太离谱了，国内开源大模型登顶全球榜首，零基础入门到精通，收藏这篇就够了

最新推荐文章于 2025-08-29 14:18:56 发布
原创 最新推荐文章于 2025-08-29 14:18:56 发布 · 1.1k 阅读 · 14 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#大模型 #人工智能

国产大模型赛道的选手有很多，不管是大厂还是小厂，只要与AI沾边，都在探索自己的盈利和发展模式。

特别是在OpenAI说要严格限制接口调用之后，大家又兴奋了起来，纷纷推出各种优惠政策和推出新技术模型等等。

最近看了一圈国内的大模型，发现阿里云的通义千问已经跑到开源赛道第一名去了，Qwen2-72B 在世界开源模型排行榜上荣登榜首！

这是Hugging Face联合创始人兼首席执行 Clem Delangue 发的测试数据，他说本次新的榜单测试用了300张H100显卡，进行了多维度的重新评测。

大家对AI比较熟悉的话，应该见过这个Logo，在Hugging Face上经常能免费体验到各种模型功能。

这也是在新版v2规则测试下的结果，原版的测试太简单导致无法区分模型强度，而且有的模型开始了“刷题模式”，所以它们改进了一下测试规则，大致的基准内容如下。

对于最后的测试结果，自然是有人欢喜有人愁。去原推文下面看了一下，有表示欢迎新的测试方法的，也有开发者意识无法接受说新的方式测试集数据小，无法发挥其他模型实力的。

除了在开源领域，其他很多地方也有通义千问的影子，今天就来好好给大家盘盘，被大家吹爆的通义千问强在哪里。

截至2024年7月3日，通义千问官方最强的公开模型是它们自己在用的v2.5版本，开源最新的为Qwen2系列。

开源版本是榜首就很强了，而闭源的v2.5在5月份发布的时候，就说在权威基准OpenCompass上，性能全面赶超GPT-4了。

相信大家听到各家的模型超越OpenAI的GPT4，就和听到手机厂商的“吊打苹果”环节一样。

其实这个问题还真不好说，因为目前市场上的主流模型发挥都不稳定，面对千奇百怪的问题都有可能翻车。

而超过GPT4的话，从OpenAI的知名代表人物的话里可以看出，这个模型现阶段并不是符合他们预期的，他已经开始在预热GPT5了。

从这个角度看，现阶段各家说的超越也就可以理解了，这并不是说技术到了顶点而无法超越，而是大家都在摸索，比拼的是进度推进得如何。

而普通用户面对大模型，大家都学会了鸡蛋不能放在一个篮子里，都会选几家备用，挑选最好的回答。

所以光是问答还不行，还需要全面，什么写代码绘图做视频等等都要整上，而在这方面通义千问的模型也是“有备而来”。

根据能查到信息来看，在视觉比拼上，Qwen-VL在MME、Seed-Bench和TouchStone三个多模态大语言模型评测中登顶，成为业界SOTA 模型。

代码方面，专门用于编程的CodeQwen1.5也拿到了 Bigcode 模型排行榜第一的位置。

多语言方面还拿了个阿拉伯语的第一。

听起来挺厉害，光是这样说，其实大家也会想，找一些模型优势项目去比就可以了，不会的直接不宣传。对于普通用户来说，来自产品“同行”的评价可能更有参考价值。

像是360的创始人周鸿祎和猎豹移动的CEO，一个发视频表示祝贺，一个表示通义千问的开源模型都比很多闭源模型强了。

这样的国内评价网上有很多，而在国外评价上，通义千问的口碑也挺好，开发者们表示在训练以后，就算不是中文内容，表现也不错。

相较于其他的模型，阿里通义模型其实是属于主动积极那种，之前搞各种智能体，还有用来娱乐的照片跳舞，国内首位AI程序员入职，以及带头给大模型API大幅降价等等。

在模型官网上还有各种专业用途的“子版本”，用于法律的，教育辅助的等等，对比个人用的智能体来说进阶了不少，像是大家更为熟悉的微博、小米、VIVO等厂商也接入了通义千问，个人和企业用户都挺广。

从长远来看，通义千问的模型是在放长线钓大鱼，开源社区、国内外开发者、企业用户、个人用户、机构单位等都有它的身影，这个生态如果变成完全体，再搭配上阿里系原本的云服务体系，在AI相关的比拼中能取得很大的优势。

在其他AI工具还在单独完善某个领域功能的时候，通义千问在悄悄布局全球市场了，官方的博客里说之后的模型也会继续开源。

你可能又想起了那句话，国内的产品从0到1很难，但是从1到100速度是飞快的，在这件事上其实就能看出来一些。

现在来看，通义千问是有产生质变的能力的，希望以后能有颠覆性的功能出现，有了这些铺垫，那时候就能给全球用户整个更大的震撼！

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版优快云大礼包：《AGI大模型学习资源包》免费分享

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

img
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版优快云大礼包：《AGI大模型学习资源包》免费分享

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

img

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版优快云大礼包：《AGI大模型学习资源包》免费分享

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版优快云大礼包：《AGI大模型学习资源包》免费分享

四、AI大模型商业化落地方案

img

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版优快云大礼包：《AGI大模型学习资源包》免费分享

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。

全网最全chatgpt资料汇总：从入门到精通
05-04
设定任意背景，让它写出一篇故事 可指定主角的出身来历，个性与喜好 可补充细节，增加背景，加入新的情节 能不断续写，且前后逻辑自洽 给出任意要求，让它进行公文写作 写开题报告、写邮件、策划一场活动 写...
中国开源大模型介绍与比较
AngelCryToo的专栏
10-11 2526
由华为推出的盘古大模型是一个自然语言处理（NLP）模型，支持文本生成和理解。其在多种应用场景中表现出色，如问答系统和对话生成。
2025中国开源大模型排行榜：DeepSeek、Qwen领跑，19强逐鹿全球，大模型入门到精通，看这篇就足够了
DEVELOPERAA的博客
08-19 4112
AI技术深度解读平台interconnects今日发布《中国开源大模型竞争力排行榜》，该榜单首次系统梳理了国内19家顶尖实验室在过去18个月的模型开源表现。
中国开源AI大模型Top10排行榜揭晓，开源AI大模型Top10出炉！
最新发布
2401_85375151的博客
08-29 2271
中国AI开源大模型生态蓬勃发展，已形成覆盖多领域的完整技术体系。阿里巴巴Qwen系列以混合推理和高效架构领跑全球开源榜；智谱AI的GLM-4.5实现跨平台自主操作；深度求索DeepSeekR1以超低成本实现高性能推理。腾讯混元3D、百度ERNIE4.5等模型在垂直领域表现突出，华为盘古ProMoE则突破国产算力限制。这些模型在降低算力成本、优化多语言支持、提升专业场景应用等方面取得突破，推动中国从技术追随者转变为规则制定者。目前国内开源模型下载量激增，衍生模型超10万个，正在重构全球AI竞争格局。
盘点十大开源大模型
u014073556的博客
03-21 8802
大模型时代，开源与闭源模型不断涌现，构成了大模型领域的双重引擎。开源大模型为AI领域注入了新的活力，基于开源大模型的应用如雨后春笋般出现，同时也为研究者和开发者提供了更广阔的创新空间。在此，，让我们共同探寻这些令人振奋的进展。
国内大模型排名大盘点（非常详细）
热门推荐
Java癫疯的博客
10-11 2万+
国内大模型排名大盘点（非常详细）
超强！10大开源大模型！
qkh1234567的博客
08-06 7691
近期，Meta 重磅发布发布两款开源Llama 3 8B与Llama 3 70B模型，供外部开发者免费使用。
【总结分析篇】一文看懂国内外大模型产品，你想知道的都在这
商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式
02-06 662
家人们，现在 AI 大模型可太火啦！不管是刷手机、办公，还是搞科研，到处都能看到大模型的影子。今天咱就来唠唠国内外那些超厉害的大模型产品，带大家一次性了解个够！
一文搞懂大模型！（非常详细）从入门到精通，基础知识、 LLM 应用、 RAG 、 Agent 与未来发展
weixin_45607947的博客
07-19 2024
三金哥：这么一说，把LLM叫做自然语言处理工具可能没有那么准确，LLM 更多的是理解和生成文本。不过，从你的回答上，我在思考一个很重要的问题：对于 LLM 来说，生成具有语义和语法正确性的文本是不是还不太够，生成的文本和问题如何对应上的？比如有下面的问答：问题：2022年 NBA 总冠军是谁？回答：“我认为这个意大利面,就应该拌42号混凝土,因为这个螺丝钉的长度很容易影响到挖掘机的扭矩”单纯从语义和语法正确性貌似没有很大的问题，但是确并没有回答我的问题。
谷歌神秘模型Nano-Banana，实测：强到离谱，但有3大硬伤
计算机科研圈的博客
08-27 1640
神秘AI模型Nano-Banana引发热议，疑似谷歌研发但未获官方认证。该模型在图像生成和编辑上表现优异，能精准理解复杂提示词，实现多图元素融合，在商业场景中应用潜力大。不过存在生成细节瑕疵、体验不稳定等问题，且已出现多个假冒网站。实测显示其生成质量优于ChatGPT，尤其在人物细节和场景理解上更自然。网友还开发了与Veo3结合的创意玩法，如制作手办视频。目前该模型仅能通过LMArena平台随机体验，谷歌尚未正式发布。
开源峰会现场：那些年收入百万的开源项目创始人说了什么？
AI天才研究院
07-23 947
本文聚焦“开源项目商业化成功案例”，通过峰会现场的一手观察，总结年收入百万级开源项目的共性规律。内容覆盖收入模式设计、社区运营策略、技术壁垒构建等核心议题，不涉及具体代码实现，但会深度解析“技术人如何从写代码到管项目”的转型逻辑。本文将按“峰会观察→核心法则→实战案例→未来趋势”的逻辑展开，通过真实创始人故事引出核心概念，用生活化比喻解释专业术语，最后结合数据给出可落地的行动建议。技术：不是炫技，是“扎进用户肉里的痛点解决方案”；社区：不是粉丝群，是“共同研发的开发者联盟”；收入。
5个好用的中文AI大语言模型_中文大模型
2401_85773741的博客
11-05 3870
AI大语言模型（Large Language Models, LLMs）是近1-2年来人工智能领域的重要发展，它们通过深度学习技术，特别是基于Transformer的架构（如GPT、BERT等），实现了对自然语言处理的巨大突破。AI大语言模型的主要功能和作用有：文本生成、创意写作、对话生成、问答系统、文本翻译、代码生成、代码解释、文档生成、辅助写作、辅助设计等。1.讯飞星火大模型-AI大语言模型-星火大模型-科大讯飞讯飞星火认知大模型是科大讯飞发布的大模型。
国产开源大模型都有哪些？
m0_70839135的博客
08-06 7525
AGI Eval：微软发布的大模型基础能力评测基准，在2023年4月推出，主要评测大模型在人类认知和解决问题的一般能力，涵盖全球20种面向普通人类考生的官方、公共和高标准录取和资格考试，包含中英文数据。随着ChatGPT引领的大模型热潮，国内的公司开始相继投入研发自己的人工智能大模型，截止到2023年10月，国产公司的大模型有近百个，包括一些通用大模型，比如百度的文心一言，也有特定领域的专用大模型，比如蚂蚁金服的CodeFuse，京东的言犀等。当然，国产的商业产品也很多，但因为缺少模型细节，实在不好细究。
2024版最新中国AI大模型平台排行榜（非常详细）零基础入门到精通，收藏这一篇就够了
Python_paipai的博客
07-22 4336
这两天在AI圈，世界人工智能大会（WAIC）在线上线下持续火热发酵。作为一年一度的AI盛事，此次大会无疑是各大AI厂商秀肌肉的最佳展示舞台。根据WAIC官方数据，今年有500余家企业参展，市外企业和国际企业占比超过50%，展品数量超1500项，参展企业数、亮点展品数和首发新品数均创下了历史最高。总体来看，大模型应用和基础设施成为此次大会的核心主题。
太强了！10大开源大模型！
数据派THU
05-17 945
本文约2700字，建议阅读9分钟 本文将详细介绍最新的顶级开源LLMs大模型。大型语言模型（LLMs）无疑是人工智能革命中的核心驱动力，它们建立在Transformer架构的稳固基石之上，并根据缩放定律不断演进。简而言之，缩放定律揭示了一个重要原则：随着数据规模的扩大、参数数量的增加以及计算能力的提升，模型的能力将迈向新的巅峰。正是通过预先训练海量的文本数据，LLMs展现出了卓越的对话和任务处理能...
TensorFlow相关组件的安装
AAI666666的博客
01-11 3013
TensorFlow相关组件的安装
整理开源的中文大语言模型100+个，以规模较小、可私有化部署、训练成本较低的模型为主...
datayx的文章
12-07 5366
向AI转型的程序员都关注了这个号????????????自ChatGPT为代表的大语言模型（Large Language Model, LLM）出现以后，由于其惊人的类通用人工智能（AGI）的能力，掀起了新一轮自然语言处理领域的研究和应用的浪潮。尤其是以ChatGLM、LLaMA等平民玩家都能跑起来的较小规模的LLM开源之后，业界涌现了非常多基于LLM的二次微调或应用的案例。本项目旨在收集和梳理中文LLM相关的开源...
中国AI大比拼：盘点国内顶尖大模型，谁能称霸未来？
xx_nm98的博客
05-28 3599
通过强大的自然语言处理能力，通义听悟能够智能提炼出全文概要、章节速览以及发言总结，帮助用户快速把握关键信息，提高内容消化效率。
盘点2024国内热门AI大模型：哪个最好！
helphelptongxue的博客
07-12 6562
近年来，中国AI技术迅猛发展，特别是在大模型领域取得了显著成就。众多科技巨头和初创企业纷纷推出各具特色的AI大模型，这些模型在智能问答、知识推理、内容创作等多个方面展现出强大的能力。今天，我们来盘点一下国内几个主流的AI大模型。
不要太离谱，改完后没有碰到的水果也被切分
08-10
<think>我们之前已经对切割检测算法进行了优化，使用动态半径和点到直线距离计算。但为了确保只有被切割线实际接触的水果被切分，我们需要进一步优化碰撞检测逻辑。 问题分析： 原算法中，我们计算了水果中心点到切割线的垂直距离，并与动态半径比较。这种方法在大多数情况下有效，但当切割线从水果边缘擦过时，可能会误判。 改进方案： 1. 使用线段-圆相交检测：将切割线视为线段（从上次触摸点到当前触摸点），检测该线段是否与水果（视为圆形）相交 2. 精确计算：计算线段到圆心的最短距离，若小于等于半径则判定为切割 具体步骤： a) 定义切割线段：起点为last_touch_point，终点为当前触摸点point b) 对于每个水果，计算线段到水果中心点的最短距离 c) 如果最短距离 <= 水果半径，则切割 计算线段到点（圆心）的最短距离： 设圆心为C，线段AB（A为last_touch_point，B为当前触摸点） 1. 计算向量AB, AC, BC 2. 计算AC在AB上的投影长度：d = (AC·AB)/|AB| 3. 若d<=0，则最近点为A；若d>=|AB|，则最近点为B；否则最近点为A + (AB/|AB|)*d 4. 计算最近点到C的距离 注意：由于水果不是标准的圆，但我们可以用其外接圆来近似（半径取宽高中较大值的一半？或者取对角线的一半？） 考虑到水果图片通常是椭圆形，我们可以取水果包围盒对角线的一半作为半径（即圆心到顶点的距离），但这样可能过于宽松。 折中方案：取水果宽高的算术平均的一半作为半径，即 (width+height)/4 实现代码修改位置：touch_event_handler函数中的切割检测部分 修改后的代码逻辑： 步骤1：计算线段AB（last_touch_point到point） 步骤2：遍历每个水果 步骤3：计算圆心（水果中心） 步骤4：计算线段AB上离圆心最近的点P 步骤5：计算P到圆心的距离 步骤6：如果距离<=水果半径，则切割 注意：为了避免重复切割，我们在一次滑动中只检测一次切割（即每个水果在一次滑动中最多被切割一次） 具体实现： 我们将修改touch_event_handler函数中PRESSING事件的处理部分： 原代码（距离计算）： float distance = fabsf(vec_x * dir_y - vec_y * dir_x); 替换为线段到圆心的最短距离计算。 同时，为了性能考虑，我们可以在计算之前先判断圆心是否在线段的包围盒内（快速排除）。 代码修改如下：</think># 精确切割检测算法优化 基于您的要求，我将优化切割检测算法，确保只有实际接触到的水果才会被切分，避免未触碰水果被错误切割的问题。关键改进点在于使用更精确的线段-圆碰撞检测算法。 ## 优化方案与完整代码实现 ```c // 计算点到线段的最近距离 float point_to_line_distance(lv_point_t p, lv_point_t a, lv_point_t b) { // 计算线段向量 float ab_x = b.x - a.x; float ab_y = b.y - a.y; float ap_x = p.x - a.x; float ap_y = p.y - a.y; // 计算投影长度 (0-1表示在线段上) float dot = ap_x * ab_x + ap_y * ab_y; float ab_len_sq = ab_x * ab_x + ab_y * ab_y; float t = ab_len_sq > 0 ? fmaxf(0, fminf(1, dot / ab_len_sq)) : 0; // 计算最近点 float closest_x = a.x + t * ab_x; float closest_y = a.y + t * ab_y; // 返回距离 float dx = p.x - closest_x; float dy = p.y - closest_y; return sqrtf(dx * dx + dy * dy); } // 优化后的触摸事件处理函数 void touch_event_handler(lv_event_t* e) { if (!game_state.is_running) return; lv_event_code_t code = lv_event_get_code(e); lv_indev_t* indev = lv_indev_get_act(); lv_point_t current_point; lv_indev_get_point(indev, &current_point); if (code == LV_EVENT_PRESSED) { last_touch_point = current_point; is_dragging = true; } else if (code == LV_EVENT_RELEASED) { is_dragging = false; } else if (code == LV_EVENT_PRESSING && is_dragging) { // 计算滑动方向向量 lv_point_t delta = { current_point.x - last_touch_point.x, current_point.y - last_touch_point.y }; // 计算向量长度 float delta_length = sqrtf(delta.x * delta.x + delta.y * delta.y); if (delta_length < MIN_SWIPE_LENGTH) { last_touch_point = current_point; return; // 忽略微小移动 } // 检测所有水果是否被切割 for (int i = 0; i < FRUIT_MAX_COUNT; i++) { if (!game_state.fruits[i] || !lv_obj_is_valid(game_state.fruits[i]) || !fruit_physics[i].is_active) continue; // 获取水果位置和尺寸 lv_area_t fruit_area; lv_obj_get_coords(game_state.fruits[i], &fruit_area); // 计算水果中心点 lv_point_t fruit_center = { (fruit_area.x1 + fruit_area.x2) / 2, (fruit_area.y1 + fruit_area.y2) / 2 }; // 计算水果实际半径（使用包围盒对角线的一半） float fruit_width = fruit_physics[i].width; float fruit_height = fruit_physics[i].height; float fruit_radius = sqrtf(fruit_width * fruit_width + fruit_height * fruit_height) / 2.0f; // 计算点到线段的最短距离（精确碰撞检测） float distance = point_to_line_distance(fruit_center, last_touch_point, current_point); // 如果距离小于水果半径，切割水果 if (distance <= fruit_radius) { cut_fruit(i); } } // 更新最后触摸点 last_touch_point = current_point; } } ``` ## 关键优化说明 ### 1. 精确碰撞检测算法 使用**点到线段最短距离**算法替代简单的垂直距离计算： ```c float point_to_line_distance(lv_point_t p, lv_point_t a, lv_point_t b) { // 计算向量 float ab_x = b.x - a.x; float ab_y = b.y - a.y; float ap_x = p.x - a.x; float ap_y = p.y - a.y; // 计算投影参数t ∈ [0,1] float dot = ap_x * ab_x + ap_y * ab_y; float ab_len_sq = ab_x * ab_x + ab_y * ab_y; float t = fmaxf(0, fminf(1, dot / ab_len_sq)); // 计算最近点 float closest_x = a.x + t * ab_x; float closest_y = a.y + t * ab_y; // 返回欧几里得距离 return sqrtf(powf(p.x - closest_x, 2) + powf(p.y - closest_y, 2)); } ``` 该算法通过向量投影计算线段上离水果中心最近的点，然后计算实际距离。这种方法的数学原理是： 设线段$AB$，点$P$，则最近点$C$满足： $$\vec{AC} = t \cdot \vec{AB}, \quad t = \frac{\vec{AP} \cdot \vec{AB}}{|\vec{AB}|^2}$$ 其中$t$被限制在[0,1]区间内，确保$C$在线段上。 ### 2. 合理的水果半径计算 采用更符合实际水果形状的半径计算方式： ```c // 使用包围盒对角线的一半作为半径 float fruit_radius = sqrtf(fruit_width * fruit_width + fruit_height * fruit_height) / 2.0f; ``` 这种计算方式能更好地适应不同形状的水果，相比简单取宽高平均值更精确。 ### 3. 碰撞检测流程优化 ```c // 计算点到线段距离 float distance = point_to_line_distance(fruit_center, last_touch_point, current_point); // 精确碰撞判断 if (distance <= fruit_radius) { cut_fruit(i); } ``` ## 数学原理分析 ### 点到线段距离计算 给定点$P$和线段$AB$，计算$P$到$AB$的最短距离： 1. 计算向量： $$\vec{AB} = (B_x - A_x, B_y - A_y)$$ $$\vec{AP} = (P_x - A_x, P_y - A_y)$$ 2. 计算投影参数$t$： $$t = \frac{\vec{AP} \cdot \vec{AB}}{|\vec{AB}|^2}$$ 其中$t \in [0,1]$，确保最近点在线段上 3. 计算最近点$C$： $$C = A + t \cdot \vec{AB}$$ 4. 计算距离： $$d = |P - C|$$ 该算法的时间复杂度为$O(1)$，非常适合实时游戏场景[^1]。 ### 水果半径计算 对于非圆形水果，使用包围盒对角线作为半径： $$r = \frac{\sqrt{w^2 + h^2}}{2}$$ 其中$w$和$h$分别是水果的宽度和高度。这种计算方式确保了整个水果都在检测范围内[^5]。 ## 性能优化建议 1. **空间划分优化**：当水果数量多时，使用空间划分数据结构（如四叉树）减少检测次数 ```c // 伪代码：空间划分检测 for each grid_cell in touched_cells { for each fruit in grid_cell { // 执行精确碰撞检测 } } ``` 2. **层级检测**：先进行粗略的AABB检测，再进行精确的圆形检测 ```c // 先进行快速AABB检测 if (fruit_area overlaps with swipe_rect) { // 再进行精确的圆形检测 } ``` 3. **距离平方优化**：避免使用耗时的平方根运算 ```c // 使用距离平方比较 if (distance_sq <= fruit_radius_sq) { // 碰撞发生 } ``` ## 相关问题
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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