你大概没注意到：昨天（6月23日）开源圈炸了两个319分、332分的"反共识"项目，今天又冒出一个把大模型塞进浏览器、号称比同类快3倍的runtime。它们的共同点不是"更强"，而是都在逆向主流做——图像模型不再追求"安全好看"，Ruby也想优雅地玩AI，本地推理干脆不许你装环境。这篇拆解本周三个海外新工具，每个都给你具体链接、价格、国内同类对比和上手路径。
过去一年AI工具圈有个隐藏规律：所有产品都在往"安全、稳定、趋同"的方向卷。图像模型越长越像，AI框架等于Python框架，跑个本地模型先要配CUDA、装ollama、下几十G权重。本周（2026年6月23—24日）HN首页连续上浮的三款新品，恰好从三个角度戳破这个趋同——
npm install浏览器里直接跑。这不是巧合。当市场成熟到"默认选项都够用"，最先跑出来的往往是主动离开默认值的那批工具。下面逐个拆。
官网：https://www.krea.ai ｜ 技术报告：https://www.krea.ai/blog/krea-2-technical-report 开源权重：HuggingFace
krea/Krea-2-Turbo、krea/Krea-2-Raw｜ 代码：https://github.com/krea-ai 发布：2026-06-23 ｜ HN热度：319分
Krea 2（代号K2）是创意公司Krea发布的开源权重文生图基础模型，12B参数，分两个变体：
最关键的是许可证宽松（permissive license），权重和推理代码都开源、可商用——这在2026年的顶级图像模型里相当稀缺（Midjourney闭源、SD3限制多、即梦/可灵完全闭源）。
技术报告里有一句话点题：当所有系统都为"可靠出好图"优化时，它们都收敛到了一种窄化的默认美学（a narrow set of default aesthetics）。你用Midjourney、即梦、SD默认配置出的图，构图、配色、质感越来越像同一个模子。
Krea 2 偏要对着干：训练目标里专门加入 wide aesthetic diversity（宽美学多样性）+ user creative control（用户创作控制）。配套的 Generative Sliders（6月11日上线）让你用滑块直接控制 intensity（强度）、complexity（复杂度）、movement（动感）、prompt creativity（提示词自由度）——出图不再被模型默认审美绑架。
Krea 这个团队不是新手：2025年7月他们和Black Forest Labs联合发布的 FLUX.1 Krea（HN 369分）已经带火了"opinionated models（有主张的模型）"概念，10月又开源了实时视频模型 Realtime 14B。Krea 2 是这条线的集大成。
开源权重本身0元可商用。网页版（krea.ai App）提供免费试用额度，付费订阅按需。对中国用户最大价值在于：你可以把权重拉到本地或自有API，完全脱离网页端计费和审核。
| 维度 | Krea 2 | 即梦/可灵 | Midjourney | SD3.5/FLUX |
|---|---|---|---|---|
| 开源权重 | ✅ 宽松许可证 | ❌ 全闭源 | ❌ 闭源 | ✅ 但审美趋同 |
| 反默认审美 | ✅ 专门优化 | ❌ 安全向 | ⚠️ 风格固定 | ❌ 默认审美 |
| 本地部署 | ✅ | ❌ | ❌ | ✅ |
| LoRA微调 | ✅ | ❌ | ❌ | ✅ |
适用人群：设计师、插画师、电商视觉、做角色IP的人——尤其那些"觉得Midjourney出图千篇一律、想要自己审美话语权"的创作者。
官网：https://rubyllm.com ｜ GitHub：https://github.com/crb912/rubyllm 版本：1.16.0（2.0开发中）｜ HN热度：332分（本周开发者工具最高分之一）
一句话：一个漂亮的Ruby框架，用同一套接口调用所有主流AI模型。GPT、Claude、本地Ollama——同一个RubyLLM.chat，换provider不用改业务代码。
它甚至把依赖砍到极致：全库只有3个依赖（Faraday做HTTP、Zeitwerk做自动加载、Marcel做文件类型识别）。功能却很全：
RubyLLM.paint）、Embeddings（RubyLLM.embed）RubyLLM.transcribe）、内容审核（RubyLLM.moderate）class Weather < RubyLLM::Tool，极简定义）代码长这样：
chat = RubyLLM.chat
chat.ask "最好的学Ruby的方式?"
chat.ask "这张图里是什么?", with: "ruby_conf.jpg"
RubyLLM.paint "水彩风格的雪山日落"
Python有LangChain、LlamaIndex，JS有Vercel AI SDK，Java有LangChain4j——唯独Ruby，AI应用开发长期没有像样的统一层（社区只有半成品的langchainrb）。RubyLLM 填了这个空，而且319+分的HN热度 + 已经有人为它做OpenTelemetry可观测、Rails埋点（2026年初就冒出多个周边仓库）说明生态正在起飞。
对国内Rails开发者（不少SaaS、Shopify生态、内部系统用Ruby）这是直接利好：不用再为调个LLM去写Python微服务。
开源MIT，0元。你只需自带各provider的API Key（BYOK），调用费用走对应provider账单。本地Ollama则完全免费。
| 框架 | 语言 | 依赖量 | 适用 |
|---|---|---|---|
| RubyLLM | Ruby | 3个 | Rails/SaaS/极简派 |
| LangChain | Python | 庞大 | 主流AI应用 |
| Vercel AI SDK | TS/JS | 中 | 前端/全栈 |
| langchainrb | Ruby | 杂乱 | 早期实验（被RubyLLM超越） |
适用人群：Ruby/Rails开发者、做内部工具/SaaS的团队、讨厌重依赖的极简主义工程师。
官网：https://www.sipp.sh ｜ 包：
npm install @sipphq/sipp发布：2026-06-24（Show HN）｜ 引擎：WebGPU + WASM + Rust + C++ + GGUF
Sipp 把自己包装成"柠檬汁"（Slogan：AI inference, freshly squeezed），本质是一个面向Web的WebGPU推理runtime。卖点四个零：
npm install @sipphq/sipp，不用装Python/CUDA/ollama；最聪明的设计是对称代码路径：一套统一API，能在"浏览器本地执行"和"云网关（cloud gateway）"之间无缝切换、分流，代码一行都不用改。等于把"本地推理"和"云端推理"统一成同一个调用。
国内提到本地模型，默认路径是 ollama run——要先装运行时、下几十G权重、占GPU显存。Sipp 走的是 WebGPU + GGUF 路线：模型跑在浏览器/Edge端，利用设备GPU，不碰服务器。这非常适合：
和HuggingFace的 transformers.js、MLC的 WebLLM 相比，Sipp 强调"最快runtime"和"本地+网关统一API"这一定位差异化。
开源免费，npm即用。云网关按需。
| 方案 | 形态 | 安装 | 适用 |
|---|---|---|---|
| Sipp | 浏览器WebGPU | npm一行 | Web应用/隐私/演示 |
| transformers.js | 浏览器JS | npm | 生态成熟、HuggingFace背书 |
| WebLLM | 浏览器 | npm | 纯WebGPU推理 |
| ollama | 本地桌面 | 需装运行时 | 重度本地用户 |
适用人群：前端/Web全栈、做浏览器扩展或Web AI demo的人、隐私敏感场景（医疗/法律本地处理）。
flowchart LR
MAIN["主流默认路径<br/>(趋同 / 重 / Python)"]:::main
MAIN --> K["Krea 2<br/>图像圈卷'好看'<br/>→ 它卷'审美多样+可控'"]:::rev
MAIN --> R["RubyLLM<br/>AI框架=Python<br/>→ 它给Ruby一个优雅统一层"]:::rev
MAIN --> S["Sipp<br/>本地=装CUDA/ollama<br/>→ 它浏览器一行npm跑"]:::rev
K --> K2["12B开源权重 / 2秒Turbo<br/>HuggingFace可下可商用"]
R --> R2["3依赖 / BYOK<br/>Rails原生 / 332分"]
S --> S2["WebGPU+GGUF / <1000ms冷启<br/>本地+云网关同API"]
classDef main fill:#fff3cd,stroke:#d39e00,stroke-width:2px,color:#000;
classDef rev fill:#d1ecf1,stroke:#0c5460,stroke-width:2px,color:#000;
三个工具，三个不同的"反共识"切口，但底层逻辑一致：当默认选项够用，真正的机会在主动离开默认值。
| 信息差维度 | 大多数人知道的 | 本周新增的（你应该知道） |
|---|---|---|
| 图像模型 | Midjourney/即梦出图够用 | Krea 2开源可商用、专攻"反默认审美" |
| AI框架 | AI=Python=LangChain | Ruby有RubyLLM，3依赖、Rails原生 |
| 本地推理 | 装ollama、配GPU | Sipp浏览器WebGPU，npm一行，零安装 |
| 价格 | 闭源按张/按月付费 | 三个都可本地/自托管，权重0元 |
| 视角 | 等国内"搬运" | 本周HN 319/332分，国内0报道 |
最大的信息差不是"又出了个新工具"，而是"海外已经开始系统性反共识"——而国内还在卷默认值。
krea/Krea-2-Raw 权重，用ComfyUI本地跑（参考FLUX的加载方式）。gem install rubyllm，10分钟把现有Rails应用接上Claude/GPT，先用免费模型（如GLM）跑通。注意这是BYOK，记得配环境变量。npm install @sipphq/sipp，用浏览器跑一个小模型demo（先试1—3B的GGUF），感受WebGPU推理延迟，评估能否替代部分后端API调用。本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。