Krea AI генератор заработал локально на Mac: 7 минут вместо 6 часов на кадр
Krea AI генератор изображений Krea 2 можно запустить локально на Mac без облака и без Python, если собрать нативное Swift-приложение Twisterminigen, и один кадр 1024×1024 занимает около семи минут вместо шести с лишним часов на предыдущих моделях.

Локальный запуск означает, что ваши промпты и результаты не уходят на чужой сервер, а разница между 7 минутами и 384 минутами на одном и том же Mac mini M4 делает генерацию пригодной для реальной работы, а не только для экспериментов.
Автор проекта Twisterminigen ранее тестировал локальные генераторы FLUX.2 Klein, Typhoonminigen 2.0 и Ideogram 4 на Mac. Krea 2, по его словам, выделяется диапазоном стилей: архитектура, предметная фотография, fashion, аниме, документальный пейзаж из одного чекпоинта без смены моделей. Но главный урок проекта не в скорости, а в том, что красивая картинка не доказывает правильность математики внутри.
Почему Krea 2, а не другой генератор?
Семейство Krea 2 состоит из двух версий. Raw предназначена для дообучения (fine-tuning, обучение модели на ваших примерах под узкую задачу) и тренировки LoRA (небольших адаптеров, которые «подкручивают» стиль без переобучения всей модели). Turbo создана для быстрого инференса (inference, собственно генерация картинки): восемь шагов, параметр CFG равен нулю.
В Twisterminigen используется только Turbo и применение готовых LoRA. Промпты пишутся обычным языком: что в кадре, из чего сделано, где камера, откуда свет. Есть нюанс: при CFG 0 негативный промпт математически не участвует в генерации, поэтому пожелания вроде «пустая комната, без людей» нужно писать в основной промпт, а не в отдельное поле.
Что понадобится
- Mac с чипом Apple Silicon (M1 и новее), протестировано на Mac mini M4 с 32 ГБ объединённой памяти
- macOS актуальной версии
- Приложение Twisterminigen (нативное, на Swift, SwiftUI и MLX)
- Около 31,18 ГиБ свободного места на диске под файлы весов модели
- Принятие Krea 2 Community License Agreement и Acceptable Use Policy перед первой генерацией
- Время на первую настройку: загрузка весов и проверка файлов по SHA-256
Пошаговая инструкция
-
Установите Twisterminigen. Приложение нативное, без WebView и без встроенного Python. Все вычисления идут через Swift и MLX (фреймворк Apple для машинного обучения на своих чипах).
-
Откройте раздел Models и выберите вариант весов. Доступны два варианта Krea 2 Turbo:
- Default mixed-4/8 (компактнее, подходит для начала)
- Best Fidelity q8 (тяжелее, точнее)
Для одного рендера загружается только один вариант DiT (diffusion transformer, нейросеть, которая за восемь шагов превращает шум в изображение). Второй просто лежит на диске.
-
Примите лицензионное соглашение. Пока приложение не сохранит подтверждение и не проверит все файлы по размеру и SHA-256, генерация, очередь и запуск пресетов остаются заблокированными. Если условия лицензии изменятся, их потребуется принять заново.
-
Перейдите в раздел Generate и напишите промпт. Описывайте сцену конкретно: объект, материал, ракурс, источник света. Всё, чего не хотите видеть, тоже пишите в основное поле, а не в негативный промпт.
-
Запустите генерацию. Пайплайн работает последовательно, чтобы уместиться в память:
промпт → Qwen3-VL-4B (текст в conditioning) → 12,9B DiT (8 шагов) → Qwen-Image VAE → PNG
Между этапами тяжёлые модели выгружаются, остаются только нужные тензоры. Это позволяет 31 ГиБ весов работать на машине с 32 ГБ памяти.
-
Дождитесь результата. Один квадрат 1024×1024 занимает около семи минут на Mac mini M4. Внизу экрана видна локальная телеметрия: загрузка CPU и GPU, расход памяти, состояние MLX и свободное место на диске.
-
Проверьте результат в Gallery. Здесь хранятся все генерации с метаданными: промпт, seed, параметры.
Автор проекта сгенерировал серию изображений в разных стилях одним Turbo-чекпоинтом: архитектурный рендер, предметная фотография, fashion-кадр. Один квадрат 1024×1024 занимал около семи минут. Для сравнения: предыдущий эксперимент с Ideogram 4 на том же Mac mini M4 при рендере 2048×2048 в режиме Quality с 48 шагами занял 384 минуты 55 секунд. Это не сравнительный бенчмарк, а два разных запуска с разными параметрами, но разница в ощущениях радикальная.
Красивая картинка не равно правильный порт. Самый опасный баг в проекте создавал визуально нормальные изображения. Всего пять токенов (токен, минимальная единица текста для модели) из 512 получали неправильные позиции в механизме RoPE (система, которая сообщает нейросети порядок слов). Тест показывал почти идеальное совпадение. После исправления тот же промпт и seed изменили 99,32% пикселей. Обе картинки выглядели нормально, но математика за ними была принципиально разной.
Не пишите негативные промпты в отдельное поле. При CFG 0 негативный промпт не влияет на результат. Пишите всё в основной промпт.
Не путайте размер файлов с потреблением памяти. 31,18 ГиБ весов на диске не означает, что именно столько отъест от оперативной памяти. Во время работы появляются активации, attention-буферы, латенты (промежуточные «заготовки» изображения), деквантизация и кеш MLX. Плюс macOS тоже потребляет память. Именно поэтому этапы выполняются последовательно: Qwen создаёт conditioning и освобождается, DiT выполняет 8 шагов и освобождается, VAE декодирует PNG.
Codex пишет убедительные ошибки. Автор честно отмечает, что большую часть Swift-кода готовил Codex (модель GPT-5.6 Sol). Codex быстро реализует не только правильные решения, но и убедительно выглядящие ошибки. Без ручной сверки математики с эталонным Python-кодом баг с пятью токенами так и остался бы незамеченным.
Что делать с этим прямо сейчас?
Авторам Дзена и контент-мейкерам: Krea AI генератор в локальном варианте даёт возможность создавать уникальные иллюстрации без подписок на облачные сервисы. Семь минут на картинку позволяют подготовить обложки к статьям за один рабочий сеанс. Все данные остаются на вашем Mac.
Маркетологам: если вы работаете с визуалом для клиентов и переживаете за конфиденциальность промптов и результатов, локальный инференс снимает вопрос утечки креативов на чужие серверы. Но нужен Mac с Apple Silicon и минимум 32 ГБ памяти.
Предпринимателям из РФ и СНГ: Krea 2 распространяется по собственной Community License, доступ к весам не привязан к геолокации. Из облачных генераторов, доступных в России, можно посмотреть на Kandinsky от «Сбера» или YandexART, но они работают иначе и не дают локального запуска на своём железе. Twisterminigen пока нишевое решение для тех, кто готов разбираться.
Главный вывод из этого проекта не про скорость и не про качество картинок. Он про то, что визуальная проверка результата ничего не доказывает. Автор Twisterminigen обнаружил ошибку, которая меняла 99,32% пикселей, только потому что сверял тензоры с эталоном побитово. Для тех, кто использует любой Krea AI генератор или другую нейросеть локально: если вы портируете модель на новый фреймворк, одного «выглядит нормально» категорически недостаточно.
По моим наблюдениям, семь минут на один кадр 1024×1024 на Mac mini M4 это практически пригодная скорость для иллюстраций к статьям, но не для пакетной генерации десятков вариантов. Для конвейера пока быстрее облако.
Локальная генерация на Mac перестала быть демонстрацией терпения. Семь минут вместо шести часов делают процесс рабочим. Но если вы собираете свой порт любой модели, запомните правило Twisterminigen: красивый PNG перестал считаться доказательством правильного кода, доказательством считается только побитовое совпадение с эталоном.
Попробуйте нейросети для контента
Разбираем инструменты для авторов Дзена, тестируем генераторы и делимся результатами
Перейти на dzen.guru
Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Gemini Robotics 2 впервые управляет всем телом робота: ИИ-робототехника получила аварийную остановку
Google DeepMind показала вторую версию модели Gemini Robotics, которая впервые управляет гуманоидным роботом целиком, от ступней до кончиков пальцев, и…

Google DeepMind открыла доступ к моделям роботики ИИ: от пальцев до полного тела
Google DeepMind впервые открыла публичный доступ к Gemini Robotics ER 2, модели, которая планирует многоступенчатые задачи для роботов, и одновременно…

LinkedIn превратил 900 млн пользователей в детектор AI контента: 41% постов пишет нейросеть
LinkedIn начал бороться с потоком текстов, сгенерированных нейросетями, и 5 июня 2025 года добавил в меню каждого поста кнопку «Seems like AI slop», которая…
Комментарии