李飞飞团队50美元训练出DeepSeek R1?

使用数学工具和大模型结合训练专有小模型(有限元算法和大模型微调) 使用有限元算法和大模型技术相结合,训练专有小模型。 阅读详情

👉 这是一个或许对你有用的社群

🐱 一对一交流/面试小册/简历优化/求职解惑,欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料: 

948263742437783c897afd815f1bdbf0.gif

👉这是一个或许对你有用的开源项目

国产 Star 破 10w+ 的开源项目,前端包括管理后台 + 微信小程序,后端支持单体和微服务架构。

功能涵盖 RBAC 权限、SaaS 多租户、数据权限、商城、支付、工作流、大屏报表、微信公众号、ERP、CRM、AI 大模型等等功能:

  • Boot 多模块架构:https://gitee.com/zhijiantianya/ruoyi-vue-pro

  • Cloud 微服务架构:https://gitee.com/zhijiantianya/yudao-cloud

  • 视频教程:https://doc.iocoder.cn

【国内首批】支持 JDK 17/21 + SpringBoot 3.3、JDK 8/11 + Spring Boot 2.7 双版本 

今天下午简直被这条新闻刷屏了,"震惊",“李飞飞”,“50美元”,“Deep Seek R1",这几个词连到一起,简直是掀了Open AI和英伟达的桌子,即便是蒸馏出来的模型,那这么低的成本,OpenAI花了几十、几百亿美元做出来的模型,被轻松复制,那OpenAI的估值不得打个骨折?

bba6cea222c0bbac2f9362fe30166cf6.png

我就赶紧看了下论文:

https://arxiv.org/html/2501.19393v1

Github:

https://github.com/simplescaling/s1

f4295680f0037603957c8525adad2aab.png

结果发现并不是那么回事。

首先这个50美元咋来的?因为论文中提到用了16块H100 GPU,而且只花了26min,如果是租服务器的话,确实也就是几十美元。

aae08df44dd4142713081c6a741ad1ba.png

但问题是,论文中并不是训练出了DeepSeek R1!

论文的核心内容是基于开源的Qwen2.5 - 32B模型,该模型是蒸馏出来的模型,32B只能算是中等参数模型,作为本次实验对比的R1和o1都是大几千亿参数的模型。用小数据集进行监督微调,而且微调后的参数数量跟之前基本保持一致,然后在特定任务上把性能优化了,而这些任务的性能表现可以媲美DeepSeek R1和OpenAI o1。

怎么经过中文博主翻译过来后,就成了50美元蒸馏出了DeepSeek R1?

以下的论文的解读(使用豆包解读):

  1. 研究背景与目标:语言模型性能提升多依赖训练时计算资源扩展,测试时缩放是新范式,OpenAI 的 o1 模型展示了其潜力,但方法未公开。本文旨在探寻实现测试时缩放和强推理性能的最简方法。

  2. s1K 数据集构建

  • 初始数据收集:依据质量、难度和多样性原则,从 16 个来源收集 59,029 个问题,涵盖现有数据集整理和新的定量推理数据集创建,用 Google Gemini Flash Thinking API 生成推理轨迹和解决方案,并进行去重和去污染处理。

  • 最终样本选择:经质量、难度和多样性三步筛选得到 1,000 个样本的 s1K 数据集。质量筛选去除 API 错误和低质量样本;难度筛选依据两个模型的性能和推理轨迹长度排除过易问题;多样性筛选按数学学科分类,从不同领域采样,且倾向选择推理轨迹长的样本。

测试时缩放方法

  • 方法分类与提出:将测试时缩放方法分为顺序和并行两类,重点研究顺序缩放。提出预算强制(Budget forcing)方法,通过强制设定思考令牌的最大或最小数量,控制模型思考时间,引导模型检查答案、修正推理步骤。

  • 基准对比:将预算强制与条件长度控制方法(令牌条件控制、步骤条件控制、类别条件控制)和拒绝采样进行对比。使用控制(Control)、缩放(Scaling)和性能(Performance)三个指标评估,结果表明预算强制在控制、缩放和最终性能上表现最佳。

实验结果

  • 实验设置:用 s1K 对 Qwen2.5-32B-Instruct 进行监督微调得到 s1-32B 模型,在 AIME24、MATH500 和 GPQA Diamond 三个推理基准上评估,并与 OpenAI o1 系列、DeepSeek r1 系列等模型对比。

  • 性能表现:s1-32B 在测试时缩放中,性能随测试时计算资源增加而提升,在 AIME24 上超过 o1-preview 达 27%,且是最具样本效率的开源数据推理模型,接近 Gemini 2.0 在 AIME24 上的性能,验证了蒸馏过程的有效性。

消融实验

  • 数据相关:测试数据质量、多样性和难度组合的重要性。随机选择(仅质量)、仅多样性选择、仅难度选择(选最长推理轨迹样本)的数据集性能均不如 s1K,训练 59K 全量样本虽性能强但资源消耗大,证明 s1K 构建方法的有效性。

  • 测试时缩放方法:预算强制在 AIME24 测试中控制完美、缩放良好、得分最高,“Wait” 作为扩展性能的字符串效果最佳。令牌条件控制在无预算强制时失败,步骤条件控制下模型可绕过计算约束,类别条件控制虽能提升性能但综合表现不如预算强制,拒绝采样呈现反向缩放趋势。

讨论与展望

  • 样本高效推理:众多研究致力于复制 o1 性能,本文通过 1,000 样本监督微调结合预算强制,构建出有竞争力的模型,推测预训练使模型具备推理能力,微调激活该能力。同时,介绍了相关基准和方法的发展情况。

  • 测试时缩放:对比了并行和顺序测试时缩放方法,分析了预算强制的局限性,提出改进方向,如改进预算强制策略或结合强化学习探索新的测试时缩放方式 ,并指出并行缩放可作为突破顺序缩放限制的解决方案。

国内的网络环境真的是太浮躁了,这种信息,完全不确认一下就发出来误导大众,希望大家以后看到这种信息要多思考一下。


欢迎加入我的知识星球,全面提升技术能力。

👉 加入方式,“长按”或“扫描”下方二维码噢:

64e4942ecea08c5427df82de63b5312a.png

星球的内容包括:项目实战、面试招聘、源码解析、学习路线。

3f241455e2ad40829fc0507c88738ec9.png

557edb649221054553abbc9870b80e58.png67ae5977cb84bb6265b672c2137be3c0.pngc376b1f340f85eb41e9e15e1b46eef5b.png5e3246ef625ca52c1ef30acd362869cf.png

文章有帮助的话,在看,转发吧。
谢谢支持哟 (*^__^*)
人工智能---什么是Transformer? Transformer是一种强大的神经网络架构,最初由Google的研究人员在论文《Attention is All You Need》中提出,用于自然语言处理任务,特别是在机器翻译方面取得了巨大成功。Transformer的核心思想是完全基于自注意力机制(self-attention mechanism)来实现序列到序列(sequence-to-sequence)的学习。它在自然语言处理(NLP)和其他序列到序列任务中表现出色,逐渐成为该领域的主流模型。近些年也逐渐在自动驾驶领域有所应用。 阅读详情

相关推荐

Vivado FFT IP核配置与实战:FPGA信号处理硬件加速指南

快速傅里叶变换(FFT)是数字信号处理(DSP)中的核心算法,用于将时域信号转换到频域进行分析。其原理基于离散傅里叶变换(DFT),通过蝶形运算的分解与复用,大幅降低了计算复杂度。在工程实践中,软件实现的FFT难以满足高速实时处理的需求,因此硬件加速方案至关重要。FPGA凭借其并行架构和可定制性,成为实现高性能FFT的理想平台。通过集成专用的FFT IP核,如Vivado中的Pipelined Streaming I/O架构,可以构建流水线化的计算引擎,实现极低延迟和高吞吐量的连续数据流处理。这种硬件方案特

weixin_42536863的博客 650

李飞飞团队50美元训练出DeepSeek R1?低成本AI训练全解析!

今天下午简直被这条新闻刷屏了,“震惊”,“李飞飞”,“50 美元”,“Deep Seek R1”,这几个词连到一起,简直是掀了 Open AI 和英伟达的桌子,即便是蒸馏出来的模型,那这么低的成本,OpenAI 花了几十、几百亿美元做出来的模型,被轻松复制,那 OpenAI 的估值不得打个骨折?我就赶紧看了下论文:https://arxiv.org/html/2501.19393v1首先这个 50 美元咋来的?

2401_84204207的博客 1433

IBM x3650M4服务器更换主板后,导入原有硬盘阵列信息

x3650m4服务器主板坏了,更换好的主板,需要导入原来硬盘的里面的阵列信息 1、开机有提示信息,按C导入配置 2、按Y继续 3、点击start进入阵列卡配置 4、选择configurations 1,点击preview 5、预览硬盘的阵列信息,点击import导入 6、导入成功,可以查看到阵列信息 7、重启服务器,进入操作系统 如果重启找不到操作系统,重启按f12,手动选择从onboard sas controller启动,进入系统一次后面重启就会自动找到并引导系统了。 8、有时候导入阵列

zds00virtue的博客 2万+

李飞飞团队50美元训练出DeepSeek R1?真相还原!

近日,一则“李飞飞团队以不到50美元训练出媲美DeepSeek R1的AI模型”的消息引发广泛关注。这一看似颠覆性的成果,究竟是AI技术的重大突破,还是被夸大的噱头?本文将从技术路径、成本核算、性能对比及行业争议四个维度,还原事件的真相。一、核心事实:50美元训练出“s1”模型的真相根据斯坦福大学和华盛顿大学联合团队的研究论文,研究人员通过监督微调(SFT)**方法,基于阿里云通义千问(Qwen2...

LinkTime_Cloud的博客 1131

TikTok Shop API密钥获取与PHP实战对接指南

本文详细介绍了TikTok Shop API密钥的获取流程与PHP实战对接方法。从开发者后台创建应用、获取核心的API密钥开始,逐步解析OAuth 2.0授权机制,并提供了完整的PHP封装类示例,涵盖签名生成、API调用、令牌刷新及错误处理,帮助开发者快速实现与TikTok Shop的数据对接与自动化操作。

weixin_29300241的博客 405

宝塔面板添加站点及运营商SSL免费证书的申请与使用

本文详细介绍在宝塔面板下如何正确添加站点、配置站点,及在运营商如何申请免费SSL证书,将其配置到宝塔站点里。 给你的网站加一把锁,教你免费SSL证书申请,配置到自己的网站中。 环境:Ubuntu server 18 工具:宝塔控制面板 平台:阿里云 Web服务器:Nginx 宝塔:https://www.bt.cn/ 阿里云:https://www.aliyun.com/ 腾讯云:https://cloud.tencent.com/ 要求: 1.宝塔控制面板搭建完毕。 2掌握域名解析的原理。 3.了解ht

贺兰山长老 5061

不到50美元!李飞飞团队训练出媲美DeepSeek R1的推理模型

2025年2月6日,人工智能领域迎来震撼性突破:由李飞飞教授领衔的斯坦福大学与华盛顿大学联合团队宣布,仅花费不到50美元的云计算成本,便成功训练出名为s1的AI推理模型。正是这种对技术瓶颈的清醒认知,驱使她探索“小而美”的AI新范式。原来高高在上的AI,动辄百亿的算力投资,现在普通玩家只要几十美元就可以在现有开源模型基础上训练一个特定模型,那接下来就是AI百花齐放的时代。据澎湃新闻报道,李飞飞曾在采访中提到,现在的AI比人类差远了,能耗高、体积庞大,而且尚未具备情感,但人类智慧可以启发下一代AI做得更好。

mrdzhu的博客 1944

Python 陌生代码库阅读之道:从零起步到一周掌控 5 万行老项目的实战策略

文中特别强调"自顶向下+画图+注释"的基础阅读心法,并提供了具体的代码示例和命令行技巧。对于大型项目,建议先建立核心流程的骨架认知,再逐步填充细节,同时注重文档化和测试覆盖率的提升。 掌握这套方法后,开发者可以将陌生代码库的阅读效率提升3倍以上,在一周内建立起对5万行级别项目的整体掌控力。

铭渊老黄 508

低成本训练的突破与争议:DeepSeek R1模型的新进展

近日,李飞飞团队宣称以50美元成本训练出性能超越o1/R1的DeepSeek R1模型,此说法引发广泛质疑。与此同时,上海交通大学本科生提出一种新的低成本推理方法,可能成为新热门选择。有观点认为,若认可50美元能训练出更优模型,则需考虑Qwen2.5-32B模型的训练成本。这些进展反映了AI领域对降低成本和提高性能的持续探索。综上所述,李飞飞团队提出的以50美元成本训练出性能超越o1/R1的DeepSeek R1模型,虽然引发了广泛质疑,但也展示了低成本训练的巨大潜力。

Xs_20240309的博客 1401

电机控制的智慧之眼:全面解析FOC状态观测器

摘要:本文深入探讨磁场定向控制(FOC)中的状态观测器技术,重点分析其在无传感器电机控制中的关键作用。文章详细介绍了滑模观测器(SMO)、扩展卡尔曼滤波(EKF)、龙贝格观测器和高频注入法等主流观测器的工作原理、技术特点及适用场景,其中SMO因结构简单、鲁棒性强成为当前主流方案。同时阐述了观测器与锁相环(PLL)结合的工程实践方案,并针对不同应用场景提供了观测器选型建议。文章还探讨了启动问题处理、参数敏感性等工程挑战的解决方案,以及混合观测器、AI应用等未来发展趋势。这些观测器技术使电机系统在无机械传感器情

汽车软件开发 276

在STM32F103RBT6微控制器上利用USB虚拟Com端口技术,高效实现ADC数据传输:详细操作步骤与示例代码解析

以上就是在STM32F103RBT6上使用USB虚拟Com端口实现ADC数据传输的全部内容。虽然过程中有很多步骤和细节需要注意,但只要按照步骤来,理解每一段代码的作用,就完全可以掌握这个过程。在实际应用中,我们可能需要根据实际需要修改一些代码,如调整ADC的参数,改变数据的处理方式等。但是,只要理解了这个过程,我们就可以很灵活地进行修改。希望这篇文章对你有所帮助。如果你有任何疑问,欢迎在评论区留言,我会尽我所能进行解答。

qq_38334677的博客 1168

大模型蒸馏:从DeepSeek到李飞飞的50美元革命

2025年2月初,人工智能领域迎来两起标志性事件:中国公司DeepSeek发布的R1模型以“高性能+低成本”颠覆行业叙事,而“AI教母”李飞飞团队仅用和训练出媲美顶尖模型的s1-32B推理模型。这两项突破的核心技术均有一个关键词——。这一技术如何打破传统训练范式?其背后隐藏着怎样的科学逻辑与工程智慧?本文将深入解析。

weixin_46880696的博客 1087

使用菱FX5U系列PLC实现以太网通信的具体方法示例

接下来,我们将创建一个简单的CPU通信功能,以实现与其他设备的以太网通信。在上述代码中,我们首先设置访问号,然后创建一个数据读取命令(M_READ)和一个数据写入命令(M_WRITE)。此外,在实际应用中,您还需要确保PLC和其他设备之间的网络连接正常,并且遵循相应的通信协议。在上述代码中,我们执行了数据读取命令,并将接收到的响应存储在M_RESPONSE变量中。通过简单CPU通信功能,菱FX5U系列PLC可以实现与其他设备的以太网通信。我们将提供相应的源代码和详细的说明,以帮助您轻松实现这一功能。

DevCyberX的博客 1528

李飞飞团队50美元复刻DeepSeek?其实是基于通义监督微调,我们研究了论文

继DeepSeek掀起轩然大波之后,AI圈这两天再次被“震惊”。近日有媒体报道称,李飞飞等斯坦福大学和华盛顿大学的研究人员以不到50美元的云计算费用,成功训练出了一个名为s1的人工智能推理模型。该模型在数学和编码能力测试中的表现,据称与OpenAI的O1和DeepSeek的R1等尖端推理模型不相上下。50美元复刻一个DeepSeek,这简直是逆了三十三重天。不过,也有观点指出,s1是通过蒸馏法由谷歌的Gemini2.0 Flash Thinking Experimental提炼出的。

weixin_72959097的博客 1060

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

成本仅50美元,性能媲美Deepseek-R1,李飞飞带着S1来炸场了

李飞飞团队的 S1 模型展示了一种以极低成本实现高效推理的新路径,其核心在于利用强大的预训练基座、精挑细选的小样本数据集以及创新的测试时扩展技术(如预算强制)。这一方法不仅在实验中获得了与顶尖模型接近甚至超越的成绩,同时也为 AI 模型研发如何在成本与性能间取得平衡提供了有价值的参考。未来能否进一步推广这一方法,还需要在更大范围内验证其通用性和鲁棒性。

StillTogether的博客 1290

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

DeepSeek R1与李飞飞团队S1模型的深度对比分析

在推理阶段,通过控制模型生成的Token数量(如强制终止思考或插入“等待”指令),动态调整计算资源分配,迫使模型进行多次迭代推理以修正错误69。例如,当模型过早生成答案时,系统会追加“Wait”提示,延长思考时间11。:在AIME2024(79.89%)、MATH-500(97.32%)、CodeforcesElo(20分)等测试中,R1均显著优于S1和其他主流模型19。:两者可能互补——基座模型的低成本微调(如S1)结合RL的泛化优化(如R1),催生“混合式训练”新范式910。

2401_82505179的博客 1174

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

李飞飞团队 S1 与 DeepSeek R1 技术对比

李飞飞团队的 S1 模型和 DeepSeek R1 模型各有优势。S1 模型以其低成本和高效性在 AI 推理领域引起了广泛关注,它通过监督微调和知识蒸馏技术,在较小的数据集上实现了与顶尖模型相当的性能。而 DeepSeek R1 模型则以其强大的推理能力和优异的性能表现著称,它通过强化学习和长链推理技术,在多个基准测试中取得了优异的成绩。未来,随着 AI 技术的不断发展,这两款模型有望在更多领域得到应用和推广。

2401_82505179的博客 1048

LLM(十六)| s1:50美元大模型可以和DeepSeek R1媲美吗?

在推理阶段,s1 引入了一种预算强制方法来控制推理时间和计算。这是一个简单的解码时间干预,控制思维标记的数量:为了强制执行最大值,将附加 end-of-thinking token 和 “Final Answer:” 以强制提前退出并提示模型提供其最佳答案。为了强制执行最小值,会抑制 end-of-thinking 标记,并且可以将 “Wait” 添加到推理路径中,从而鼓励进一步的思考。图3.s1-32B 的预算强制。

wshzd的博客 939

性能媲美Deepseek-R1,李飞飞带着仅用1k样本在26分钟内花50美元训练的S1来了

近年来,AI 领域的模型性能提升主要依赖,例如 OpenAI 的进行训练。那么,是否有更经济高效的方法,能够在有限资源下训练出强大的推理 AI?s1 在数学和编码能力测试中与 OpenAI 的 o1 和 DeepSeek 的 R1 等模型的表现不相上下。在通往 AGI 的路上,更高效的新方法带来了更多的创新可能。s1 论文作者 Niklas Muennighoff 表示:“DeepSeek-R1 令人兴奋,但缺少 OpenAI 的测试时间扩展图,并且需要大量数据。

2401_85375151的博客 1256

李飞飞团队以成本不足“50美元”,训练出AI推理模型s1,媲美OpenAI的o1

近期,李飞飞等斯坦福大学和华盛顿大学的 AI 研究人员成功训练出了一款名为 s1的 AI 推理模型,训练成本不足50美元,所需的云计算信用额度也非常低。这项研究成果于上周五发布,表明 s1在数学和编程能力测试上表现不逊于 OpenAI 的 o1模型和 DeepSeek 的 R1模型。s1的代码和数据已在 GitHub 上公开,供其他研究者使用。研究团队表示,他们从一个现成的基础模型出发,通过蒸馏技术进行微调,以提取出所需的推理能力。

weixin_41446370的博客 1716

AI教母李飞飞团队训练出媲美DeepSeek R1的推理模型,云计算费用不到50美元!

2025 年 1 月,李飞飞团队提出了一种极简的测试时扩展(test-time scaling)方法,仅需对预训练模型进行少量监督微调(SFT)并结合动态推理控制技术,即可显著提升语言模型的数学推理能力。团队精心构建了包含 1000 个问题及对应推理过程的小型数据集 s1K,该数据集依据难度、多样性和质量三大标准进行严格筛选。同时,开发了预算强制(budget forcing)技术,此技术可在测试阶段精准控制模型的思考时间,灵活地强制终止或延长模型的推理过程。这篇文章在某种程度上证明了极简数据+动态控制。

2214

用 50 美元复现 DeepSeek R1? s1模型究竟是怎么回事?

最近,李飞飞团队仅用50美元训练出媲美DeepSeek R1和OpenAI o1的AI推理模型”——这样的消息引发了广泛关注,这究竟是怎么回事呢?真是如此吗?本文将为您揭开s1模型的核心技术,和一些被曲解的真相,还原其真实的技术价值和局限性。

m0_56255097的博客 1226

[AI.认知]李飞飞团队“50美元”训练出s1-32B,以及研究成果《s1:Simple test- time scaling》,背后的本质?

论文1.李飞飞团队的目标,是探究“如何以极低的成本训练出一款高效率的人工智能推理模型”。他们选择了基于阿里云通义千问(Qwen2.5-32B-Instruct)开源模型进行监督微调(Supervised Fine-Tuning, SFT),而不是从零开始训练全新的模型。这种方式大幅降低了计算成本。

:: Dotnet Fantasy :: 698

仅50美元!李飞飞团队颠覆AI训练逻辑,低成本模型s1剑指DeepSeek R1

50美元的s1模型,像一柄刺向AI高墙的利剑,既揭示了技术普惠的曙光,也挑动了行业竞争的暗流。当训练成本不再成为护城河,未来的AI竞赛,或许将回归最本质的较量——算法的原创性与人类智慧的创造性。一、爆炸性突破:50美元撬动顶级AI性能2025年2月6日,斯坦福大学李飞飞团队与华盛顿大学合作的研究成果震撼AI界——仅用不到50美元的云计算成本,成功训练出推理模型s1,其数学与编码能力直接对标Open...

wang_yu_shun的博客 1048

不到140块!李飞飞团队超低成本复刻DeepSeek R1推理!16张H100只训练了26分钟,与R1训练方法不同!...

来源:51CTO技术栈 |伊风太魔鬼了!上周李飞飞团队发了篇新论文,再次降低了复刻o1能力的成本。低到什么程度呢?论文里说,在现成的预训练模型(用的是阿里系开源的Qwen2.5- 32B-Instruct)进行监督微调(SFT),使用构建的小规模数据集,仅耗时26分钟,就在16张 H100 GPU上完成训练。据研究人员介绍,这样的算力租赁成本大约在20美元左右!这么省时省钱的模型,居然和o1预览...

码农code之路 337
上一篇: Java 新魔法:利用 Function 接口告别冗余代码,打造高效断言神器
下一篇: SpringBoot3.0新特性尝鲜,秒启动的快感!SpringAOT与RuntimeHints来了解一下?
公众号-芋道源码
博客等级 码龄10年 1640粉丝 377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