大模型下半场,百度再次发起进攻!

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

2025年4月25日,Create2025百度AI开发者大会在武汉举办。当李彦宏宣布文心大模型4.5 Turbo和文心大模型X1 Turbo发布后,随即跟上的一系列AI新应用和新服务,证明了如今的百度,在AI领域已经是模型和应用双向出击,其所图并不仅仅是算法或大模型本身,更是在“技术饱和式攻击”之下,以“润物细无声”的方式进行AI生态布局。如果说,在AI大模型领域的上半场竞争中,各家比拼的主要是算力和算法的军备竞赛,那么在下半场,“应用”这个核心关键词的重要性,正在愈发凸显。

图片

 

2款新模型,多款AI产品,带领百度回到前排

在此次大会上,文心大模型4.5 Turbo和文心大模型X1Turbo这两款更强大,成本更低的大模型备受瞩目。文心大模型4.5 Turbo和文心大模型X1Turbo具备多模态、强推理、低成本三大特性。当下的部分模型,仍然存在模态单一、幻觉高、速度慢和价格贵等问题。百度发布这两款新模型,正是为了解决这些问题。

图片

 

李彦宏现场表示,当前开发者做AI应用的一大阻碍,就是大模型成本高、用不起。成本降低后,开发者和创业者们才可以放心大胆地做开发,企业才能够低成本地部署大模型,最终推动各行各业应用的爆发。

文心大模型4.5 Turbo和文心大模型X1 Turbo,价格优势显著。文心大模型4.5Turbo对比文心4.5,速度更快、价格下降80%,每百万token的输入价格仅为0.8元,输出价格3.2元,仅为DeepSeek-V3的40%。

图片

 

此外,文心4.5 Turbo的多项基准测试成绩显著优于GPT 4o,平均分达到77.68,超过GPT 4o的72.76。

图片

 

图片

 

文心大模型X1Turbo,每百万token输入价格1元,输出价格4元,仅为DeepSeek-R1的25%。

图片

 

谈到大模型的迭代趋势,李彦宏认为“多模态将成为未来基础模型的标配,纯文本模型的市场会越变越小,多模态模型的市场会越来越大”。

基于此,文心大模型4.5 Turbo和X1 Turbo都进一步增强了多模态能力。在多个基准测试集中,文心4.5 Turbo多模态能力与GPT 4.1持平、优于GPT 4o。

文心大模型X1 Turbo是基于4.5 Turbo的深度思考模型,性能提升的同时,具备更先进的思维链,问答、创作、逻辑推理、工具调用和多模态能力进一步增强,整体效果领先DeepSeek R1、V3最新版。

若从3月16日百度发布文心大模型4.5和文心大模型X1算起,百度已经在差不多一个月内连续发布4款大模型,并且都是多模态和推理模型。

除此之外,此次大会上还发布了高说服力数字人、多智能体协作应用“心响”,代码智能体秒哒、沧舟画布OS、百度搜索的AI应用开放平台等多款AI应用及服务,并且官宣全面拥抱MCP,显示出百度在日益白热化的AI大模型竞争中,已经悄然再度回到前排。deepseek之后,百度引领新一波AI势能 。

图片

从高说服力数字人到多智能体协作应用,帮助更多人打造超级应用

3月9日,李彦宏曾于人民网发表署名文章《紧抓AI智能体爆发元年机遇 推动新质生产力加快发展》表示,要“坚决投入大模型和生成式人工智能的技术研发,发展新质生产力。人工智能是新质生产力的代表。随着大模型和生成式人工智能的爆发,人工智能正加速赋能工业、制造、能源、交通、政务等行业,成为发展新质生产力的重要引擎。”而李彦宏也曾经在许多不同场合强调应用生态在AI行业的重要性,比如在百度世界2024上,他就表示,百度不是要推出一个“超级应用”,而是要不断地帮助更多人、更多企业打造出数百万“超级有用”的应用。

此次,百度发布了几款重磅的AI产品,都是这一类可以帮助更多人打造出超级应用的应用。针对模型迭代太快,应用价值是否会被覆盖的行业疑虑,李彦宏明确指出,只要找对场景、选对基础模型、会调模型,做出来的应用就不会过时。而随着模型能力的增强,大模型和应用场景结合的机会将越来越多,能够渗透场景、带来实在价值的AI应用,是属于开发者的真机会。

比如,百度推出的“高说服力数字人”,与市面上常见的机器感很重、文案枯燥的数字人不同,高说服力数字人能做到更逼真、表现力超越真人,而这都得益于百度慧播星背后的“剧本生成”能力。高说服力数字人背后由一个内容丰富的多模剧本来驱动,数字人的表情、语气和手势都会基于脚本内容实时调整,情绪转折和动作切换顺畅。此外,高说服力数字人还具备“AI大脑”,能根据直播间实时热度和转化情况,灵活调度助播、场控、运营等角色共同促进转化,譬如适时切换镜头画面、调度图片、视频素材,真正实现了一个人就是一个营销团队。

而为了让更多人都能低门槛地快速拥有专属数字人,百度慧播星平台推出了“一键克隆”功能,只需录制一条最短2分钟的直播视频,传到平台上做基础训练,就可以反复使用这个数字人进行直播,真正做到人人可做直播。

另一个令人惊喜的产品是多智能体协作应用“心响”。心响是可以一站式解决用户复杂问题的“通用超级智能体”,并且全民免费可用。这是一个能够真正帮助人们完成复杂任务的产品,已覆盖深度研究、智慧图表、游戏开发等十大场景超200个任务。比如在生活实践中,心响可以帮用户创建日程、绘制智慧图表、生成出行规划、预订餐厅和打车等任务。目前,心响App已上线了包括例行任务、城市旅游、AI相亲、深度研究、法律咨询、健康咨询、智慧图表、试题讲解、AI绘本、游戏开发在内的十大场景超200个任务类型,未来计划将任务类型扩展到10万以上。心响App是一款以“AI任务完成引擎”为核心的通用超级智能体产品,通过自然语言交互帮助用户实现复杂任务拆解、动态执行与可视化结果交付。除了常见的外部 MCP 工具调用(Tool Use),在健康、法律等专业场景中,它还实现了「多智能体协作」(Agent Use)机制。比如,面对健康咨询时,系统可自动调度多位“医生AI分身联合会诊”;在法律服务中,则支持由多个律师AI分身组成的“律师智囊团”协同答复与服务。

除了以上两大产品,百度此次还带来了功能强大的沧舟OS系统、代码智能体秒哒,面向未来的搜索开放平台·AI开放计划(sai.baidu.com)等AI进展。

当行业还在争论大模型落地场景时,百度已构建起覆盖数字人、开发工具、搜索生态的立体化应用矩阵,显示出百度一直以来在推动AI产业生态链上,一直是站在前排的。

从拥抱MCP到推动创业大赛,全面助力AI应用爆发

AI应用生态构建,其实就是在可预计的未来很长一段时间内,AI企业竞争的下一个热点。而百度在开发工具、硬件和社会实践上,都在积极推进AI应用生态构建,推进AI应用井喷的时代来临。

而面对AI应用的井喷,百度搜索开放平台发布了“AI开放计划”(sai.baidu.com),通过建立多样的内容和服务分发机制,为智能体、H5、小程序、独立App等应用开发者提供流量和收益,为用户提供最新最全的AI服务。此外,百度搜索构建了MCP server的发现平台,可以索引全网市场上优质的server。

MCP是当下行业被认为是让AI应用爆发的一个里程碑式进步。在开发智能体等AI应用时,开发者面临工具缺少统一规范、反复适配各类平台等难题,MCP(Model Context Protocol,模型上下文协议)提供了一种新解法。MCP就像给AI装上了“万能插座”,让各种不同的外部服务,通过标准化的接口和大模型对接,开发者无需再为每个工具编写定制化代码,极大降低开发门槛。

会上,百度官宣将帮助开发者全面拥抱MCP,并现场演示了千帆、搜索、电商、网盘等产品接入MCP的案例。全面拥抱MCP协议的战略选择,彰显了百度构建开放生态的雄心。该协议支持智能体间的认知对齐和价值校准,为跨平台协作奠定基础。

而在至关重要的算力硬件支持上,百度智能云成功点亮昆仑芯三代万卡集群,这也是国内首个正式点亮的自研三万卡集群。算力硬件的制约一直以来都是国产AI企业的一个痛点,而百度以自身实际行动,突破技术壁垒,支持国产算力硬件,也是助力自研AI生态的重要表现。

除此之外,第三届"文心杯"创业大赛的启动,更将这种生态构建推向纵深。前两届孵化出的47个AI原生应用中,有12个已进入商业化阶段。这种"技术赋能+场景验证"的双轮驱动,正在培育中国AI创新的热带雨林。据了解,本届创业大赛将进一步加大对创业者的支持力度,单一项目的获奖金额将翻倍,特别大奖的投资额最高可达1000万美元最高可达7000万人民币,助力更多的开发者和创业团队打造更多更好的AI应用。同时李彦宏宣布,未来5年,百度将加大力度,再为社会培养1000万AI人才。

图片

结语

正如李彦宏之前在《大模型改变世界》演讲中强调的:“我们正处在全新起点,这是一个以大模型为核心的人工智能新时代,大模型改变了人工智能,大模型即将改变世界。”在激烈竞争的AI大模型行业,百度曾以开拓者的姿态“ALL IN”,而如今更以领军者的姿态再出发,这背后不仅仅有其深厚的技术积累和沉淀,更有先行者的判断力、决断力和责任感。构建真正的开放开源生态,帮助行业同仁以及更多后来者抓住AI机遇,搭上AI时代快车,这是百度的眼光,也是百度的优势。当行业进入价值兑现期,这种厚积薄发的技术储备,正在转化为实实在在的产业势能。在这场没有终点的技术长征中,百度选择了一条既需要硬核技术突破,又考验生态构建智慧的独特路径。

基于PaddleDetection的足球比赛多目标跟踪系统实战指南 多目标跟踪是计算机视觉领域的核心技术,旨在对视频中的多个目标进行持续检测、识别与轨迹关联。其核心原理通常采用“检测-跟踪”范式,即先利用深度学习模型(如YOLO、Faster R-CNN)进行目标定位,再通过数据关联算法(如卡尔曼滤波、匈牙利算法)结合外观特征进行跨帧匹配,从而形成稳定、唯一的轨迹。这项技术的核心价值在于将非结构化的视频流转化为结构化、可量化的时空数据,为后续的深度分析奠定基础。在工程实践中,它广泛应用于智能监控、自动驾驶、机器人导航以及体育科技等领域。特别是在足球比赛分析场景中,系统需要应 阅读详情

相关推荐

jmeter5.4.1 使用案例

jmeter主要用于接口压力测试,模拟海量请求并发访问接口 1.下载jmeter https://jmeter.apache.org/download_jmeter.cgi 2.启动jemter 双击即可 3.配置jmeter 1.先更改语言 2.创建线程组 配置线程执行规划 3.创建http请求默认值 4.创建http请求 5.创建http信息头管理器 指定 Content-Type:application/json 6.创建响应断言 7.创建察看结果数 直接点击 执行 按.

SpringHASh的博客 1221

大模型下半场,百度再次发起进攻

正如李彦宏之前在《大模型改变世界》演讲中强调的:“我们正处在全新起点,这是一个以大模型为核心的人工智能新时代,大模型改变了人工智能,大模型即将改变世界。”在激烈竞争的AI大模型行业,百度曾以开拓者的姿态“ALL IN”,而如今更以领军者的姿态再出发,这背后不仅仅有其深厚的技术积累和沉淀,更有先行者的判断力、决断力和责任感。构建真正的开放开源生态,帮助行业同仁以及更多后来者抓住AI机遇,搭上AI时代快车,这是百度的眼光,也是百度的优势。

jennycisp的博客 961

【NTN 卫星通信】使用地面网络和卫星网络接入的终端应用场景

卫星接入有广覆盖的特点, 可以改善地面接入网覆盖或无线条件差的地区(例如多径干扰)的服务可用性。对于高速移动中需要实时业务的终端,如IMS语音/视频会议,可以通过地面接入和卫星接入同时实现与5G系统的双连接,在地面接入网不可用的情况下获得连续可靠的业务。

weixin_43603524的博客 2558

从技术狂欢到价值兑现,AI大模型下半场怎么打?

接下来的一年,大模型赛道或将迎来更深度的整合与创新。

TMT_XQ的博客 728

深入解析ChangeFormer:基于Transformer的孪生网络在遥感变化检测中的创新应用

本文深入解析了ChangeFormer这一基于Transformer的孪生网络在遥感变化检测中的创新应用。通过分层Transformer编码器、特征差异计算模块和轻量级MLP解码器的设计,ChangeFormer在LEVIR-CD数据集上取得了90.4%的F1分数,显著优于传统卷积网络。文章还详细探讨了工程化实现、训练调参和模型部署的优化策略,为遥感变化检测领域提供了新的技术范式。

weixin_29051811的博客 731

驱动钛丝(SMA)的应用(5)汽车腰托气阀常见问题及解决方案

财哥在前段时间发布的《驱动钛丝(SMA)的应用(1)汽车腰托支撑按摩气阀模块》一文,引发了很多企业的拜访和交流。 目前很多厂家已经启动或正在进行相关研发,同时也遇到了诸如:钛丝选型、驱动位移、响应设计、温度控制、力量设计、点动滞后、铆接工艺、量化生产等问题。

weixin_39168671的博客 1241

<span class=“js_title_inner“>突发!姚顺雨后,清华95后庞天宇加入腾讯,任混元「主任研究员」</span>

如果说姚顺雨的加入是为了并在「推理(Reasoning)」能力上通过System 2思维实现突破,那么庞天宇的到来,则剑指「交互(Interaction)」——解决模型如何在虚拟与现实环境中看懂世界、做出决策。这表明,腾讯正通过「钞能力」和极高的决策权限,试图修正起步稍晚的劣势,集中算力和数据资源,在Agent(智能体)和多模态原生赛道上,实现对DeepSeek、OpenAI的追赶甚至超越。95后清华「天骄」庞天宇,正式入职腾讯,出任混元首席研究科学家,负责多模态强化学习。这份履历,堪称「金光闪闪」

阿木寺的博客 95

当R语言遇见MaxENT:参数优化的艺术与自动化调参实践

本文探讨了R语言与MaxENT在生态位建模中的结合应用,重点介绍了参数优化与自动化调参的实践方法。通过caret与ENMeval工具链,研究人员可以高效处理多物种、多环境变量的大规模分析任务,提升模型性能与工作效率。文章还涵盖了从数据准备到结果可视化的全流程,为生态学家提供了实用的技术指导。

corn8的博客 455

To B第六年,腾讯过分温柔

腾讯做2B,方向是正确的,初心是果决的,行动是温柔的,事实是掉队的。2018年,率先打出“互联网的下半场属于产业互联网”的大旗,宣布“拥抱产业互联网”,腾讯发力To B业务,绝对是有先发优势和认知基础的。然而,昔日的先行者,却成了后进生。我们知道,云化是产业互联网的基础,云市场的表现也被认为是To B业务的风向标。根据调研机构Canalys数据,2022年腾讯云占据中国云市场的第三名,听起来好像挺...

脑极体 260

高通QCOM Camera Pipeline 可视化工具:从XML到交互式图谱的工程实践

本文详细介绍了高通QCOM Camera Pipeline可视化工具的工程实践,旨在解决Camera驱动与算法工程师在解析复杂XML配置文件时的痛点。该工具能将静态的XML文件(如g_camx_usecase.xml)自动转换为交互式视觉图谱,通过分层布局算法清晰展示Pipeline、Node、Port和Link的拓扑关系,并支持悬停查看、拖动缩放等交互操作,极大提升了开发调试与架构理解的效率。

prometheus5watch的博客 555

用LT1166+MOS管打造实验室级恒流源:闭环反馈与推挽驱动的深度调优

本文详细介绍了基于LT1166电流模式控制器与MOS管推挽架构的实验室级恒流源设计方法。通过闭环反馈调优和动态响应优化,实现带宽达100kHz、纹波低于0.1%的高性能恒流输出,适用于精密仪器校准和半导体测试等场景。重点解析了系统架构设计、MOS管选型策略以及频率响应测试等关键技术要点。

weixin_29290379的博客 205

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 224

〖Python接口自动化测试实战篇④〗- 接口自动化测试详解

[接口测试] 是相对来说和我们的功能测试 [最为接近的一种自动化测试手段] ,所以我们首先来学习接口测试的内容。 实现接口的开发与接口的测试,在我们的思维上、想法上、面向的态度上都是不一样的。所以大家要有一个思维上的转换,要认识了解一下 接口测试到底是做什么的、它的功能、意义在哪里。...

易编橙 · 终身成长社群,相遇已是上上签! 5万+

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 398

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 246

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 501

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 201

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 199

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 558

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 574

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 90

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 278

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 640

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 338

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 210
上一篇: 2025,中国首个大模型IPO要来了
下一篇: 一天吃透一个产业链--大模型
Javaaaaaaaaaaa13
博客等级 码龄2年 381粉丝 53原创
评论
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