Krea Bots 开启测试:九个专科 AI 智能体,建立在分层的创作记忆之上
分层记忆按单个机器人、单个项目和整个工作区,保留经过批准的风格经验

Krea 已开启 Krea Bots 的测试,这是一组九个有名字的 AI 智能体,按创作专业分工,它们加入团队的聊天,并在各个项目之间保留经过批准的偏好。团队通过 @ 提及某个机器人来把工作交给它,每个专科机器人都结合了推理模型、持久的工作简报、沙箱算力、视觉审查循环和已连接的工具。使用资格需要排队申请,Krea 向获准加入的团队提供 1000 美元的额度;与此同时,Adobe 和 Runway 也在为专业创作工作力推各自的智能体和记忆功能。
九个专科角色,一个工作区:Krea 如何划分创作流程
这份阵容覆盖了一条完整的制作流水线。North 担任创意总监,负责规划项目并给其他机器人下达简报。Lumen 负责图像和产品图。Doodle 画分镜草图。Voxel 做 3D。Glide 负责动态图形。Snip 负责视频剪辑。Bloop 管声音设计和混音。Ping 撰写配文并安排社交媒体发帖。Serif 检查品牌合规。每个机器人只专注一门手艺,简报不明确时会提问,做完自己的部分,然后把下一步交给擅长那门手艺的机器人。Krea 发布页面上的示例机器人除了接入 Krea 自己的编辑、动效、声音和 3D 工具,还连接了 Slack、Meta Ads、Figma 和一个浏览器。
这种设计对应的是人类创意团队的分工方式。动效专家和品牌审核员不需要掌握同样的工作知识,Krea 据此限定每个机器人学什么,而不是把每一条修改意见都汇进一个通用智能体里。
三层记忆架构
Krea Bots 最独特的地方不是专科角色的数量,而是它们底下的记忆系统。三个层次决定了一个机器人在开始任务之前知道些什么。
手艺记忆存储从反馈中得来、经过批准的经验,只作用于某一个专科机器人;发布报道里举的例子,是「早餐类的配文要写得短」这样一条经验。项目记忆保存置顶的指令和背景信息,比如在黄金时段拍摄,作用于当前项目聊天里的每一个机器人。工作区记忆承载内部规范,包括标志的摆放位置和品牌惯例,作用于工作区里的所有机器人和所有项目。
它的治理模式值得一提。团队成员提出的经验要先等待批准,才会进入持久记忆;另有一个「经验」页面,让工作区可以保留、丢弃或共享机器人学到的任何东西。在代理公司的场景里,这道关卡可能很重要,因为好几个人会在同一个聊天里提意见,它能防止一句随口的评论或一条错误的指令变成长期有效的规则。
在这些机器人之下,是 Krea 在 9 月随 Krea Agents 推出的编排层。规划由来自 Anthropic 等提供方的大语言模型负责,生成则运行在 Krea 自己的模型和第三方系统上。Krea 称该平台编排了 60 多个模型,其中包括 Flux、Veo 3.1、Kling、Runway、Luma 和 Krea 2。至于 Bots 如何决定把某项任务交给哪个模型,目前没有详细的文档说明。
Krea 自研的基础模型与第三方选项并存
Bots 开启测试时,距离 Krea 开始推出自行训练的基础模型已有六个月。
Krea 2 于 2026 年 5 月发布,是该公司第一款从零构建的图像模型:一个约 120 亿参数的单流扩散 Transformer。Krea 的技术报告于 6 月发表,同时开放了 K2 Raw 和 K2 Turbo 的权重。报告称,最终模型采用标准的整流流(rectified flow)损失进行训练,这也是近期几款扩散 Transformer 共用的训练目标。
Krea 3 随后于 10 月 15 日开启公开测试,并在第二天成为 Krea 应用中的默认图像模型。该公司的Krea 3 技术报告把它描述为一个图生图模型,从 Krea 2 的预训练权重初始化,再针对编辑任务继续训练,每次生成最多可使用八张参考图。Krea 称,它是第一款可以针对特定产品、人物或风格用 LoRA 进行微调的编辑模型,报告也把 LoRA 称为团队打算用来保持身份和角色一致性的工具。API 的定价为1K 分辨率每张 0.03 美元,2K 分辨率每张 0.06 美元,Krea 称 2K 的编辑在八秒内返回结果,这是公司给出的数字,尚未经过独立测试。Krea 没有公开发布 Krea 3 的权重。
拥有这些模型,让 Krea 在编辑和风格一致性方面有了自家的选项,同时它仍然提供外部模型,用于自家模型覆盖不到的任务。
持久的创作记忆成为一条竞争战线
在大型老牌厂商中,Adobe 率先行动。2026 年 6 月 18 日,它让升级后的 Firefly 工作室进入内测,带来了Elements 和 Projects这两项功能,可以保存可复用的角色、物体和场景,并让素材、生成结果和创作背景跨会话保存在一起。11 月 10 日,也就是 Krea Bots 发布的两天前,Adobe 在迈阿密海滩举行的 Adobe MAX 大会上预览了常驻智能体,它们承担重复性的任务,比如整理新收到的素材、检查质量,以及为不同渠道准备内容。Adobe 的结构性优势在于与 Photoshop、Premiere 和 Illustrator 的深度整合。Adobe 的这两次发布都没有提到按角色分工、共用一个团队聊天并且各有独立记忆范围的智能体,而这正是 Krea 押注的结构。
Runway 则在另一个维度上竞争。它的 Gen-4.5 视频模型在 2025 年 12 月发布时,在 Artificial Analysis 的文生视频基准上排名第一,而 Runway 的模型也在 Krea 自家平台编排的模型之列。
Krea Bots 的发布相当于一次押注:记得住,将比产出质量上的边际提升更重要——一旦达到某个质量门槛,对专业团队来说,那些经过批准、不断积累的审美偏好,比生成保真度再提高一点更有价值。
对代理公司来说有什么变化,哪些仍未得到验证
对于管理品牌工作的团队,实际的变化是:内部规范只需在工作区层面写一次,每个项目都会继承,而不必在每次生成请求里重申。至于代理公司能否为每个客户保留独立的工作区——也就是独立的审美历史——在我们查阅的发布材料中没有说明。
Krea 给出的效率数字需要谨慎看待。针对其落地页上的产品发布示例,Krea 估算机器人工作了 43 小时,而人只投入了七分钟,公司没有公布任何基准测试方法。这个数字是厂商针对一个示例场景的估算,而不是来自测试用户的实测结果。
正式上线的日期和针对 Bots 的定价都没有披露,Krea 将如何对模型调用、算力、存储和已连接工具的操作计费也不清楚。Slack、Figma 和 Meta Ads 这些连接的权限边界是一个悬而未决的问题,对于在客户数据上受到限制的代理公司来说,这是一项实质性的顾虑。发布报道也没有解释,当积累下来的手艺经验与更新的项目简报相冲突时会怎么办——对长期运营的客户账户来说,这是记忆漂移带来的一个现实问题。
一个随每次发布不断累积的智能体平台
Krea 的智能体产品推出得又快又有章法:8 月是 Slack 测试,9 月 3 日是 Krea Agents 测试并在 9 月 10 日扩大开放,10 月 Krea 3 成为默认图像模型,11 月是 Krea Bots。每一步都在上一步的基础上延伸,从单个智能体规划多模型流水线,发展到有名字的专科角色,并配有范围限定的持久记忆。
战略上的含义是一种锁定效应,这在企业软件里比在生成式 AI 工具里更常见。经过几个月真实项目反馈积累起来的手艺记忆和工作区记忆,换到别处重建的成本会很高,而 Krea 没有说明这些经验能否导出。这种优势能否持久,取决于记忆层能否在全部九个专业上都经得起考验,而这最终要由独立的代理公司评估来决定,而不是靠用赠送额度进行的测试试用。



