-cfab4b491216.webp
GPT-Image-2.5: https://image.non.io/19c5f032-cbc7-4034-9682-3aba451bd669.webp
패션 역사 웹사이트
Krea 3: https://image.non.io/a6e61219-963c-4921-b453-738960e03308.webp
GPT-Image-2.5: https://image.non.io/c067fd76-9c7e-46c2-a8fd-0b0931bf93f6.webp
은행 웹사이트
Krea 3: https://image.non.io/3a1e7b50-36e7-418c-ab47-368ce4f01948.webp
GPT-Image-2.5: https://image.non.io/b96a7e00-3289-4044-90de-e0f86a2ca55e.webp
전반적으로 이 분야의 시각적 창의성에서는 Krea 3가 GPT-Image-2.5에 못 미치지만, 작은 글자 디테일을 그려내는 능력만큼은 칭찬받아 마땅합니다. 다만 색상 참고용으로 정확한 hex 코드를 넣을 수 있다고 명시돼 있는데도, 그 코드가 디자인에 그대로 새어 들어가는 경향이 있더군요(은행 웹사이트의 valuation 패널을 보세요. “fixed indexed 7-yr” 오른쪽에 hex 코드가 이미지에 박혀 있습니다).
이 모델을 직접 만져서 포스트 트레이닝을 해 보고, 이 분야에서 더 끌어올릴 수 있는지 보고 싶습니다. 위 예시들에서 차이가 분명하긴 하지만, 저는 이 모델의 잠재력이 상당하다고 봅니다.
저 은행 웹사이트는 GPT-Image-2.5에 절제력이 전혀 없다는 걸 보여주는 좋은 예예요. 이걸 아직도 안 고치고 있다는 게 놀라울 정도예요. 모델이 제일 먼저 ‘슬로건 100개 만들기’부터 하고, 그다음에 그걸 어떻게든 이미지에 욱여넣을 방법을 궁리하는 것 같다니까요.
이런 일이 계속 반복돼요. GPT가 Gemini 모델보다 더 심하긴 한데 둘 다 그래요. 보여주지 않고 말로 설명해야 한다고 생각하는 것 같아요. 자기 생각을 이미지에 주석으로 달지 않고는 못 배기죠. 기둥에 뜬금없는 표지판이 붙어 있거나, 티셔츠에 이야기를 설명하는 글이 적혀 있거나, 이미지 위에 손글씨 주석이 달려 있는 경우가 많아요.
기본 설정에서 이게 아직도 문제일 이유도, 다들 여전히 똑같은 스타일의 힙한 포스터(불릿 자리에 아이콘이 들어가고, 아무 의미 없는 목록이 이미지에 꾸역꾸역 들어간)만 GPT에서 받아야 할 이유도 정말 없어요. 시작점이 될 템플릿 시드 라이브러리 같은 걸 갖추고, 스타일을 고를 때 temperature도 더 높여야 해요.
합리적인 결론이지만, 이 경우에는 전체 자료를 갖고 계신 게 아닙니다. 이 프롬프트들은 모두 이미지를 극한까지 밀어붙이도록 설계한 제 벤치마크 프롬프트 세트의 일부입니다. 은행 웹사이트가 빽빽한 건 프롬프트 자체가 그 요소를 하나하나 지정하기 때문입니다. 이 테스트의 목표는 서로 다른 UI 요소를 얼마나 잘 처리하는지 보는 것입니다. 프롬프트로 쓰는 json 덩어리의 일부를 발췌하면 다음과 같습니다.
그렇다고 GPT-Image-2.5에 특유의 냄새가 없다는 건 아닙니다. 분명 그 모델 특유의 버릇이 있죠.
UI 디자인이 이미지 모델에 이상적인 용도인지, 하물며 권장되는 용도인지는 잘 모르겠습니다.
저는 전적으로 반대합니다. 제 생각에 이미지 모델은 이 분야에서 터무니없이 덜 쓰이고 있습니다.
참고로 말씀드리면, 저는 피그마에서 5년간 디자인 시스템을 운영했고, 이 분야에서 직접 스타트업을 만들려고 퇴사하기 전까지 피그마 최초의 프롬프트→디자인 프로젝트를 이끌었습니다.
이미지 모델은 시각적 창의성, 색 사용, 여백 등 좋은 디자인 원칙에 필요한 재료를 전부 학습합니다. 이미지 모델이 흔히 어려워하는 건 정보 밀도와 텍스트 렌더링인데, 이건 LLM이 잘하는 부분이죠. 그러니 둘의 장점만 골라 쓸 수 있습니다. 초기 디자인은 이미지 모델로 만들고, 그걸 코드로 바꾸는 건 LLM에 맡기면 됩니다.
아주 시사적인 사례가 하나 있는데, 오픈AI의 sites 기능은 사고 과정(chain of thought)에서 실제로 먼저 이미지를 렌더링해 디자인 레퍼런스로 삼고, 그다음에 거기에 맞춰 만들어 갑니다.
저도 마침 동료와 이 얘기를 했어요. 연구소 내부 사람들이나 데이터 브로커들이 LLM이 이런 작업을 더 잘하도록 RL 학습을 시킬 때 이미지 모델을 쓴다고 하더군요. 그 지식을 LLM에 심어 넣는 방법으로는 말이 되는 얘기예요. Astra가 CAD, 3D, 로보틱스를 염두에 두고 더 많이 학습된 게 분명한 것과 비슷하죠.
적어도 Krea에는 GPT-image 특유의 번들거림(shimmer)이 없네요! GPT-image로 만든 이미지는 전부 한눈에 AI라는 게 티가 나잖아요.
아니면 gpt-image 특유의 ‘튀겨진’ 질감이 있죠. 흥미롭게도 제가 지금까지 찾은 최선의 방법은, 초기 디자인은 gpt-image로 만들고 디자인이 나온 뒤 에셋을 뽑아내는 건 nano banana로 하는 거예요. 예를 들어 “Annui” 디자인이라면, 그 디자인과 뒷받침하는 json 구조를 Opus에 넘겨서 html로 만들게 하고, 조각상이나 배경 이미지는 nano banana로 만드는 식이죠.
결국 각 모델의 좋은 부분만 골라 써야 해요 :)
저는 안타깝게도 gpt-image 특유의 ‘튀겨진’ 현상이 나오네요: https://imgur.com/OYY1MSa
흥미로운 건... gpt-image-2가 나오면서 누런 오줌빛 필터를 대체한 이 버그가 생긴 뒤로, 구글 것만 빼고 다른 모델들도 출시될 때마다 같은 문제가 있는 것 같다는 거예요.
딱 떠오르는 것만 해도 이 아티팩트가 Qwen, Grok에 나왔고 이제 Krea에서도 나왔어요.
혹시 gpt-image-2를 post-training 부트스트랩에 쓰고 있는 건지, 아니면 그쪽 이미지가 워낙 널리 퍼져서 일종의 ‘바이러스’처럼 돼 버린 건지 궁금해지네요.
감사합니다 ㅎㅎ
안타깝게도 벤치마크에는 그런 건 반영되지 않아요.
그리고 가끔은 일부러 “못생긴” 걸 만들거나 필름 그레인 같은 결함을 넣고 싶을 때도 있잖아요.
이건 모든 모델에서 프롬프트에 문장 하나만 더하면 아주 쉽게 됩니다. 정상적으로 보이는 사람을 만들게 하는 쪽이 더 까다롭죠.
그러니까 패션 모델처럼 안 보이게 하기가 어렵다는 말씀인가요?
오픈 웨이트도 고려하고 계신가요? 제가 늘 제일 기대하는 건 애니메이션 파인튜닝 모델들이거든요.
네!
그리고 말씀하신 용도라면, Krea 2 때처럼 플랫폼 안에서도 바로 LoRA를 만들 수 있게 하려고 해요. 그러니 원하시면 지금도 로컬에서든 앱에서든 시도해 보실 수 있을 거예요!
써 볼 수 있는 이미지는 2장이고, 그다음엔 월 구독밖에 선택지가 없네요.
크레딧을 사는 건 괜찮은데 구독은 싫어요.
가상 신용카드를 쓰면 어떤 구독이든 단건 구매로 바꿀 수 있습니다.
아닙니다.
미국에서 무언가를 “구독”한다는 건 해지하거나 구독을 취소할 때까지 정기적으로 돈을 내겠다는 약속입니다. “단건 구매”가 아닙니다.
카드를 해지하거나 즉시 무효화되는 가상 카드를 쓰더라도, 서비스 측은 당신을 쫓아와 이후 회차분을 청구할 모든 권리가 있습니다. 청구액은 계속 쌓일 겁니다. 내지 않기로 선택할 수는 있어도 빚이 없다고 말할 수는 없습니다. 해지할 때까지 영구히 요금을 내기로 동의했으니까요.
사람들이 왜 이런 말을 하는지, 자기 재정을 갖고 야바위를 하면 그게 막힐 거라고 생각하는지 도무지 모르겠습니다.
이 모델을 만드는 데 컴퓨팅과 학습 시간이 얼마나 필요했는지, 대략적인 정도라도 공유해 주실 수 있나요?
그에 관한 기술 보고서를 공개할 예정이에요. 다만 Krea 2 기술 보고서는 이미 나와 있고, 제가 알기로 지금까지 나온 기술 보고서 중 가장 공개적인 보고서예요(예상 읽기 시간이 1시간이라니까요 ㅋㅋ). 그러니 거기서도 이미 많은 정보를 얻으실 수 있어요!
꼼수 가격 정책이네요. 가입하면 요금제를 보여 주고, 거절하면 그제야 할인을 제안합니다.
처음부터 할인된 가격을 제시하세요. 꼼수 가격 정책 없이는 버티지 못하는 사업이라면 좋은 사업이 아닙니다.
저는 이런 가격 책정 방식이 정말 싫습니다. 구독할 때마다 해지하겠다고 으름장을 놔야 할인을 받을 수 있는 것 같은데, 이제는 그 과정을 자동화해 줄 AI까지 필요하게 생겼습니다.
네, 저도 예전엔 그렇게 생각했어요. 생성형 AI 업계에서 사업을 하기 전까지, 그리고 같은 업계의 경쟁사나 사람들이 사업에 타격을 준다는 게 확인되는 꼼수를 쓰기 시작해서 어쩔 수 없이 맞서야 하는 처지가 되기 전까지는요. 개인 인스타그램 계정은 물론 가족과 친구들 계정에까지 봇 농장을 보내는 일도 있었어요.
이런 일은 대개 Business나 Enterprise 요금제에서는 일어나지 않지만, 소비자 시장은 무자비할 만큼 경쟁이 치열해요.
‘플레이어를 미워하지 말고 게임을 미워하라’잖아요. 저희도 이런 걸 딱히 좋아하지 않아요.
추가: 공격적인 쿠폰 코드를 걸어 두는 편이 나을 수도 있겠지만, 심지어 Hacker News를 통해서도 감정 분석 같은 기법을 쓰는 LLM 때문에 스팸 메일을 받았어요. 제가 보기엔 정말 공유지의 비극이에요.
저는 연쇄 기술 창업가로서 제 스타트업에서도, 포천 500대 기업에 인수된 뒤 몇 년간 부사장 겸 제품 그룹 책임자로 일하면서도 수십 년간 현장 경험을 쌓았습니다. 그런 입장에서 이 문제를 좀 더 깊이 생각해 보시길 권합니다. 요즘 A/B 테스트 분석의 숨은 단점은, 지연 효과와 2차 효과는 가려 둔 채 단기 이익만 극대화하기가 너무 쉽다는 점입니다.
이번 경우에도 분석 결과는 분명 단기적으로 ASP(평균 판매 단가)가 오른다고 보여 주겠지만, 그 분석으로는 후속 영향을 볼 수 없습니다. 후속 영향은 시간이 지나며 쌓여서, 파악할 방법조차 없는 형태로 사업 전체의 발목을 잡는 경향이 있습니다. 좋은 사례가 어도비입니다. 어도비는 수치 극대화에 성공한 끝에 상당수 고객에게 신뢰를 잃거나 미움을 받게 됐고, 브랜드 손상은 이제 돌이킬 수 없을 가능성이 큽니다. 월급을 주기 위해 필요한 일은 하셔야겠지만, 지금 미끄러운 비탈길 위에 서 계신 겁니다. *‘합법이고 먹히기만 하면 어떤 다크 패턴이든 괜찮다’*가 당연한 방침이 되지 않도록 조심하세요. 그 대가는 빠져나올 수 있는 속도보다 빠르게 쌓일 수 있습니다.
건설적인 답글 감사합니다. 말씀이 맞는 것 같아요.
어려운 시기에도 더 나은 성장 전략이 무엇일지 고민해 볼게요. 말씀하신 대로 탄탄한 재무 기반과 여력도 함께 확보하면서요.
시간 내 주셔서 감사합니다.
말씀하신 문제들은 실제로 있는 일이고, 전반적으로 더 많이 이야기하셔야 한다고 생각합니다. 하지만 ‘플레이어가 아니라 게임을 미워하라’는 말은 늘 가볍게 넘기려는 말로 들립니다. 좋은 제품을 갖고 계시잖아요. 그보다는 더 나은 대응을 하실 수 있다고 생각합니다.
걱정 마세요, 플레이어도 게임도 둘 다 미워할 여유는 충분하니까요.