Crystal Upscaler 深度解读：一个不发明细节的放大器，和它被传错的五个上限

引言：一张 1 兆像素的照片，凭什么放大到 1500 倍像素

"AI 放大"这四个字底下压着三件完全不同的事，而它们被同一个词卖了很久。

第一件是把图变大。双三次插值、Lanczos，几十毫秒，免费，不会编造任何东西，代价是放大两倍以上就开始糊。第二件是让糊的地方变清楚，模型猜出那里"应该"有什么纹理，猜得对不对取决于它见过多少同类图像。第三件是重新画一张，把低分辨率图当参考，生成一张细节丰富但已经不是原图的新图。

三件事的价格、速度、风险差了一个量级，但你在大多数工具的界面上看不到这条分界线。它们统称"放大"，然后你在拿到结果时才发现：脸不像了，标签上的字变成了别的字母，金属表面长出了不存在的划痕。

Crystal Upscaler 值得看一眼，是因为它把这件事明确切开了，而且切法写在官网第一屏上：

Crystal keeps every real detail. Clarity adds creative detail.

Crystal 是那个"不发明"的，Clarity 是那个"允许发明"的。同一个团队、同一个网站、两套参数、两种价格。这在放大工具里不常见——多数厂商宁愿把两者混成一个"AI 增强"按钮，因为分开了就要解释，解释就要承认有一半场景自己不适合。

它由 @philz1337x 开发，也就是 2024 年那个把 Magnific 的思路开源复现成 ComfyUI 节点的人。前代产品 Clarity Upscaler 至今仍是 ComfyUI 生态里被引用最多的放大方案之一，走的是 Stable Diffusion 加 ControlNet Tile 的扩散管线。Crystal 是换代，而且是换路线：从"生成式重绘"换到"高精度超分"，速度从 32 秒降到 1.8 秒。

这篇文章想回答三个问题。

一、它到底"不发明"什么？ 这句话听着像营销，但它对应一组可以逐条验证的参数约束，包括一个只在短边大于 256 像素时才起作用的旋钮。

二、它的上限到底是多少？ 这不是一个数字。官网说 1.5 gigapixel，ComfyUI 节点的源码里把 100 兆像素写成了常量，网页版只给 2/4/8 三档，Replicate 的价格表在 200 兆像素以上换了一种算法。同一个模型，五个入口，五套口径，差的最多 15 倍。

三、什么情况下它值这个钱，什么情况下用免费的就够了？ 它按输出像素计费，一张 4K 五美分，一张 1.5 gigapixel 二十四美元。这个跨度意味着"要不要用"根本不是一个统一的问题。

---

一、它是什么：一个把"还原"当产品卖的超分模型

1.1 官方怎么定位

官网首页给 Crystal 的一句话是：

Our most precise model. Keeps every real detail and invents nothing. Built for faces, skin, portraits and products.

"invents nothing" 是这句的核心。它不是在说画质好，是在说它的目标函数里没有"生成"这一项。同一个页面给四条产品线各自定了位：

产品	官方定位原话	官方标称上限
Crystal	Keeps every real detail and invents nothing	1.5 gigapixel
Clarity	The open-source classic. Fine-grained control over detail, style and creativity	未标注
Clarity Pro	Next-generation creative upscaling. Adds detail while staying true to the original	8K
Crystal Video	Frame-perfect. The same crystal-clear engine, now for footage	未标注

四条线里，Crystal 和 Clarity 是一组对照：一个不许编，一个鼓励编。Clarity Pro 是 Clarity 的加强版，官方把它单独定价在 $0.03/MP，比 Crystal 的 $0.016/MP 贵近一倍——贵的不是分辨率，是"创意"这一侧的控制力。

这个产品结构本身就说明了一件事：厂商认为"忠实"和"创意"是两种需求，不该用同一个旋钮解决。

1.2 交付形态：五个入口，不是三个

先说一处口径问题：发布时间官方没有标注。官网首页、定价页、API 文档三处都只有产品名和参数，没有日期。目前唯一给出时间的是第三方模型聚合站 Lumenfall，记为 Released October 2025；另一家目录站 fastlaunch 写 2026-03-28，但它同时把发布者写成 "Charlie Simmon"，与其他所有来源冲突，不可信。所以本文按 2025 年 10 月处理，并标注为第三方口径。

买它不只有一条路。目前能跑 Crystal 的入口有五个，每一个的参数、上限、计费方式都不一样：

入口	形态	参数暴露程度	计费
clarityai.co/dashboard	官方网页应用	全套（含 creativity）	订阅 credits
crystalupscaler.com	独立 C 端站	只有 2x/4x/8x 三档	未公开
api-upscale.clarityai.co	原生 REST API	全部六个参数	按输出像素分桶
fal.ai / Replicate	第三方托管	部分（Replicate 无 creativity）	按平台规则
ComfyUI 节点	本地工作流里的云节点	scale_factor + creativity	Comfy 积分

这五条路不是"同一个东西的五个壳"。后面会看到，同一个 1.5 gigapixel 的目标，在不同入口上的可达性和价格差得很远。

1.3 它不是什么

有三件事容易被误认，先说清。

它不是开源模型。 前代 Clarity Upscaler 有开源权重（Hugging Face 可下，12GB 显存能跑），Crystal 没有。官方首页把 Clarity 称为 "the open-source classic"，这个称呼的反面就是：Crystal 是闭源的新东西。你在任何地方都下不到它的权重，ComfyUI 节点也只是把你的图上传到 Clarity 的云接口，不是本地推理。

它不是"AI 重绘"。 没有提示词输入框，官方 API 的 crystal 模式里没有 prompt 字段。你没法告诉它"把这里变成木纹"，它只按原图的像素关系推。

它不是免费的。 有"免费试用"的说法流传，但官方公开页面没有给出免费额度的具体数字。API 侧给新账号送 $5 试用金——这是唯一在官方页面上能确认的免费入口。

1.4 门槛在哪

技术门槛很低：网页版上传即用，API 一行 curl。真正的门槛是成本口径，而口径这件事在这个产品上特别容易踩坑——因为同一个模型有五个上限、三套计价、两套 credit 体系。

---

二、五个上限口径，和它们各自的出处

这是我在核对资料时最意外的一处。同一个模型的最大输出，五个地方给出五个数字，而且每一处都是"官方"或"平台方"，没有一处是瞎写。

2.1 先把五个数字摆出来

出处	最大输出	原始表述
官网首页	1.5 gigapixel（1500 MP）	Up to 1.5 gigapixel
官方 API 文档	1500 MP（可验证）	target_megapixels: value between 0.001 and 1500
官方定价页	1.5 GP，标为 "38KMax"	Crystal 38KMax ≈ 1.5 GP · $24.00 / image
网页版	8 倍	Upscale your images by 2x, 4x or 8x
Replicate	未明说，但价格表把 >110 MP 统一按 $3.20	100 to 200 megapixels and above: $3.20
ComfyUI 节点	100 MP，单边 65535	源码常量 MAX_OUTPUT_PIXELS = 100_000_000

2.2 为什么同一个模型会有五个上限

因为它们限制的不是同一个东西。

1.5 gigapixel 是模型能力上限。 这个数字在 API 文档里有一个可直接验证的对应物：target_megapixels 参数的取值范围上界就是 1500。这是我找到的最硬的一处证据——不是宣传语，是参数定义。你只要传 target_megapixels: 1500，就等于要求它输出 1500 兆像素。

100 MP 是 ComfyUI 那条路的上限。 它跟模型无关，跟管道有关。ComfyUI 的节点源码里写着：

CRYSTAL_UPSCALER_ENDPOINT = "/proxy/fal/clarityai/crystal-upscaler"
MAX_OUTPUT_PIXELS = 100_000_000
MAX_OUTPUT_SIDE = 65535

节点走的是 fal 代理，不是 Clarity 原生 API。所以它的天花板由 fal 侧决定，而 fal 侧给的是 100 MP。这也解释了另一处不一致：节点内置的价格徽章写的是 $0.02288/MP，而官网和 fal 的公开标价都是 $0.016/MP——中间多出的 43%，是这条路自己的成本结构。

8 倍是网页版的产品设计上限。 官方 C 端站只给三个按钮，配一句 "No complicated settings"。它把 API 上 1–200 的连续系数收成三档，是刻意的减法，不是能力不够。这个上限最容易被误读成"它只能放大 8 倍"。

Replicate 的 $3.20 不是上限，是一处计价分歧。 Replicate 把 >110 MP 的输出统一按 $3.20 收，页面上写的分档名是 "100 to 200 megapixels and above"。而官网对 >200 MP 的输出回到 $0.016/MP 的线性计价，所以同样一张 1.5 GP 的图，官网报价 $24.00，Replicate 的字面报价是 $3.20。差 7.5 倍。 这一处我没有实测验证（要真跑一张 1.5 GP 才算数），但它至少说明：走不同入口，同一件事的报价可以差一个量级。

2.3 200 倍这个数字，对正常照片没有意义

顺便拆一个更容易被误读的数字。ComfyUI 节点和官方 API 都允许 scale_factor 到 200，于是"最高 200 倍"这个说法开始流传。它经不起一次乘法。

放大的系数同时作用于宽和高，所以输出像素是输入像素的平方倍。在 100 MP 封顶的前提下：

• 1000×1000 的图（1 MP），最多能放大约 10 倍（10×1000 = 10000，10000² = 100 MP）
• 2048×2048 的图（4.2 MP），最多约 4.88 倍
• 想真正用到 200 倍，输入得小于 2×2 像素——而节点要求的最小输入恰好是 2×2

所以 200 这个数字在工程上的意义是"参数没被截断"，不是"你能放大 200 倍"。真实可用倍数取决于你的源图有多大，公式是 √(100,000,000 ÷ 源图像素)。

2.4 这张表怎么用

你要的结果	该走哪条路	注意
2–8 倍，不想碰参数	网页版	看不到 creativity，画质旋钮在别人手里
单张、要精确控制像素	原生 API	唯一能指定 target_megapixels 的入口
超过 100 MP	原生 API	fal / Replicate / ComfyUI 都到不了 1.5 GP
接进自己的产品	原生 API 或 fal	fal 便宜且按 MP 计，但上限 100 MP
已经在 ComfyUI 里	ComfyUI 节点	接受 100 MP 天花版与 +43% 单价

---

三、谁在真的用它：四类场景与它们的边界

放大这个需求有个特点：不同人嘴里的"放大"要的东西完全不一样。做电商主图的人要的是轮廓别糊、标签字别变形；做婚纱后期的人要的是皮肤别塑料、睫毛别消失；印海报的人要的是尺寸够；接 API 的人要的是稳定和单价。

3.1 场景地图

按"要解决什么"拆，Crystal 的主场是前三类里偏"保真"的那一半：

需求	典型使用者	Crystal 是不是主场
小图出大图，但结构不能变	电商、产品图、包装、logo	主场
人脸与皮肤的细节回收	人像、婚纱、写真后期	主场
老照片、低质量素材修复	家庭、档案、二手素材	主场，但有前置条件
建筑与室内，直线不能歪	地产、室内设计	主场
想要"更好看"而不只是"更大"	概念图、插画、二创	不是，该用 Clarity 或别的创意款
视频放大	短片、素材	换 Crystal Video

3.2 场景一：电商主图与产品图

触发条件：供应商给的图只有 800×800，要上 2000×2000 的主图位，或者要印到包装上。

痛点：普通插值放大两倍后，包装上的小字先糊成一片色块，再放大就开始出现"鬼影"式的重影。文字和硬边缘是插值算法的死穴。

Crystal 的介入点：官方首页把这件事单独列了一栏，原话是 Every shot keeps its true shape, color and label text. Crystal adds resolution, not imagination。它敢专门写"label text"（标签文字），说明这是被针对性处理过的场景。

前置依赖：源图不能太小。官方在 ComfyUI 文档里给了一条容易被忽略的约束——短边小于等于 256 像素时，creativity 参数完全无效。换句话说，如果你拿一张 200×200 的缩略图去放，调整那个旋钮不会有任何反应。

产出与收益：一张 1 MP 的商品图放到 16 MP（4K），按官方分桶是 $0.20。人工用 Photoshop 补一张同等质量的图，熟练工也要二三十分钟。

边界与风险：把 creativity 从 0 调高，模型开始"重建"细节，这时包装上的字可能被"重建"成别的字。产品图场景下这个旋钮应该锁死在 0，官方文档自己也这么建议。

3.3 场景二：人像与皮肤

触发条件：手机拍的、压缩过的、或者从旧视频里截出来的人像，要放大到能交付的尺寸。

痛点：通用放大模型处理人脸有两个典型失败。一是皮肤变成塑料质感，毛孔和绒毛全部消失；二是五官被"标准化"，放大后的人不像本人。这两种失败都不影响"清晰度"，所以很多工具的自评指标看不出来。

Crystal 的介入点：官方定位里 "faces, skin, portraits" 排在最前，且明确写 no plastic skin, no identity changes（这句在 Replicate 的模型卡上）。作者在 Indie Hackers 的发布帖里给出的动机也是这个：多数放大工具处理不好人脸，会糊掉皮肤、扭曲五官、丢掉身份感。

前置依赖：仍然受 256 像素那条线约束。另外这是生成式管线的通病——每一级生成式放大都可能改写身份，所以人像场景的经验是"宁可分两次小幅放大，不要一次大幅放大"。

边界与风险：极端的低质量源图（严重压缩、失焦、大面积遮挡）在忠实模式下救不回来。忠实放大的本质是"不编"，源图里没有的信息它不会补。这时该换创意款，但要接受"人可能变得不像"的代价。

3.4 场景三：小图出印刷尺寸

触发条件：一张预览图要印成海报、易拉宝、展板。

痛点：300 DPI 是印刷的常见要求，而"够不够"这件事很少被算清楚。

这里值得算一笔账，因为它直接决定了 1.5 gigapixel 那一档值不值：

印刷物	尺寸	300 DPI 下所需像素
A4 画册跨页	420×297 mm	约 4961×3508 = 17.4 MP
A2 海报	594×420 mm	约 7016×4961 = 34.8 MP
3m×4m 户外广告牌	3000×4000 mm	约 35433×47244 = 1,674 MP

也就是说：A2 海报 35 MP 就够，一张 100 MP 的图能印到 1.7 米见方。而 1.5 gigapixel 对应的是一张约 12 米 × 12 米的画面在 300 DPI 下的像素量。

官网写 big enough to blow up onto a poster or billboard，这句话没错，但它模糊了一件事：billboard 的需求量级是 100–200 MP，不是 1500 MP。 1.5 GP 那一档不是给印刷准备的，是给"要在一张图里塞下极大信息量"或者"要留出巨幅裁切余量"的场合准备的。

边界与风险：户外广告的实际观看距离远，DPI 要求可以降到 30–50。按 30 DPI 算，3m×4m 只要 167 MP。所以绝大多数"印广告牌"的需求，100 MP 档就够，$1.60 一张，不是 $24。

3.5 场景成熟度分级

分级	场景	判断依据
开箱即用	电商产品图放到 4K	网页版三个按钮能完成，参数不用动
开箱即用	人像放到 2–4 倍	默认 creativity=0 就是忠实模式
需要一点配置	精确指定输出像素	得走 API，用 target_megapixels
需要一点配置	接进 ComfyUI 工作流	要装节点、登录、有积分
仅概念验证	输出超过 100 MP	只有原生 API 可达，成本陡增
不建议使用	想要"更好看"的重绘	方向错了，该用创意款

3.6 明确不该用的场景

一、源图本来就清晰的放大。 如果原图是 4000×3000 的锐利照片，你只是要 8000×6000，用 Lanczos 或免费的 Real-ESRGAN 就够，而且不会引入任何编造。花 $0.40 让模型去"还原"一张本来就没丢细节的图，是把钱花在它没有增益的地方。这个判断不是我一个人的，第三方知识库 comfy.icu 里那句分类也是这个意思：More pixels (source already sharp) → you don't want this, you want a plain ESRGAN or Lanczos upscale, which is free, instant, and can't invent anything.

二、需要改变内容本身。 想把模糊的背景换成具体的场景、想把草图变成成品渲染，这不是放大的活。

三、批量的、对成本敏感的、画质要求不高的场景。 一张 $0.05 起，一万张就是 $500，而很多批量场景用免费的 Real-ESRGAN 能达到"够用"。是否值得，取决于你的图卖多少钱。

---