데이터 기간: ZView Space 운영 로그, 2026년 7월 13일 ~ 10월 19일. 우리 자체 ComfyUI 설정을 설명하는 글이며 Krea 의 공식 안내가 아닙니다.
Krea 2 Turbo 는 우리가 생성하는 이미지 대부분의 바탕이 되는 모델입니다. Krea 는 2026년 6월에 이 모델을 Krea 2 의 8스텝 증류 버전으로 공개했고, 우리는 몇 달째 ComfyUI 워크플로로 돌리고 있습니다. 이 글은 우리가 실제로 쓰는 설정, 공식 기본값과의 차이, 우리 하드웨어에서 작업 하나가 실제로 얼마나 빠른지, 그리고 요청 중 LoRA 를 쓰는 비율을 정리합니다.
공식 페이지의 내용
Krea 저장소에서 가져온 내용입니다.
- Krea 2 Raw 는 증류하지 않은 기본 체크포인트로, 파인튜닝·후속 학습·LoRA 학습용입니다. 권장 설정은 52스텝에 CFG 3.5 이고 약 1K 이미지까지 학습되었습니다.
- Krea 2 Turbo 는 빠른 텍스트→이미지용 8스텝 증류 체크포인트입니다. 권장 추론 설정은 8스텝, CFG 0.0, `mu` 1.15 이고 해상도는 1K 에서 2048 x 2048 까지입니다.
- Krea 의 조언은 Raw 로 LoRA 를 학습하고 추론은 Turbo 에 적용하라는 것입니다.
- 가중치는 Krea 의 커뮤니티 라이선스를, 추론 코드는 Apache-2.0 을 따릅니다.
Krea 는 또한 Krea 2 가 Artificial Analysis 에서 독립 연구소 텍스트→이미지 모델 가운데 1위라고 밝힙니다. 이것은 Krea 자체의 주장이며 우리는 검증하지 않았습니다.
우리의 운영 설정
| 설정 | 우리 값 | 공식 Turbo 권장값 | | --- | --- | --- | | 스텝 | 8 | 8 | | CFG | 1 | 0.0 | | 샘플러 / 스케줄러 | ER-SDE / beta | 페이지에 명시 없음 | | 체크포인트 | int8 양자화 Turbo | Turbo | | 배치 크기 | 1 | 1 |
두 가지를 짚습니다. 첫째, 우리 CFG 는 0 이 아니라 1 입니다. ComfyUI 에서 CFG 1 은 "분류기 없는 가이던스를 쓰지 않음"을 뜻하므로 공식 스크립트가 쓰는 0 과 가깝습니다. 둘을 통제된 조건에서 비교해 보지는 않았습니다. 둘째, 우리는 int8 양자화 체크포인트를 쓰는데, 정밀도를 조금 내주고 속도와 메모리를 얻는 선택이며 그 교환을 따로 측정하지는 않았습니다.
우리 워크플로의 이전 버전(v3.0)은 다른 샘플러(dpmpp_sde, beta57 스케줄러)와 다른 체크포인트를 썼습니다. 즉 로그가 다루는 석 달 동안 설정이 바뀌었고, 표는 현재 운영 워크플로를 보여 줍니다.
실제로 얼마나 빠른가
우리 대기열은 끝난 Krea2 작업마다 실제 경과 시간을 기록합니다. 가장 최근 샘플 100개에서 중앙값은 22초, 범위는 22~25초로 매우 일정했습니다. 이 수치는 샘플러만이 아니라 우리 워커에서 작업 하나 전체의 시간이며, 우리 운영 크기(대부분 9:16)에서의 값입니다. 다른 사람의 숫자와 직접 비교할 수 없습니다. Gigazine 의 실사용 테스트에서는 RTX 5070 Ti 의 ComfyUI 에서 1024 x 1024 이미지가 프롬프트를 재사용할 때 약 9~15초, 내장 프롬프트 향상기가 다시 쓸 때 16~25초였다고 보고했습니다. 하드웨어, 크기, 프롬프트 처리가 달라 정면 비교는 의미가 없지만, 둘 다 Turbo 가 분 단위가 아니라 초 단위 모델이라는 점은 같습니다.
LoRA 요청 비중
2026년 7월 13일부터 10월 18일까지 기록된 Krea2 Turbo 요청 21,111건 가운데 64%(13,471건)가 캐릭터 LoRA 를 썼고, 2%(501건)는 미니어처 장면용 워크플로를 썼으며, 나머지 34%(7,139건)는 쓰지 않았습니다. 워크플로가 우리와 비슷하다면 LoRA 는 부가 기능이 아니라 Turbo 의 주된 사용 방식일 것입니다. Turbo 를 LoRA 를 적용하는 자리로 삼으라는 Krea 의 조언과도 맞습니다.
형식 분포는 나머지 로그와 비슷합니다. Krea2 요청 21,111건 중 19,583건(93%)이 9:16 이었습니다. 우리는 세로 형식의 휴대폰 중심 콘텐츠를 만들기 때문입니다.
실전 조언
1. 8스텝에서 시작하세요. 스텝을 더 늘리는 것은 Turbo 의 용도가 아닙니다. 더 많은 제어가 필요하면 Raw 모델로 가세요. 2. CFG 0 과 CFG 1 을 직접 한 번 시험해 보고, 구별되지 않는 쪽을 쓰세요. 3. 구조화된 프롬프트를 쓰세요. 우리 로그에서 Krea2 프롬프트의 중앙값은 약 1,100자이고([프롬프트 로그 리포트](/articles/what-25000-prompts-taught-us-generation-log-report/ko) 참조), 피사체, 장소, 조명, 카메라 순으로 구성합니다. 4. Krea 의 권고대로 Raw 로 학습하고 Turbo 에 적용하세요. 5. 자기 워커를 직접 재세요. 중앙값 22초는 우리 것이고, 여러분의 GPU, 정밀도, 크기에 따라 달라집니다.
방법 메모: 스텝, CFG, 샘플러 값은 우리 운영 ComfyUI 워크플로 파일에서 읽었습니다. 소요 시간은 대기열이 저장한 가장 최근 샘플 100개의 중앙값과 범위입니다. LoRA 비중은 2026년 10월 19일 프롬프트 로그를 읽기 전용으로 센 값입니다.