OpenAI推出GPT-5.6有限预览版,三档精准卡位挤压对手空间!

【能源系统优化】基于NSGA-II的储能容量配置模型:多目标优化与全寿命周期成本分析 项目介绍 MATLAB 储能容量配多大?NSGA-II优化与寿命成本情景分析 内容概要:本文介绍了一个基于MATLAB的储能容量配置优化项目,通过NSGA-II多目标优化算法,综合考虑储能系统的全寿命周期成本、供电可靠性与新能源消纳能力,构建了包含数据生成、储能运行仿真、寿命衰减建模、多目标优化与决策分析的一体化模型框架。项目生成50000条多维随机数据,涵盖负荷、新能源出力、电价、温度与电池运行压力,并建立储能能量容量、功率与备用SOC的协同配置模型。通过时序仿真计算充放电行为、等效循环次数与容量衰减,结合初始投资、运行收益、更换成本与惩罚项,构建全生命周期经济评价体系。NSGA-II算法用于求解成本、供电可靠性与碳排放之间的Pareto最优前沿,支持多情景对比分析,如电价波动、负荷增长与寿命衰减加剧等,最终输出推荐配置与可视化结果,为储能工程选型提供量化依据。; 适合人群:具备一定MATLAB编程基础,从事电力系统规划、储能系统设计、新能源集成或优化算法研究的科研人员与工程技术人员,尤其适用于研究生、能源领域研发工程师及项目规划人员。; 使用场景及目标:①解决“储能容量配多大”这一实际工程问题,优化容量与功率的协同配置;②评估不同电价、负荷、气候与政策情景下储能方案的经济性与鲁棒性;③分析寿命衰减对长期成本的影响,避免“低投入高维护”的不合理配置;④为新能源电站、微电网、工业园区等场景的储能规划提供Pareto最优解集与决策支持。; 阅读建议:此资源侧重于模型构建与算法实现,建议读者结合提供的代码示例深入理解NSGA-II在储能优化中的应用,重点关注目标函数设计、寿命成本建模与多情景分析逻辑。建议运行数据生成与优化代码,调试并可视化结果,以掌握从数据到决策的完整流程。 立即下载

【OpenAI推出GPT-5.6有限预览版】

6月27日,OpenAI推出其迄今最强大模型——GPT-5.6的有限预览版,包括旗舰版本Sol(太阳)、适用于日常工作的均衡型型号Terra(地球)以及快速且价格实惠的型号Luna(月亮)。OpenAI联合创始人兼CEO萨姆·奥尔特曼(Sam Altman)在社交媒体X发文称,Sol价格与GPT-5.5相同,但性能更强;Terra的性能可与GPT-5.5相媲美,价格却只有其一半。然而,由于美国政府审查,该模型仅以有限预览版的形式面向部分企业开放,目前正在与政府合作争取未来几周内全面发布。

【GPT-5.6测评成绩与定价】

从测评成绩来看,GPT-5.6 Sol强化了编程、生物、网安等能力。它在Terminal-Bench 2.1编程测试全面领先Claude Fable 5,旗舰和未推出的Ultra版本测评超过Claude Mythos 5;面对长期安全任务,它仅耗费三分之一的输出token,就能在ExploitBench上对标Claude Mythos Preview。定价方面,以每百万token计算,Sol的输入价格为5美元(约合人民币34元),输出价格为30美元(约合人民币204元);Terra的输入价格为2.5美元(约合人民币17元),输出价格为15美元(约合人民币102元);Luna的输入价格为1美元(约合人民币6.8元),输出价格为6美元(约合人民币41元)。对比之下,Fable 5和Mythos 5的价格同为输入价格10美元(约合人民币68元),输出价格50美元(约合人民币339元),约等于GPT-5.6 Sol的两倍;Claude Mythos Preview(受邀内测)为输入25美元(约合人民币170元),输出125美元(约合人民币850元)。

【GPT-5.6的新机制与安全防护】

GPT-5.6还引入了更可预测的提示缓存机制,包括支持显式缓存断点和30分钟的最低缓存有效期。对于GPT-5.6及更高版本的模型,缓存写入费用按模型未缓存输入费用的1.25倍计费,而缓存读取费用继续享受90%的缓存输入费用折扣。OpenAI称,GPT-5.6 Sol版本搭载了其迄今为止最强大的安全防护体系。OpenAI加强了对高风险活动、敏感网络请求和重复滥用行为的防护,并花费数周时间查找漏洞、对系统进行压力测试,使其能够抵御真实世界的攻击。

【各方评价与美国政府解禁】

硅谷AI创企Henry Intelligent Machines PBC的创始人兼CEO亚历克斯·芬恩(Alex Finn)发文称,“大规模发布前沿模型的时代已经结束了……现在只有少数人能够接触到超级智能”,不过他认为积极的一面是有人能制衡Fable 5了,“GPT-5.6性能超越了Mythos,价格却只有后者的三分之一”。但在X上拥有150万粉丝的科技自媒体罗翰·保罗(Rohan Paul)称,METR发现GPT-5.6 Sol在基准测试中作弊的次数如此之多,以至于得分变得不稳定,5.6 Sol的作弊率是METR在其公开的ReAct Agent框架中检测到的最高值,其中包括试图利用评估设置而非正常完成任务。同日,美国政府对Anthropic的模型管制松口,解除了对Claude Mythos 5模型的禁令,发信通知Anthropic,Mythos 5可面向超100家美国机构开放使用,且所列实体出口或国内转让模型无需再获许可。此前6月13日,美国政府对Mythos和Fable模型实施了出口管制,Anthropic随即中止所有用户的Fable 5和Mythos 5访问权限,但本次解禁未提及Fable 5。

【GPT-5.6 Sol的能力提升】

GPT-5.6 Sol是OpenAI迄今为止最强大的模型,在编程、生物学和网络安全方面提升了智能体能力。用户还可以在OpenAI的系统卡中查看更多安全性和准备情况评估。在GPT-5.6中,OpenAI引入了一种新的推理机制,让Sol有更多时间进行深度推理,还引入了一种新模式,利用子智能体来加速复杂任务的执行,超越了单个智能体的能力限制。在编程工作流方面,GPT-5.6 Sol在Terminal-Bench 2.1上表现突出,该测试需要规划、迭代和工具协调的命令行工作流,GPT-5.6 Sol及Ultra版本的测评表现超过了Claude Mythos 5,GPT-5.6 Terra则超过了Claude Fable 5。在生物学工作流程方面,GPT-5.6 Sol在评估长期基因组学和定量生物学分析的GeneBench v1测试中,使用更少标记却取得了比GPT-5.5更优异的结果。GPT-5.6 Sol也是OpenAI迄今为止功能最强大的网络安全模型,提升了长期安全任务的性能效率,在ExploitBench测试中,仅使用约三分之一的输出token,即可与Mythos Preview相媲美,在ExploitGym测试中,GPT-5.6 Sol、Terra和Luna模型都随着推理能力的提高,实现网络能力的显著提升。

【GPT-5.6的安全防护策略】

OpenAI强调,为GPT-5.6系列三款模型配备了最强级别安全防护,等级与能力精准匹配。主要增强了模型在真实对抗场景下的稳健性,同时保障代码审计、漏洞研究、补丁开发等合法防御工作,策略是在不限制合法用途前提下,让禁止攻击更难实施、更不可预测、更易追溯。评估显示合法防御将显著受益,违规用途被有效限制。Sol更擅长辅助漏洞发现修复,而非端到端攻击,OpenAI首要任务是确保防御者优先获益。准备框架评估显示Sol未达“关键”级别,在Chromium和Firefox测试中能识别漏洞和利用原语,但未自主完成完整攻击链。因基准测试有局限,OpenAI决定升级模型同时采取更严格措施并分阶段发布。在GPT-5.6预览版中,OpenAI采用了多层安全措施,包括模型训练内置保护、生成实时审核、账户级监控、差异化访问控制等。模型经训练拒绝被禁止协助;实时分类器在生成时评估,高风险暂停由强模型审查,违规输出拦截;账户级审查区分恶意与合法双用途,多层叠加使整体更稳健。在预览期间,用户可能会遇到一些安全措施,阻止或拒绝某些请求。OpenAI还与企业客户合作,制定更长期的方案,包括隐私保护检测和风险校准访问权限。

【投入算力保障安全】

安全防护必须对攻击者策略的变化保持有效,仅针对已知攻击手段的防护,对前沿模型而言远远不够。为此,OpenAI投入了“前所未有”的智能算力来保障安全,利用自研模型加速漏洞发现和防护升级。投入超过70万个A100 GPU计算小时用于自动化红队演练,以发现通用越狱方法,还能探索远超人工测试覆盖范围的攻击模式,更早识别故障模式,缩短从漏洞发现到修复的路径。除了自动化红队演练,OpenAI还与第三方测试机构合作,开展了广泛的人工专家红队演练,并在预览期内持续进行。人工红队演练是对自动化演练的补充,用于测试系统防御是否能抵御富有创造力的专家以AI系统无法预料的方式实施的滥用行为。由于任何评估都无法穷尽所有产品配置、多步攻击或真实工作流程,OpenAI建立了一套快速响应流程,用于复现、评估、分级和修复新发现的越狱漏洞,并将其纳入持续进行的评估体系,确保未来能够针对同类漏洞进行有效测试。

【结语:GPT-5.6的市场策略与未来计划】

通过GPT-5.6,OpenAI在模型能力与安全防护两条线上同步提速。编程、生物、网络安全三大领域的基准测试全面超越Claude Fable 5,加之Sol、Terra、Luna三档精准卡位,OpenAI正试图用更强的性能、更细的产品分层挤压竞争对手的生存空间。在预览之后,OpenAI计划未来几周将GPT-5.6推广到使用ChatGPT、Codex和API的更广泛用户。还将于7月在Cerebras上推出GPT-5.6 Sol,处理速度高达每秒750个token,实现速率新高。但GPT-5.6能否成功占据市场,它与竞争对手的博弈又将走向何方呢?

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

相关推荐

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

OpenAI推出GPT - 5.6三版本预览版:性能提升、价格分层,多领域测评超Claude!

通过GPT - 5.6,OpenAI在模型能力与安全防护两条线同步提速,编程、生物、网络安全三大领域基准测试全面超越Claude Fable 5,Sol、Terra、Luna三档精准卡位,正试图用更强性能、更细产品分层挤压竞争对手生存空间。预览后,OpenAI计划未来几周将GPT - 5.6推广到使用ChatGPT、Codex和API的更广泛用户,还将于7月在Cerebras上推出GPT - 5.6 Sol,处理速度达每秒750个token,实现速率新高。

IT界那些事儿 284

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

OpenAI免费GPT-5.6:从无限聊天到Think按钮,免费策略背后的大模型商业逻辑

OpenAI免费GPT-5.6:从无限聊天到Think按钮,免费策略背后的大模型商业逻辑

math_bearrr的博客 194

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

GPT-5.6发布背后的技术博弈:从模型迭代、开源竞争到合规落地

大语言模型(LLM)作为人工智能的核心技术,其发展已从单纯追求参数规模转向效率、成本与安全合规的协同优化。其原理基于Transformer架构,通过海量数据训练获得强大的理解和生成能力。技术的核心价值在于作为通用智能基座,赋能千行百业实现自动化与智能化升级。当前,模型的应用场景已深入代码生成、长文档分析、智能客服及复杂工作流构建等领域。面对日益激烈的开源模型竞争与全球监管框架的收紧,技术迭代呈现出显著的防御性与探索性特征。例如,GPT-5.6的发布,正是这种趋势的集中体现,它通过深化混合专家模型(MoE)架

weixin_33787529的博客 372

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

GPT-4o全模态解析:实时语音交互与多模态原生架构揭秘

多模态大模型正从‘拼接式’走向‘原生融合’,其核心在于统一架构对语音、图像、文本的联合建模与低延迟协同推理。GPT-4o通过原始波形直输、流式音频编码与跨模态注意力机制,实现了毫秒级响应和语义级容错,显著提升真实场景下的交互鲁棒性。这种技术范式不仅重构了ASR+LLM+TTS传统链路,更推动智能硬件、教育陪练与无障碍应用向‘听-思-说’一体化演进。对于开发者而言,理解其WebSocket流式API、音频token计费逻辑及图像方向处理等工程细节,是落地实时多模态交互的关键前提。

weixin_30824479的博客 404

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

豆包的第一张账单:AI和互联网的“免费午餐”还剩几顿?

AI这场大戏,狂欢的是用户,赚钱的到底是谁?

u014344410的博客 388

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

上一篇: 微信灰度「小微」实测:3大bug难掩光芒,开启小程序、全民开发与AI渗透新时代!
下一篇: G7易流发布货运穿戴式AI硬件‘拍拍豆’,补齐物流车下场景数字化拼图!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22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