Llama 3.2来了,多模态且开源!AR眼镜黄仁勋首批体验,Quest 3S头显价格低到离谱

Llama3.2 1B与3B:轻盈而强大的AI新势力 ​ Llama-3.2 1B 和 3B 模型在尺寸和效率之间展现出了令人印象深刻的平衡,在多种任务中表现出高度的能力。尽管它们的规模较小,但在速度和性能方面表现出色,对于资源受限的特定应用来说是非常好的选择。 ​ 阅读详情

如果说 OpenAI 的 ChatGPT 拉开了「百模大战」的序幕,那 Meta 的 Ray-Ban Meta 智能眼镜无疑是触发「百镜大战」的导火索。自去年 9 月在 Meta Connect 2023 开发者大会上首次亮相,短短数月,Ray-Ban Meta 就突破百万销量,不仅让马克·扎克伯格直呼 Amazing,更促使了谷歌、三星、字节跳动等国内外大厂的纷纷入局!

时隔一年,Meta 再次在 Connect 开发者大会上推出了智能眼镜新产品 Orion,这是该公司推出的首款全息 AR 眼镜,扎克伯格称其为世界上最先进的眼镜,将会改变未来人与世界的交互方式。

此外,按照惯例,Meta 通常会在 Connect 大会推出 Quest 头显新产品,今年亦是如此。鉴于去年发布的 Meta Quest 3 被用户们普遍反映价格过高,今年 Meta 推出了一款性能与 Quest 3 相近但价格更亲民的新头显 Quest 3S,这款头显被认为是当前市场上最佳的混合现实设备,可以提供极佳的超现实体验。

当然,作为 Meta 旗下备受瞩目的核心技术之一,Llama 模型也在此次发布会上迎来了重大更新。多模态 Llama 3.2 能够同时理解图像和文本,手机也能跑大模型,为其开源生态再添助益。

Meta 的 AR 梦想成真,Orion 眼镜开启全新交互时代

今年 4 月,为庆祝 Reality Labs 成立 10 周年,Meta 曾发布一篇文章概述该部门的发展历史,并在文中预告了其下一个核心产品——首款 AR 眼镜。Meta 表示,Quest 3 能够让用户在物理世界中与数字内容沉浸式互动,Ray-Ban Meta 眼镜让用户享受到 Meta AI 的实用性和娱乐性,而新款 AR 眼镜则会结合这两者的优点,实现最佳的技术融合。

随着 Meta Connect 2024 的临近,市场上越来越多的声音推测,这款 AR 眼镜将会在本次大会中发布。不出所望,今天,Meta 发布了其首款 AR 眼镜 Orion。

在这里插入图片描述

扎克伯格表示,Orion 致力于改变人与世界的交互方式,是有史以来最先进的 AR 眼镜,历经 10 年研发而成。它拥有最先进的 AR 显示屏、定制的硅芯片、碳化硅镜片、复杂的光波导 (waveguides)、uLED 投影仪等,多种技术加持让强大的 AR 体验能够在一副眼镜上运行,而所消耗的电力和重量仅为 MR 头显的一小部分。

在这里插入图片描述

简单来说,这种 AR 眼镜采用一种全新的显示架构,利用微型投影仪将光线投射到波导中,再将不同深度和大小的全息图投射到用户面前的世界,并由一块装在眼镜腿里的电池供电。例如,用户如果想与远方的朋友相聚,他们将以全息图的形式出现在客厅,就像真的在身旁一样。

值得一提的是,Orion 在镜框边缘嵌入了 7 个微型摄像头和传感器,并结合语音、眼动和手势追踪,配备 EMG 腕带,用户可以轻松地进行滑动、点击和滚动操作。例如,如果晨跑时想拍照,只需轻轻一按指尖,Orion 就能定格精彩瞬间。此外,只需轻敲手指,还能召唤纸牌游戏、国际象棋或全息乒乓球等娱乐活动。

英伟达创始人兼 CEO 黄仁勋都迫不及待试用啦!

在这里插入图片描述

最佳混合现实设备 Quest 3S,性价超高

继去年 Meta 在 Connect 大会上发布全球首款混合现实头显 Meta Quest 3 之后,Meta 今年推出了 Quest 3 的精简版本——Quest 3S。

在这里插入图片描述

扎克伯格表示,「Quest 3S 不仅性价比高,而且是目前市面上能买到的最佳混合现实设备!」它具备与 Quest 3 相似的核心功能,即高分辨率全彩混合现实,用户可以在物理世界和虚拟世界中「无缝穿越」,能够进行娱乐、健身、游戏、社交体验等一系列活动。不同的是,Quest 3S 改进了镜片,并在技术栈、有效分辨率和延迟等方面做了优化,其混合现实手部追踪软件表现更为出色。

混合现实的神奇之处在于,它将写实的空间带入元宇宙,让用户有一种身临其境的感觉,并在不同的体验间自由切换。比如,用户可以选择影院模式,把屏幕放大成一个电影院,获得最佳的剧场观看体验。

在现场演示中,扎克伯格展示了从 2D 移动应用到远程桌面的 PC 的沉浸式体验,用户可以打开屏幕并将其放置在任何位置,形成一个巨大的虚拟显示器,并进行工作。他提到,Meta 一直在与微软合作升级远程桌面功能,不久之后,这种功能或许就可以连接到 Windows 11 电脑上。

值得一提的是,Meta Quest 3S 以难以置信的价格提供超现实的体验,起价仅为 299.99 美元,将在 10 月 15 日上市。今年秋天购买 Quest 3S 的用户,还将获赠《Batman: Arkham Shadow》游戏的 VR 体验。

首个支持视觉任务的 Llama 模型,多模态且开源

除了重磅的硬件发布外,小扎还带来了 Llama 的更新,推出 Llama 3.2 模型。作为第一个支持视觉任务的 Llama 模型,Llama 3.2 能够同时理解图像和文本。其中包含适用于边缘和移动设备的中小型视觉模型 (11B 和 90B) 以及轻量级纯文本模型 (1B 和 3B),这两个类别均包括预训练版和指令微调版。值得一提的是,这些不同规格的模型均可通过 Meta AI 进行试用。

在这里插入图片描述

模型性能评估

研究人员在超过 150 个跨语言的基准数据集评估模型性能。结果显示,Llama 3.2 1B 和 3B 模型支持 128K tokens 的上下文长度,在遵循指令、总结、提示改写和工具使用等任务上,3B 模型优于 Gemma 2 2.6B 和 Phi 3.5-mini 模型,而 1B 模型则能够与 Gemma 模型一争高下。

在这里插入图片描述

此外,研究人员评估了模型在图像理解和视觉推理基准的性能。结果显示,Llama 3.2 11B 和 90B 视觉模型可以无缝替代相应的文本模型,同时在图像理解任务上超越了诸如 Claude 3 Haiku 之类的闭源模型。

在这里插入图片描述

轻量级模型训练
对于 Llama 3.2 1B 和 3B 模型,研究人员采用剪枝和蒸馏两种方法,从 8B/70B 模型中提炼出高效的 1B/3B 模型。

具体而言,研究人员将 Llama 3.1 的 8B 和 70B 模型的 Logit Date 纳入预训练阶段,使用这些较大模型的输出 (logit date) 作为 token 级别的目标,进行结构化剪枝。剪枝完成后,研究人员利用知识蒸馏来恢复模型的性能。

Llama 3.2 1B 和 3B 模型剪枝和蒸馏示意图

模型演示 demo

视觉模型训练
Llama 3.2 的训练流程分为多个阶段。首先,从预训练的 Llama 3.1 文本模型开始。接着,研究人员添加图像适配器和编码器,并在大规模的噪声(图像、文本)配对数据上进行预训练。然后,在中等规模的高质量域内和知识增强的(图像、文本)配对数据上进行训练。

在后期训练中,研究人员采用与文本模型相似的方法,通过多轮对齐来进行监督微调、拒绝采样和直接偏好优化。研究人员使用 Llama 3.1 模型生成合成数据,对域内图像的问题和答案进行过滤和增强,并使用奖励模型对所有候选答案进行排序,从而确保高质量的微调数据。

此外,研究人员还引入了安全缓解数据,以打造一个兼具高度安全性和实用性的模型。最终,能够同时理解图像和文本的 Llama 3.2 模型诞生,标志着 Llama 模型在通向更丰富代理能力的道路上又迈出了重要的一步。

视觉模型演示

本地部署模型及时且安全
研究人员指出本地运行 Llama 3.2 模型有两大优势。首先,在响应速度上,由于处理全部在本地完成,提示和响应的速度可以达到接近即时的效果。

其次,在隐私安全上,本地运行模型无需将消息和日历等数据发送到云端,保障了用户隐私,使应用程序更加私密。通过本地处理,应用程序可以明确控制哪些查询留在设备上,哪些查询需要交由云端更大的模型来处理。

手机写作助手 demo 演示

坚守开源初心,模型部署更加简化和高效

Meta 始终坚守开源初心,为了大幅简化开发者在不同环境(包括单节点、内部部署、云端和设备)中使用 Llama 模型的流程,实现检索增强生成 (RAG) 和工具支持型应用的一键部署,并集成安全功能,Meta 宣布将分享首批官方 Llama Stack 发行版。

在这里插入图片描述

据官方介绍,Llama 3.2 模型将在 llama.com 和 Hugging Face 上提供下载,并将在包括 AMD、AWS、Databricks、Dell、Google Cloud、Groq、IBM、Intel、Microsoft Azure、NVIDIA、Oracle Cloud、Snowflake 等在内的合作伙伴平台上提供即时开发支持。

作为一贯的开源倡导者,扎克伯格曾在与黄仁勋的对谈中介绍道,「Meta 从开源生态中获益,已节省数十亿美元」。而 Llama 无疑是其打造开源生态的重要触手,Llama 3.2 进一步向视觉任务拓展,实现多模态,也势必将为其开源生态再添助益。

M5-TTS 端侧推理实战(02)|从 llama.cpp 到 Hexagon HTP:图、KV 和设备边界 M5-TTS 复用 llama.cpp 的推理框架,通过注入 embd 向量借壳运行,免费获得 KV cache、量化与后端调度。核心计算(backbone 与 depth core)部署于 HTP0,权重常驻,利用 Q8_0/Q4_0 降低带宽;而 heads 投影、采样、声码器等仍由 CPU 承担,因带宽敏感或无法适配 GGUF。每帧 15 次跨边界往返源于 FastRPC 调用链,虽可优化但非性能瓶颈。关键在于:模型在 NPU 只占 43MB 权重,其余计算仍依赖 CPU,真正实现的是“轻量 NPU 阅读详情

相关推荐

测试 Meta 的全新 Llama 3.2 90B Vision 型号 它与 Pixtral 和 Qwen 2 VL 相比如何

Meta 花了一段时间才发布其 Llama 系列的首批视觉模型。在 Llama 3 发布一年半后,我们现在有了 3.2,其中包括 4 个新模型。1B 和 3B 是轻量级的纯文本模型,旨在适用于边缘和移动设备,包括预训练和指令调整版本。它们支持 128K 个标记的上下文长度,并且是同类产品中最先进的,适用于在边缘本地运行的设备上用例,例如摘要、指令跟踪和重写任务。

iCloudEnd的博客 649

成功运行llama3.2-1B基准代码

查看适配的python环境后,创建3.9.2的环境命名llm,安装pytorch。之后再安装tqdm、transformers。

lemon的博客 583

GrootN1-Llama 是decoder-only 自回归 Transformer -5

SmolLM2 是一个 24 层、2048 维、SwiGLU + RMSNorm + RoPE + FlashAttention-2 的 Llama 架构 decoder-only LLM;在 GR00T-N1 里它不生成文本,而是把"文本 token + SigLIP 视觉 token"混合后做一次前向,取最后一层 hidden 作为多模态融合特征,投影到 1536 维后喂给动作头做条件。它是整个 VLM 骨干的"融合中枢"。自回归 = "用已看到的前文预测下一个,再把它接回去继续预测"的串行生成范式;

智能机器人产学研基地 26

LLM学习笔记1——本地部署Meta-Llama-3.2-1B大模型与学习LLaMA模型框架

从Transformer架构的出现,到GPT与BERT系列,再到GPT3.5、文心的发布,再到Llama、Qwen、gemma、deepseek等开源。

qq_45848817的博客 5005

ComfyUI 使用 LLaMA-Factory 微调的 Qwen3.5:从模型导出到工作流出图--晨羽算力平台

这次问题的关键是区分“模型文件能否加载”和“当前推理栈能否正确执行增量解码”。LLaMA-Factory 导出的模型能在 vLLM 中正常工作,并不意味着 ComfyUI 一定会走相同的计算路径。先用最小文本工作流验证,再按当前 ComfyUI 版本部署补丁、重启正确的后端进程,最后恢复完整图像工作流,可以更快定位问题。

qq_40881695的博客 359

python基础语法与数据结构

本文摘要: Python基础语法包含输入输出、函数、变量、数据类型及运算符等内容。输入函数input()获取键盘输入并以字符串存储,输出函数print()可格式化输出数据。函数通过def定义,可带参数和返回值,提高代码复用性。变量无需声明类型,可动态赋值。数据类型包括数字、字符串、布尔及复合类型,可通过type()查看。运算符包含算术、赋值等类型,其中复合赋值运算符如+=可简化运算。类型转换函数如int()、str()等可实现显式类型转换。这些基础语法构成Python编程的核心要素。

MM602388的博客 436

LLama 3.2 1B 和 3B:体型虽小,但威力强大!

MetaAI 刚刚推出了 Llama-3.2,这是一套新的模型,其中包括两个令人印象深刻的轻量级大型语言模型 (LLM),分别具有 10 亿 (1B) 和 30 亿 (3B) 个参数,以及更大的视觉语言模型 (VLM),分别具有 11B 和 90B 个参数。取决于你问的是谁,这可能被视为人工智能领域向前迈出的突破性一步——而其他人,也许对层出不穷的模型发布感到厌倦,甚至可能不会停下来看一眼。但这个版本真正有趣的地方在于:这些轻量级的 LLM 专门针对边缘设备进行了优化。

python12345678_的博客 1万+

等保: Postgresql配置ssl链接

等保: postgresql配置ssl链接完整方案和避坑指南

weixin_43557605的博客 4383

Llama 3.2 90B刚开源就被Molmo-72B全面击败!

Meta此次发布的Llama 3.2一个新特性是视觉模型,包括11B和90B,作为首批支持视觉任务的Llama模型,但是allenai开源的多模态,在视觉评测上全面击败。两个新发布的开源LLM之间的基准测试比较:Molmo与Llama 3.2可以看出,allenai的Molmo,采用 Apache 2.0 许可,并将发布他们的数据,创建了自定义的 ELO 评估,并且其架构比 Llama 3.2 更简单,可能与 Flash Attention 兼容。

m0_59164304的博客 1463

Proteus仿真AT89C51驱动DHT11:温湿度数据采集与LCD1602显示的5个调试坑点总结

本文总结了在Proteus仿真环境下使用AT89C51驱动DHT11温湿度传感器并通过LCD1602显示的5个常见调试坑点,包括DHT11时序问题、LCD1602初始化错误、数据校验失败、仿真特有差异及系统稳定性问题,提供了详细的解决方案和优化代码示例,帮助开发者高效完成温湿度采集项目。

weixin_30335575的博客 359

SAPABAP金色传说:关于导入和导出Excel时反复弹窗提示 SAP GUI安全性问题的解决方法

文章目录前言一、提示的到底是什么?二、关闭SAP GUI安全提示的步骤1.设置位置 前言 如果你在SAP中,经常需要将数据导出Excel,或者使用Excel进行批导数据,那么你对下面这个频繁出现的弹窗提示一定不陌生! 系统试图创建文件 C:\Users\15265\Desktop\EXPORT.XLSX 于目录 C:\Users\15265\Desktop\ 是否要授权修改父目录及其所有子目录? 不管你是不是选的记住我的决定,它必出!就很烦!那如何处理才能关闭呢? 提示:以下是本篇文章正文内容,看完快

Easystudios博客 1万+

Llama 3.2开源中小型视觉 LLM(11B 和 90B)和轻量级纯文本模型(1B 和 3B)

1.今天,

2401_85373898的博客 2774

pytorch转onnx转paddlepaddle

1.pt转onnx 可查看我之前的文章:https://blog.csdn.net/oyjwin/article/details/117778583?spm=1001.2014.3001.5501

oyjwin的博客 1462

Llama 3.2:开源可定制视觉模型,引领边缘AI革命

今天,Meta发布了 Llama 3.2,主要包括小型和中型视觉 LLM(11B 和 90B)以及适合边缘和端侧的轻量级纯文本模型(1B 和 3B),包括预训练和指令调整版本。Llama 3.2 1B 和 3B 模型支持 128K 令牌的上下文长度,在同类产品中处于较领先地位,适用于总结、指令跟踪和在边缘本地运行的重写任务等设备用例。Llama 3.2 11B 和 90B 视觉模型在图像理解任务上的表现优于封闭模型(例如 Claude 3 Haiku)。

m0_59235945的博客 3000

数字芯片后端设计实战:Memory Compiler参数配置与SRAM生成优化

本文深入解析数字芯片后端设计中Memory Compiler的核心参数配置与SRAM生成优化策略。详细探讨了容量结构、频率设定、工艺角选择等关键参数的配置要点与常见误区,并提供了从.lib/.lef文件转换到后端流程整合的实战指南,旨在帮助设计者生成面积、性能和功耗更优的存储单元。

weixin_29194255的博客 702

新出的智谱GLM-4.7很牛逼?

Zhipu AI(智谱)最近发布的 GLM-4.7 再次刷新了开源大模型的天花板。作为一款约 400B 参数规模的 MoE 模型,它不仅在传统的代码与推理任务上超越了 DeepSeek-V3.2 和 Kimi-K2 等强力对手,更通过**“保留思考(Preserved Thinking)”和“交错思考(Interleaved Thinking)”**等架构级创新,重新定义了 Agentic Workflow 的设计范式。

kakaZhui的博客 2403

最新llama3.2小参数版本1B的古董机测试 - 支持128K上下文,表现优异,和移动端更配

Llama3.2新版本推出,很多人都关注它的多模态,但最小的1B却吸引了我的注意力,小小的它,蕴含了不少的威力!或许是移动端大模型应用的一个起点

分享有趣的、贴近生活的CS知识 3111

手把手教你完成YOLOv11 PySide6目标检测界面搭建,使用Qt6设计YOLOv11检测系统,前台系统+后台管理系统开发实战,可用于大论文凑工作量或毕设必备,全网最详细教程

目标检测是计算机视觉中的重要任务,广泛应用于安防监控、自动驾驶、智能家居等领域。YOLO系列模型由于其高效的检测速度和较高的准确率,成为目标检测任务的首选算法之一。本项目结合 YOLOv11 与 PySide6,构建了一个图形化界面,便于用户进行目标检测的操作和展示,实现对图片、视频和摄像头的实时目标检测,不仅可以用于大论文的工作量展示,还可以作为毕业设计。系统功能有:目标检测程序实现图片/视频/摄像头检测,AI 问答界面(deepseek大模型接口,流式输出)、退出登录、界面保存登录状态、个人信息修改等

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 7017

开发者实战|三步完成 Llama3.2 在算力魔方的 INT4 量化和部署

点击蓝字关注我们,让开发变得更有趣作者 | 刘力 算力魔方创始人OpenVINO™前面我们分享了《三步完成 Llama3 在算力魔方的本地量化和部署》。2024年9月25日,Meta 又发布了 Llama3.2:一个多语言大型语言模型(LLMs)的集合,其中包括:大语言模型:1B和3B参数版本,仅接收多种语言文本输入。多模态模型:11B和90B参数版本,既能接收文本输入又能接收图像输入。本文将介绍...

OpenVINO的博客 496

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

Llama 3.2 微调指南

使用刷新可用软件包列表,使用安装必备工具。如果出现任何错误,请在 shell 上运行此命令。

新缸中之脑 5381

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

中文指令跟随实测:昇腾 NPU 下 Llama 3.2 3B 与 1B 英文对比

对比维度指令理解仅支持简单指令,细节把握弱支持复杂指令,语义拆解精准内容生成短句堆砌,表达生硬连贯自然,可运用修辞手法逻辑推理表面关联,无法拆解步骤步骤清晰,能解释底层原理多轮交互易 “失忆”,上下文一致性差记忆稳定,交互连贯性能(昇腾 NPU)速度快(18 token/s),显存低(1.2GB)速度较慢(10 token/s),显存较高(2.8GB)

2501_93877712的博客 1355

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

全新Llama 3.2系列:性能提升明显,但真的是最优选择吗?(已测试)

令人兴奋的消息,Meta发布了Lllam3.2系列模型,当前的基准显示,Llama 3.2 在各种基准测试中表现优于 Claude3.5 Haiku 以及 GPT-4o-mini;加上前几天的Qwen2.5,这是他们的第1次开源多模态大模型,总共有4个;其中两个是视觉模型(11B、90B)。90B可能是目前最大的视觉模型了,我记得前面一个比较大的是剩下的两个是1B和3B的,这些模型专为边缘计算和移动设备优化,支持 128k 令牌,擅长任务如摘要和遵循指令,针对各种处理器进行了优化。

python1234_的博客 7922

AR和VR,有哪些知名的开源平台

最近VR/AR的在元宇宙概念助推下,不论在产业规模还是在具体的应用研发上都有一定的发展,并且随着一些科技公司对元宇宙的投入,VR/AR作为元宇宙与物理世界交互的大门愈来越重要。本文主要介绍了VR/AR的基础概念以及几个比较好的开源工具,希望能够在前人打下的基础上实现AR/VR在具体场景的落地。

u012474395的博客 4612

MLPerf Storage v3.0:Alluxio分布式缓存实现147GiB/s Llama 3大模型checkpoint写入性能

在最新 MLPerf Storage v3.0 测试中,Alluxio 验证了一套成熟且可落地的架构方案:全量 AI 持久化数据集保留在 Amazon S3 对象存储,同时在 GPU 计算侧部署分布式缓存层,为 AI 集群提供高性能的数据访问通路。

Alluxio的博客 353

【回眸】Llama.Cpp 本地大模型高效部署与应用实战

在本地运行大语言模型曾经是很多开发者的梦想,但高昂的服务器成本和复杂的部署流程往往让人望而却步。随着模型量化技术的成熟和推理引擎的优化,如今我们完全可以使用普通的消费级显卡,在自家电脑上流畅地跑起几十亿参数的大模型。这不仅仅是为了节省成本,更重要的是,它意味着我们可以将敏感数据完全保留在本地,无需上传到任何云端服务,从而真正实现数据的私有化和安全可控。对于许多需要处理内部文档、编写代码辅助工具或构建个人知识库的开发者来说,本地化部署提供了一条切实可行的路径。

啤酒鸭的物联网开发记录博客 375

Ollama报llama-server binary not found排坑实录:服务活着引擎没了

Ollama 的 API 层、引擎层、模型层是三个独立的东西,报错先分清哪层坏了。就是典型的"引擎层文件级丢失",Test-Path一下引擎目录,五秒钟定性,剩下的就是重装 + 手动重启计划任务两步。日常防复发:清理软件白名单罩住安装目录;升级 Ollama 后记得;重要机器上定期看一眼引擎目录的文件数,从 30 多个变成 0 是有前兆的。你有没有遇到过类似的"进程活着但核心文件没了"的故障?最后查出来是被什么干掉的——清理软件、杀毒、还是某次更新?评论区聊聊,我怀疑这类"清理误删"比想象中普遍得多。

weixin_55357163的博客 158
上一篇: 12位院士齐聚CCF HPC China,热议科研新范式:超智融合/算网融合/科学智能计算……...
下一篇: 12位院士齐聚CCF HPC China,热议科研新范式:超智融合/算网融合/科学智能计算……
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值