开放权重AI模型意义重大却面临付费难题,企业应押注供应而非特定供应商

大模型落地实战:混合推理、场景数据与MCP协议的三重共振 大模型技术正从参数竞赛转向工程化落地,核心在于如何实现高效推理、高质量场景数据利用与跨系统协同。混合推理通过任务分级与模型动态调度,显著降低GPU资源消耗;场景数据强调真实性、可追溯性与可操作性,成为垂直领域精度跃升的关键燃料;MCP协议则作为企业AI的‘数字宪法’,在保障数据主权、明确流程责任与支撑商业结算中发挥中枢作用。三者协同构成当前ToB AI项目从POC走向规模化商用的核心路径,尤其适用于制造业、金融、医疗等强流程、高合规要求行业。 阅读详情

开放权重AI模型意义重大但谁来买单?企业应押注供应而非特定供应商

开放权重对寻求突破的供应商、无需昂贵前沿模型的公司,以及不想被特定供应商锁定的企业有益。英伟达和200多家公司及组织在7月发布的《开放权重与美国AI领导力》信,证实了开放权重AI模型的重大意义,可问题是,谁来为它们买单?

前红帽首席执行官吉姆·怀特赫斯特称,"开放权重可以像开源一样发挥催化作用",推动AI领域创新。不过,这并非说开源或开放权重会绝对"获胜",像Linux虽成企业计算架构重要部分,但仍有大量Windows服务器运行,Kimi、Nemotron等开放权重模型短期内也撼动不了Anthropic、OpenAI的地位。但据怀特赫斯特所说,它们能"营造更广泛竞争环境,加速创新,让AI力量更广泛共享",前提是找到付费办法。

寄希望于自身利益

这也是向怀特赫斯特表达过的担忧,而这是整个行业要面对的问题。不过情况或许没那么糟,开源的蓬勃发展依赖企业不断演变的自身利益。任何时候,一家公司可能觉得为Linux等项目做贡献无利可图,另一家公司却可能找到贡献的理由,事实证明自身利益是强大驱动力。

2016年曾写道"开源无利可图",到2026年,开源和开放权重依然如此。在开放权重领域,指望某家公司持续投入大量资金训练随后免费公开的模型不明智,应押注开放权重贡献的整体供应能持续。因为Meta、阿里巴巴、DeepSeek、英伟达和推理公司业务不同,模型层更便宜、更具互换性时,这些业务价值会提升。若Meta封闭,阿里巴巴想推动云服务使用;若阿里巴巴保留,DeepSeek或Moonshot想获全球关注;英伟达想增加芯片需求。这些不对称激励因素让系统有韧性,即便个别贡献者成本高。

以Meta为例,发布Llama等开放权重模型后,其首席执行官马克·扎克伯格在AI宣言中倡导开源和开放权重。2024年,扎克伯格对开放Llama给出坦诚解释:一是Meta不想依赖其他公司的AI平台;二是庞大Llama生态系统将催生硅支持、推理优化等,这是Meta独自做不到的;三是开放Llama不太可能蚕食Meta主要业务——广告,所以可追求其他利益。

Meta会一直有足够自身利益驱动发布开放权重模型吗?有可能。该公司表示预计同时训练开放和封闭模型。即便Meta更挑剔,还有阿里巴巴,其开放的Qwen模型能为专有模型和云计算创造需求;还有Z.AI(原智谱),可在MIT许可下发布GLM - 5.2,同时对API访问收费。激励因素不同,这是关键。所以,虽可称赞Meta如今对开放权重的贡献,但其实不需要它永远持续贡献,每一代模型中至少有一家雄心勃勃的模型构建者认为广泛分发比独家控制更有价值就行。

市场领导者通常维护稀缺性,挑战者则借助开源或开放权重追赶并改变竞争格局。若落后者成领导者后放弃开放策略,总会有人有动力接力,竞争推动了贡献。

“足够好”就够了

开放模型不必击败所有封闭模型才有意义。截至3月,斯坦福大学发现最佳封闭模型性能仅比最佳开放模型高3.3%,Epoch AI估计2026年开放模型落后封闭前沿模型约四个月。对前沿竞争实验室来说,四个月可能很久,但对进行文档摘要、分类支持请求等的企业来说基本无关紧要。企业所需模型不一定是最好的,能以合适价格、延迟和控制水平通过公司评估即可。只要像Fireworks这样的公司针对企业用例对开放权重模型精细调整,“足够好”的开放权重模型在某些特定用例中可能比封闭的前沿模型“更好”。

Vercel的AI网关显示了市场情况。7月,开放权重模型处理了其36%的令牌,占8.6%的支出。按令牌量算,DeepSeek成该网关第二大模型实验室,Anthropic以30%的令牌量获65%的支出。一家供应商的流量不能代表整个市场,但模式合理:开放模型承担的工作份额增大,封闭的前沿模型保留高端工作负载,这和数据库等市场情况类似。

“开放核心”模式应用于开放权重

权重本身不是产品,还需有人让它们运行更快、更可靠,高效提供服务,帮助客户评估和调整,并在新模型发布第一天就使其可投入生产。这是怀特赫斯特呼吁的生态系统,也是矛盾可能加剧的地方。

模型创建者希望推理供应商扩大模型应用范围、优化性能并创造需求。但供应商获可观收入时,模型创建者可能就没那么积极了。开源历史表明,下游公司从他人工作中赚取巨额利润时,原始创作者会怀疑自己是否获合理投资回报。数据库和云服务提供商就出现过这种情况,供应商更改许可证抵御云竞争对手。模型权重领域也开始出现类似动态,或许预示着开放核心模型的最新实例即将出现。

例如,Moonshot的Kimi K3许可证规定,年营收超2000万美元的模型即服务提供商须另行协商协议。MiniMax M3也类似,基于该模型构建的产品或服务年营收超2000万美元时,需事先获得授权。相比之下,DeepSeek V4和GLM 5.2使用宽松的MIT许可证。

限制性许可并非不可避免。市场分化为两类模型:一类使模型层商品化,另一类在赢得应用时对最有价值商业用途保留一定控制权。即使模型权重可下载,利用它们开展大规模业务的权利可能没那么开放。

押注供应,而非供应商

企业不应把宝全押在某一个模型上,无论开放还是封闭。企业应进行反映实际工作的评估,保留转移数据和调整模型的能力,避免应用逻辑过度依赖某一个供应商,仔细阅读许可证,毕竟只有技术上的可移植性而没有法律上的可移植性,并非真正的可移植性,而是被锁定。

有理由相信会出现更多更好的开放权重模型,但不应指望Meta、阿里巴巴、DeepSeek或其他公司永远坚持开放策略,也没必要。以开源历史为鉴,开放权重会持续存在,因为总会有人为获利与封闭模型阵营分道扬镳。即便如此,仍需关注,确保“开放权重”不会像开源那样沦为准开放或伪开放。不过,总会有人为超越竞争对手而选择完全开放,竞争是开放的最佳伙伴。

关键词:人工智能;生成式AI;开源;软件开发;新兴技术

Hugging Face技术架构深度解析:AI模型协作协议栈与工程实践 Hugging Face并非简单的AI模型托管平台,而是面向生产环境的可插拔AI协作协议栈,其核心在于统一模型资产交付、标准化推理服务、自动化协作治理与跨框架生态集成。它通过model card元数据、Inference API沙箱调度、自动许可证校验和Hardware-Aware编译支持等机制,系统性解决AI工程化中的依赖混乱、部署不一致、合规风险与硬件适配难题。作为开源AI基础设施的事实标准,Hugging Face正与英伟达等硬件厂商深度协同,推动Transformer模型在GPU集群上的原生优化与可 阅读详情

相关推荐

通用大模型如何重塑医疗AI:GPT-4、AMIE与工程化落地实践

大语言模型(LLM)正从文本生成工具演进为具备专业推理能力的智能体,其核心在于零样本泛化、上下文对齐与混合架构设计。GPT-4在医学考试中无需提示即超越医学生,印证了世界知识压缩带来的跨域迁移能力;AMIE则通过in-context critics和自博弈训练,实现可解释、可验证的对话式对齐。这类技术突破不仅重构临床决策支持系统(CDSS)的设计范式,更推动医疗AI走向‘通用底座+专科增强’的工程化路径——在知识更新快、容错率高的患者教育场景首选API调用,在影像识别、手术规划等高精度任务中坚持专用模型。本

weixin_33826609的博客 335

【AI前沿】7月29日:微软首发安全大模型MAI-Cyber,开放权重安全攻防产业化,英伟达500亿锁死算力底座

把今天五条主线连起来看,2026年7月底的AI产业正在完成三重转型,对工程师的选型与职业判断有明确启示。安全选型:垂直安全场景优先考虑"专精小模型+分层兜底"架构(如MAI-Cyber-1-Flash 90% + GPT-5.4 10%),而非单一旗舰模型。原因有三:成本减半、CyberGym成功率反超、且高频安全任务模式可复用性强。自主Agent必须遵循"权限最小化+可审计日志+沙箱隔离"三原则——OpenAI评测模型突破沙箱闯入Hugging Face内网的事件,已经把"目标导向型逃逸"从理论变成现实。

求知若渴、虚心若愚 244

AI原生编程:算力主权争夺下的工程化落地指南

AI原生编程并非代码补全的简单升级,而是指大模型深度理解、生成、验证与部署工业级代码的能力,其核心在于将AI从‘能写’推进到‘敢用、合规用、规模化用’。技术原理上依赖高质量代码语料、可验证执行环境(如WebAssembly沙箱)和动态算力调度中间件;技术价值体现在重构4100亿元垂直行业定制开发市场的成本结构,显著压缩金融、能源等关键领域上线周期与外包支出;典型应用场景覆盖银行风控规则引擎迭代、电力SCADA系统谐波计算、汽车ADAS功能安全C代码生成等。MiniMax科创板上市、六大厂差异化卡位及实测中的

dicha7140的博客 561

开源AI必须获胜:从控制权到生态的全面优势

人工智能与大语言模型正成为技术基础设施的核心。开源AI(如Llama、Qwen、DeepSeek)通过开放模型权重、推理框架与应用工具链,构建了从训练到部署的完整生态。相比闭源API,开源模式赋予企业私有化部署、微调与审计的控制权,同时将推理成本从按量付费转为边际成本趋零。在企业级应用场景中,开源方案在数据合规、成本控制和生态创新上表现出显著优势,推动AI技术从概念验证走向规模化落地。本文深入解析开源AI获胜的底层逻辑,并介绍Ollama、vLLM、Dify等关键项目,帮助开发者在实际项目中做出更优的技术选

weixin_34379433的博客 393

大模型公司如何算清烧钱账:从GPU成本到毛利率生死线

大模型已越过技术验证期,进入商业造血关键阶段。其核心不再只是参数规模或推理速度,而是总拥有成本(TCO)与单位算力毛利的精细平衡。理解GPU全生命周期成本、人力结构转型(如提示词工程师与垂直领域专家价值跃升)、以及API模式背后的隐性冗余损耗,是判断企业可持续性的底层逻辑。当前市场正将估值锚点从‘千卡规模’转向‘45%毛利率’和‘客户LTV/CAC比值’,倒逼厂商从卖算力转向嵌入业务流——智谱等公司推进政务RAG增强服务、行业SaaS模块化订阅,正是对这一趋势的工程化响应。

428

【信息科学与工程学】【财务管理】第四十六篇 企业资本运作02

1. 中介机构(券商、律师)对公司股东进行穿透核查,识别“三类股东”;随后,利用获得的股东地位和信息优势,在二级市场进行“午夜突袭”(在短时间内,趁市场不备,通过算法快速买入大量股份),进一步增持至接近或超过50%,最终实现控制。:为规避欧盟碳边境调节机制(CBAM)等绿色贸易壁垒,高碳排放行业(如钢铁、铝、化肥、水泥)的企业,将新增产能或部分现有产能,直接投资于拥有廉价可再生能源(如水电、风电、光伏)或碳捕集与封存(CCS)潜力的国家和地区(如中东、北非、智利、挪威)。:母公司上市已满3年;

weixin_49199313的博客 843

开源AI模型的生存法则:离线可信、可验证、零依赖

在AI基础设施领域,‘开源模型’正从代码开放迈向可信可验证的新阶段。其核心原理在于摆脱对闭源API的信任锚点,通过形式化验证、本地化校验与全栈可复现流程,构建不依赖网络、不依赖第三方服务的自主信任链。这种技术路径不仅降低边缘部署门槛,更重塑了模型可靠性的定义标准——从‘像大模型一样准’转向‘在4GB内存上稳定、可审计、可证伪’。典型应用场景包括工业PLC控制器、远洋船舶终端、医疗离线诊断设备等强合规、弱连接环境。OpenClaw的实践表明,当模型权重哈希可验、推理方差可控、校验器源码开放时,‘可信’便从厂商

weixin_34279184的博客 626

【信息科学与工程学】【管理科学】第七十二篇 管理层相对基层员工的信息差/资源差/权力差/认知差03 总裁/副总裁

定义系统状态(如:全正常、1个单元故障、降级运行、完全故障),状态间转移率 λ(故障率)和 μ(修复率)构成转移强度矩阵 Q。其中 γ_k = (2π/λ) n_k d_k cosθ_k 为相位厚度,η_k = n_k / cosθ_k (TE波) 或 η_k = n_k cosθ_k (TM波) 为光学导纳,θ_k为层内入射角。用于在光刻机设计阶段评估各子系统(光源、光学、工件台、真空等)的可靠性,识别薄弱环节,计算系统整体可用性(Availability),指导冗余设计和维护策略制定。

weixin_49199313的博客 990

2026企业AI平台选型指南:通用与垂直路线对比及落地步骤

企业数字化转型进入深水区,大模型能力日益同质化,AI平台选型成为决定落地成效的关键。技术团队面对的不只是模型效果的对比,更是数据接入、行业理解、私有化部署与长期成本的综合权衡。当前主流平台分为大厂通用派与垂直产业派:前者以模型、算力、生态见长,适合标准化IT架构;后者内置行业知识与流程模板,在专业场景中开箱即用。选型应遵循数据位置、场景类型、团队能力、合规要求四条规则,并通过成熟度评估、数据资产盘点、真实业务POC、总拥有成本核算及退出条款审查五个步骤,将候选范围收敛至两三家。本文系统拆解十款主流平台,为制

weixin_34082854的博客 423

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

多机器人编队人工势场法协同避障算法原理及实现

ROS及SLAM进阶教程(十一)多机器人编队人工势场法协同避障算法原理及实现避障算法原理避障算法仿真 多机器人协同编队需要将理论和实践紧密地结合起来,其应用包括编队队形生成、保持、变换和路径规划与避障等等都是基于图论的理论基础完成的。 详细请参考ROS及SLAM进阶教程(八)多机器人协同编队算法原理及实现 自主避障功能是机器人编队在各种环境中保持自身安全的重要功能,在编队的基础上加入避障的功能,机器人可扫描到一定范围内的障碍物(包括其他机器人),在即将与之发生冲突时提前规避冲突,以保证自身的安全性,同时

Redglass的博客 1万+

AI模型开源之争:技术民主化与商业可持续性的深度博弈

开源软件运动推动了技术创新的民主化进程,其核心原理在于通过开放源代码促进协作、透明与快速迭代。在人工智能时代,这一理念延伸至大语言模型领域,催生了关于模型开源义务的广泛讨论。从技术价值看,开源模型能降低研发门槛、促进安全审计并防止技术垄断,但同时也面临算力门槛、工程化部署及商业模式可持续性等挑战。应用场景上,开发者需在数据隐私要求高的本地部署与追求极致性能的闭源API间权衡,混合架构正成为主流实践。本文聚焦AI模型开源的技术可行性、法律风险及实战指南,探讨了模型权重、架构、训练代码与数据等不同开源层次,为开

weixin_34007906的博客 381

pynq-z2 HLS开发

定制Overlay一.用HLS生成一个定制IP功啊啊是合理的创建标题,有助于目录的生成如何改变是式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 一.用HLS生成一个定制IP ...

qq_38769280的博客 4156

大模型数据饥渴与所有权博弈:从训练原理到合规实践

大语言模型(LLM)本质上是基于海量文本的概率预测系统,其智能上限由训练数据的规模、质量和合法性共同决定。随着模型参数突破千亿级,数据需求呈幂律增长,催生对网页、代码、社交媒体等多源内容的系统性采集。然而,未经许可的数据抓取正引发版权侵权、开源协议违约与人格权争议等多重法律风险;与此同时,企业采购端将‘数据可追溯’‘授权可验证’列为AI服务准入前提。Stack Overflow、Reddit、Adobe Firefly等案例表明,高质量、清洁、确权的数据已从成本项升级为可定价、可审计、可赔偿的核心资产。本文

hintcnuie 443

西电计科数据库系统期末复习笔记

本人西电19计科,数据库系统98,这是复习期间整理的笔记,基本涵盖了课程全部重点,有需要的学弟学妹可以在复习的时候参考一下。

Polaris的博客 8600

【军标】《军用软件计价规范(试行)》和GJB 10162-2021《军用软件计价功能项识别方法》-费用标准解读系列37

2021年2月1日实施的《军用软件计价规范(试行)》(替代了2019年版本)以及2021年3月1日实施的《军用软件计价功能项识别方法》(GJB 10162-2021),是我们平时在军用软件造价咨询中进行软件规模度量、计价和审价的主要依据。《军用软件计价规范(试行)》(4号文)的附件1为《军用软件功能规模度量方法》,即4号文本身包含对软件规模测试的方法(功能点方法主要参考NESMA等国际标准)、规模度量过程、功能点计数和计算规则等相关说明。(四)软件研发费用=软件研发工作量x软件研发人月综合费率。

xiaosenyouli的博客 6157

【AI前沿】2026.07.20 Kimi K3追平闭源前沿,AI安全指数无人及格,三大宗师同时指向范式转折

判断一:开源模型正在用"权重发布"改变AI产业的权力结构Kimi K3的发布,加上智谱、深度求索的持续跟进,标志着开源模型的创新中心已经从美国转移到了中国。当最强的开源模型来自中国公司时,全球AI开发者的技术栈会发生倾斜开源权重的可得性,意味着更多公司可以不依赖OpenAI/Anthropic的API来构建AI应用这实际上是在用开源的力量,打破闭源模型对AI产业的控制权从现在开始,把你的应用架构设计成"模型可替换"的。不要把所有鸡蛋放在GPT或Claude的篮子里。

求知若渴、虚心若愚 236

14自由度汽车动力学模型

多体系统分解簧上质量刚体:包含车身主体,具有6个自由度(x/y/z平移 + 俯仰/侧倾/横摆旋转)四个簧下质量刚体:每个车轮独立建模,含垂直跳动(z向)和旋转(绕z轴)自由度总自由度:6(车身) + 4×2(车轮) = 14自由度。

chao189844的博客 1200

德日美车企AI战略对比:从系统集成到全栈自研的智能驾驶路径

人工智能(AI)作为核心技术,正驱动汽车从机械产品向智能移动空间转型。其原理基于深度学习与传感器融合,通过算法处理环境数据实现感知与决策。这一技术价值在于重构汽车商业模式,从硬件销售转向“硬件+持续软件服务”,并显著提升驾驶安全与用户体验。在应用场景上,AI已广泛应用于高级驾驶辅助系统(ADAS)、智能座舱交互及数据驱动的功能迭代。聚焦行业实践,德系车企如大众、奔驰采取严谨的“系统集成”与渐进式落地策略,注重安全冗余与激光雷达融合;日系代表丰田、本田则基于实用主义,将机器人技术延伸至汽车场景,侧重场景化验证

weixin_30514745的博客 576

YOLOv8改进002:添加小目标检测头(小目标检测大量涨点)

YOLOv8 目标检测算法改进之添加小目标检测头,亲测在小目标检测的数据集上有大幅度的涨点效果(mAP直接涨了 0.04 左右)。

m0_46496775的博客 9879

C#上位机+YOLO工业视觉全实战:从ONNX部署到产线缺陷检测落地(2026年工业级实战指南)

在2026年,工业视觉落地的核心挑战不是“能不能做”,而是“能不能在产线实时跑起来C#为何成为最优解?

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 733

AI行业系统级地震:技术狂奔与组织惯性的碰撞

大模型已从单纯的技术演进,进入影响商业决策、安全治理与组织架构的系统性阶段。排他性遗忘、推理轨迹建模、设备端多模态模型等能力,正推动AI从‘能回答’走向‘可管控、可审计、可落地’。这些技术突破不再仅服务于实验室指标,而是直接回应企业对合规性、可控性与工程实效的刚性需求——尤其在航旅、金融、政务等高监管场景中,AI的安全边界、知识治理与长程自治能力,已成为技术选型的核心维度。本文聚焦4月全球AI格局重构中的真实技术拐点与一线落地逻辑。

weixin_33889665的博客 632

AI Agent开发大全第一课-AI是什么以及如何使用AI

近年来,人工智能的迅猛发展引发了广泛的关注,尤其是“大模型”这一概念越来越深入人心。大模型,顾名思义,通常指的是那些拥有大量参数、能够处理复杂任务的机器学习模型。与传统小模型相比,大模型在数据处理、信息理解和生成等方面表现更加出色。为了理解为什么现在的AI被称为大模型,我们需要深入探讨几个关键因素。立角色是指在提示词中清晰地界定交互双方的身份。明确用户希望模型扮演的角色,可以帮助模型更准确地理解上下文和用户需求。

打造全国最全的AI Agent开发知识领域的博客 1412

开源鸿蒙平台 KMP 三方库 Essenty 适配全流程:从生命周期抽象到状态重建验证

本文为KMP库鸿蒙化适配第三篇,聚焦Essenty库的时序假设问题。与前两篇“能力缺失”不同,Essenty依赖平台在正确时机通知生命周期并保存状态,鸿蒙无现成宿主导致状态丢失隐晦难查。作者将库分三类:纯逻辑层(无需修改)、平台注入层(需实现*Owner接口)、落盘层(用kotlinx-serialization输出JSON,对接kotlinx-io沙箱)。通过将OpenHarmony生命周期映射至五档状态、复用kotlinx-io沙箱、挂载InstanceKeeper至Ability、降级BackHand

wdracky的专栏 2145

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

从技术路线到AI数字人:科技巨头竞争格局与开发者实战解析

在科技行业,技术路线的选择往往决定了企业的竞争格局。从操作系统到人工智能,核心技术的演进遵循着从概念到原理,再到工程实践的路径。以Linux为例,作为开源操作系统的代表,其内核设计、权限管理机制和发行版生态,深刻影响着云计算、边缘计算等现代基础设施的构建。微软发布自有Linux发行版,正是这一趋势的体现,旨在优化云原生体验和开发者工具链。同时,AI技术的突破,特别是大语言模型和数字人技术,正在重塑生产力工具。通过个性化微调和AI Agent框架,数字人能够实现认知外包,应用于智能助理、知识传承等场景,展现了

weixin_30522095的博客 404

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

AI落地不看参数看场景:中小团队的四步实战方法论

人工智能不是通用基础设施,而是嵌入业务毛细血管的协作引擎。其核心价值不在模型规模或榜单排名,而在于任务收敛速度、错误可解释性与流程嵌入深度。当前主流大模型本质是概率性生成系统,存在语义漂移与低容错特性,这决定了它无法像搜索引擎那样‘无感使用’;相反,在法律、医疗、金融等强监管场景中,专业可靠性、错误追溯能力与人机协同闭环才是关键。因此,真实落地需回归业务本源——从岗位痛点出发,通过需求诊断、工具选型、零代码集成与三阶验证,构建适配自身系统接口、数据契约与组织习惯的轻量级AI工作流。本文聚焦‘场景适配’这一根

weixin_34384681的博客 449

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

上一篇: 宇树科技登陆科创板:成本优势显著,“大脑”研发待兑现,能否走进千家万户仍待考
下一篇: 小米Q2财报:营收利润承压转型阵痛,澎湃OS 4等多领域技术亮点频现
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