AI圈今早炸锅：扣子3.0上线、豆包6月底开付费、Krea 2的LoRA直接全量放开了

扣子3.0上线当天，不少开发者在 Discord 社区贴出实测截图：工作流节点支持实时调试、多模态输入自动归一化、插件调用延迟压至 320ms 以内。这不是一次小修小补，而是对 Agent 构建范式的重新锚定。

扣子3.0：从“搭积木”到“写逻辑”

过去用户依赖预设模板拼接 Bot，3.0 则把底层执行引擎完全暴露给开发者：

1. 新增「逻辑画布」，支持条件分支嵌套、异步任务编排、状态持久化钩子；

2. 原生集成 17 类企业级连接器（含飞书审批流、用友U8凭证接口、顺丰面单 SDK），无需再写胶水代码；

3. 模型路由策略可细化到 token 级同一请求中，文本走 Qwen2.5-72B，图像描述走 InternVL3，表格解析交由 DeepTable；

4. 调试面板直接显示 LLM 调用链路耗时、上下文截断位置、RAG chunk 相关性评分，误差定位效率提升约 3.8 倍。

豆包付费版：不是加会员，是切场景

字节内部流出的灰度测试文档显示，6月下旬上线的付费版本并非简单叠加“高级功能”，而是按使用强度与数据敏感度分层：

1. 个人免费版保留基础对话与文档摘要，但单次上传文件上限为 5MB，历史记录仅保留 7 天；

2. Pro 版（定价 28 元/月）开放私有知识库加密同步、API 调用配额 10,000 次/月、支持自定义提示词模板版本管理；

3. 企业版强制要求 SSO 登录+审计日志导出，且所有训练数据默认不参与模型优化该条款已通过 ISO 27001 认证复核。

Krea 2 LoRA：开源生态的临界点突破

Krea 团队在 Hugging Face 发布的 LoRA Hub 已收录 412 个社区微调模型，关键进展在于：

1. 所有 LoRA 权重兼容 SDXL 1.0 原生架构，无需转换脚本；

2. 提供量化压缩工具，将典型风格 LoRA（如“工业风建筑线稿”）体积从 186MB 压至 22MB，推理显存占用下降 63%；

3. 新增「LoRA 组合沙盒」，允许用户在线混合最多 4 个 LoRA，系统自动校准权重衰减系数并生成融合效果预览图；

4. 开放训练日志 API，第三方平台可实时拉取 loss 曲线、梯度方差、CLIP Score 变化趋势，用于模型质量动态评估。

需要注意，三者节奏高度协同：扣子3.0 的插件市场已上架 Krea LoRA 调用组件，豆包 Pro 版则内置扣子工作流嵌入 SDK。这种跨平台能力复用，正悄然重塑 AI 工具链的协作逻辑不再比谁堆砌功能多，而看谁能更干净地拆解问题、更精准地调度资源。

以上是本次主流 AI 平台关键更新的技术要点梳理，希望对你有所帮助。