Krea: Krea 2 Medium Turbo 対 Recraft: Recraft V4.1 Pro Vector
api14カタログの最新のUSD料金と機能をもとに、Krea: Krea 2 Medium Turbo（$0.05 / 画像 (≈ ￥8)）とRecraft: Recraft V4.1 Pro Vector（$1.05 / 画像 (≈ ￥166)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
仕様
| Krea: Krea 2 Medium Turbo | Recraft: Recraft V4.1 Pro Vector | |
|---|---|---|
| プロバイダー | Krea | Recraft |
| 画像出力 | $0.05 / 画像 (≈ ￥8) | $1.05 / 画像 (≈ ￥166) |
| コンテキストウィンドウ | 65,536 | 65,536 |
| 最大出力 | 58,982 | 58,982 |
| 入力 | text, image | text, image |
| 出力 | image | image |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2026/07/20 | 2026/05/13 |
詳しく見る
Krea: Krea 2 Medium Turbo は Krea の画像モデルで、2026年7月20日にリリースされました。Recraft: Recraft V4.1 Pro Vector は Recraft の画像モデルで、2026年5月13日にリリースされました。どちらもチャットやテキストのモデルではなく画像生成モデルなので、どちらかを呼び出すときは、書かれた回答ではなく画像を返すよう要求することになります。名前は注目に値します。Recraft のモデルは名前に「Vector」を含んでおり、これはベクター形式の出力を狙っていることを示しています。一方、Krea のモデルは中規模のターボ変種として位置づけられており、速度重視の構成を示唆しています。どちらも api14 を通じて並んで提供されているため、両者の選択はプラットフォームの決定ではなくルーティングの決定です。
実際に記録されている技術的事実において、この2つのモデルは驚くほど近接しています。どちらも入力モダリティとしてテキストと画像を受け付け、どちらも唯一の出力モダリティとして画像を返し、どちらも 65,536 トークンのコンテキストウィンドウを公開しています。どちらも対応パラメータを一切リストしていないため、どちらについてもサンプリング制御、スタイル調整ノブ、あるいは類似のオプションを API 経由で渡せるとは期待すべきではありません。定性的比較のフィールドも両者を分けていません。入力コスト、出力コスト、コンテキストサイズ、ツール対応、構造化出力対応、推論対応のいずれにも記録された差異はありません。言い換えれば、入手可能なデータの中には、これらの軸において一方が他方より安い、大きい、または高機能であることを示すものは何もありません。実用的な違いは、各モデルが生成するように作られている画像の種類と、各プロバイダーがそれをどのように調整したかに帰着し、インターフェース上の文書化された差には帰着しません。
両者を選ぶ際の賢明なアプローチは、仕様表に合わせるのではなく、必要な出力にモデルを合わせることです。なぜなら仕様表は一致しているからです。タスクがベクターアート、ロゴ、アイコン、きれいに拡大縮小する必要のあるイラスト、あるいはパスがピクセルより重要となるデザインツール向けの何かの生成であるなら、明示的なベクター重視を考えると Recraft V4.1 Pro Vector が自然な最初の呼び出しです。タスクがラスター画像生成で、所要時間が重要であり、ターボ調整された中規模モデルがレイテンシ予算に合うなら、Krea 2 Medium Turbo が自然な最初の呼び出しです。どちらもテキストだけでなく画像入力も受け付けるため、どちらも image-to-image 形式の作業に使用でき、参照画像、ラフスケッチ、既存アセットを両側でテキストプロンプトとともに投入できます。タスクが曖昧なときは、同じプロンプトを両方で生成し、出力を直接比較してください。それには追加の呼び出しが1回かかるだけで、当て推量がなくなります。
どちらのモデルも api14 を通じた呼び出しは同じように機能します。なぜなら api14 は OpenAI 互換 API を公開しているからです。既存のクライアントを api14 のベース URL に向け、通常の chat completions 形式でテキストプロンプトと任意の入力画像を送信し、model フィールドを希望する id に設定します。Krea モデルを使うには、model id を "krea/krea-2-medium-turbo" に設定します。Recraft モデルを使うには、model id を "recraft/recraft-v4.1-pro-vector" に設定します。リクエスト内の他のすべては同一のままでよく、つまり両者の切り替えは1行の変更であり、2つの統合を維持することなく同じコードパスで A/B テストできます。
記録された事実の中に、コスト、コンテキスト、能力において一方が他方より明らかに優れた選択であるケースはありません。なぜならそれらのフィールドはすべて同点か不明だからです。唯一擁護できるタイブレーカーは出力形式の意図です。特にベクター指向の結果が欲しいときは Recraft V4.1 Pro Vector を選び、ターボ調整されたラスター生成経路が欲しいときは Krea 2 Medium Turbo を選んでください。要件がこれらの区別をしないなら、両者を交換可能として扱い、自身の出力比較に決めさせてください。
文字列1つで切り替え
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"krea/krea-2-medium-turbo"から"recraft/recraft-v4.1-pro-vector"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.images.generate({
"model": "recraft/recraft-v4.1-pro-vector",
"prompt": "A minimalist product photo of a ceramic mug on a wooden table",
"n": 1,
"aspect_ratio": "1:1"
});
import { writeFile } from "node:fs/promises";
await writeFile("image.png", Buffer.from(result.data[0].b64_json, "base64"));
その他の比較
- OpenAI: GPT Image 2.6 Flare 対 OpenAI: GPT Image 2.6 Sunburst
- OpenAI: GPT Image 2.6 Flare 対 Auto Router
- OpenAI: GPT Image 2.6 Flare 対 Auto Code
- OpenAI: GPT Image 2.6 Flare 対 Sourceful: Riverflow V2.6 Pro
- OpenAI: GPT Image 2.6 Sunburst 対 Auto Router
- OpenAI: GPT Image 2.6 Sunburst 対 Auto Code
- OpenAI: GPT Image 2.6 Sunburst 対 Sourceful: Riverflow V2.6 Pro
- Auto Router 対 Auto Code