SearchGPT第一波评测来了！响应速度超快还没广告，“OpenAI杀手锏”

转载 于 2024-07-31 07:57:39 发布 · 159 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
原文链接：https://mp.weixin.qq.com/s?__biz=MzIxNjM4NDE2MA==&mid=2247531261&idx=1&sn=8da504cd05e2f89cddecdd15454fe2db&chksm=968173be5b63e2b7e60705b8589889f9bfa35a67c8151eb4c7abd6cc440b0e75eb9baae25acf&scene=126&sessionid=0
GEO检测

转自：量子位 | 公众号 QbitAI

👇我的小册 45章教程:(小白零基础用Python量化股票分析小册) ,原价299，限时特价2杯咖啡，满100人涨10元。

OpenAI这次终于不放卫星了——

最新发布的SearchGPT，已经有第一波尝鲜者展示了自己的体验。

e8f9629340274dd83abe4d58ac7ab1ee.png

据做测试的博主介绍，SearchGPT的响应和输出速度都突出一个“快”。

277f02b9c15cb79f2eb936e1a6a10f6c.gif

△来源：Twitter/Kesku

尤其是和其它工具一比，有人觉得快得难以置信，希望开放后能依旧如此。

言外之意就是，现在看起来速度很快，可能是因为用的人少。

143aaae055267a3f1f40889a9c5500bc.png

当然，这个新产品还是受到了不少人的夸赞，有人把它称作OpenAI的杀手级应用。

fe3e253d65f7b9a7243cdade85645680.png

还有的网友，已经开始为SearchGPT的竞争对手担心了起来，猜测谷歌这两天一定很恐慌。

2011c21892f361d8b195d2523355b434.png

快速直观的搜索结果

从博主发布的测试内容可以看出，SearchGPT不仅是速度快，而且信息展示非常直观（还没广告）。

比如当这位博主询问伦敦的天气时，SearchGPT直接就给出了一个列表，清晰地展示了未来一周的天气情况。

c4807771986da9dca669e3b56f72ccad.png

接着博主继续提问，伦敦最适合野餐的地方在哪，以及什么时候去合适。

只见SearchGPT一通输出，列举出了很多公园，而且配有照片，最后建议工作日去避免人多拥挤。

而且页面左侧还有一个图像按钮，点击后能够聚合展示图片搜索结果。

6832cc15ebbd9d862612d7cabb131d2c.gif

其他的一些问题也能看到这种直观的展示，比如搜索英伟达的股票时，可用在最显眼的位置看到股价曲线图。

2e12399ece62bb1423ff046b7301606c.png

甚至可以直接播放YouTube当中的视频。

d5cf45df1f309602ba547031380e59bb.png

同时，这位博主也帮评论区留言的网友简单测试了一下，询问SearchGPT苹果iOS的最新版本。

结果中首先用大字展示了结论——iOS18预览版，然后详细说明了最新的正式版是17，同时18也开始测试了。

如果指明问的就是Beta版，那么答案就是18 Beta 4了，进一步询问开发者版本号的话还能看到更多细节。

d83162127bfce5aa398febd42d86ff4c.png

有网友看了后说，ChatGPT（应该是指SearchGPT）正在成为一个直接的多媒体站点。

用户可以在那里看视频、显示图片和阅读文本，为什么还需要其他网站？

这为OpenAI开辟了全新的可能性。

甚至连变现的方式也替OpenAI想好了：

人们的数据和兴趣可以轻松被获取，并像谷歌一样根据需要转化为合适的广告。

如果越来越多的流量通过OpenAI而不是谷歌，这意味着收入转移（搜索仍然是谷歌最大的收入来源）。

358e08b1a56e212a14acf54f00ec4ac6.png

还有不少网友都提到了同为AI搜索工具的perplexity。

395051fae842707d0f4380f129d9e6a7.png

对此，博主分别用SearchGPT和perplexity搜索了自己的昵称。

结果SearchGPT确实找到了博主的相关介绍，而perplexity则表示查无此人。

d7ed5deff24923782b4b9e8f137dfd5d.png

另外在OpenAI社区也有网友表示体验到了SearchGPT，他表示简单对比后发现SearchGPT的信息呈现方式和perplexity的确有些像，不过倾向于展示更多的图片。

03d8eb4d238032f90f67e9d9d22de87e.png

不过从用户量上看，perplexity虽然带走了谷歌的一部分流量，但也没能撼动其霸主地位。

那么，perplexity没能实现对谷歌的超越，OpenAI能做到吗？

网友：对谷歌影响巨大

关于SearchGPT超越谷歌这个问题，确实有不少人持乐观态度。

比如有推特网友表示，OpenAI这一波对谷歌的影响程度是难以想象的巨大。

75f2eef33c6e05ee90ff757bb2c90e45.png

甚至Tom’s Guide的一篇文章说SearchGPT是“改变我们25年来所熟知的搜索范式的最佳机会”，直言谷歌要多留心了。

7f3812de58732453633696f347ec2406.png

的确，相比于谷歌，这种搜索结果的展示方式更加直观，也更能触及用户需求。

而且，没有广告的特点也非常受到用户的青睐。

实际上，谷歌也一直在尝试把AI整合进搜索，但结果似乎不是很理想。

一方面是形式上没有跳出传统搜索引擎的桎梏，只是在页面中增加了AI总结。

另一方面，质量也属实堪忧，数据污染现象严重。

比如被问及芝士粘不到披萨饼上该怎么办时，谷歌AI给出的总结竟然是涂胶水……

e449fcce14fc39767d4882c804aad32e.png

不过，关注搜索引擎的媒体Search Engine Land总编辑Danny Goodwin表示，25年以来他见过的所有“谷歌杀手”，最后无一例外的都被谷歌“杀”掉了。

对于SearchGPT，Goodwin的态度是，它的确有可能真正对谷歌搜索形成挑战，但目前的SearchGPT还是一个简单原型，用户量也非常少，最终的结果如何还有待时日。

同时Goodwin指出，目前SearchGPT的一大短板是缺少本地和商业化内容（local and commerce content），在这些关键领域落后于传统搜索引擎。

进一步地，Goodwin相信，如果OpenAI能够把这个短板补齐，谷歌就需要当心了。

除了功能上的改进，还需要注意的一个问题是，目前SearchGPT并未全量开放。

国际数据研究机构IDC研究经理Hayley Sutherland表示，待到大量铺开之时，SearchGPT所拥有的速度和准确性，将是决定其竞争力的一大关键因素。

总之，OpenAI的这颗子弹到底能不能射中谷歌，恐怕还得让它再飞一会儿了……

8890062ecda8daaed12f5d2dabca1ee9.jpeg

最后推荐一下我们团队写的量化小册的内容，45篇内容！从Python安装，入门，数据分析，爬取股票基金的历史+实时数据，以及如何写一个简单量化策略，策略回测，如何看资金曲线统统都有介绍！非常超值！

欢迎订阅：原价299 早鸟价2杯咖啡钱，即可永久阅读。满400人又要涨价了，现在的价格非常非常低，只要2杯奶茶，就可以终身订阅+课程源码，还有永久陪伴群。48小时无理由退款，放心食用！

adba0434607fc0c39a32852e460dfb2d.png

往期推荐
量化: 如何用Python爬取创业板历史+实时股票数据！｜实战股票分析篇利用Pandas 9招挖掘五粮液股价！｜实战股票数据分析篇 Pandas滚动操作 ｜量化股票第一步，用Python画股票K线，双均线图，可视化你的股票数据！｜如何用Python爬取全部800多只ETF基金数据！｜如何用Python写一个双均线策略 ｜如何用Python开发一个多策略机器人！上篇！｜Python量化系列-用布林策略买五粮液能赚多少钱？｜只要4秒钟！用Python 获取上证指数34年的历史日线数据！

 
入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径

 
干货:爬取豆瓣短评，电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街！唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 ｜用Python做个海量小姐姐素描图 ｜碟中谍这么火，我用机器学习做个迷你推荐系统电影

 
趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!

 
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火，我用机器学习做个迷你推荐系统电影

 
小工具: Pdf转Word，轻松搞定表格和水印！ | 一键把html网页保存为pdf！|  再见PDF提取收费！ | 用90行代码打造最强PDF转换器，word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器！ ｜60行代码做了一个语音壁纸切换器天天看小姐



                

        

    






  




    



                



	

		

			

				
					
SearchGPT第一波评测来了！响应速度超快还没广告

				
			

			

				

					codingpy的博客
				

				

					07-31
					
					177
					
				

			

		

		

			
				
你好，我是坚持分享干货的 EarlGrey，翻译出版过《Python编程无师自通》、《Python并行计算手册》等技术书籍。如果我的分享对你有帮助，请关注我，一起向上进击。转自：量子位 | 公众号 QbitAIOpenAI这次终于不放卫星了——最新发布的SearchGPT，已经有第一波尝鲜者展示了自己的体验。据做测试的博主介绍，SearchGPT的响应和输出速度都突出一个“快”。△来源：Twitt...

			
		

	



                

            
              



	

		

			

				
					
技术周刊 ｜ Bundler 近况、React 2023 状态报告出炉、小模型群雄并起、OpenAI 发布 SearchGPT

				
			

			

				

					童欧巴的博客
				

				

					08-05
					
					621
					
				

			

		

		

			
				
大家好，我是童欧巴，欢迎来到第 123 期技术周刊。

			
		

	



              


  
              

                


	

		

			

				
					
【Peng-Robinson状态方程】计算纯组分系统的z因子和逸度系数、计算多组分系统的z因子和逸度系数、计算泡点压力、计算露点压力研究（Matlab代码实现）

				
			

			

				

					06-30
				

			

		

		

			
				
内容概要：本文档聚焦于基于Peng-Robinson状态方程的化工热力学计算研究，系统介绍了利用Matlab代码实现纯组分及多组分系统的压缩因子（z因子）和逸度系数的计算方法，并进一步拓展至泡点压力与露点压力的数值求解。资源涵盖了从状态方程推导、非线性方程求根、相平衡条件判断到迭代算法实现的完整技术路线，提供了可运行的Matlab程序代码，有助于深入理解实际工程中物性参数的计算原理与实现过程；  
适合人群：具备化工热力学基础知识和一定Matlab编程能力的高校学生、科研人员及工程技术人员，尤其适合从事过程系统模拟、油气田开发、精馏设计及相关领域研究的专业人士；  
使用场景及目标：① 掌握Peng-Robinson方程在真实气体物性计算中的应用；② 实现多组分混合体系的相平衡计算与泡/露点预测；③ 为Aspen Plus等商用流程模拟软件提供底层算法验证与教学参考；④ 支持科研论文复现、课程设计、毕业设计及工业过程优化中的热力学数据支撑需求；  
阅读建议：建议读者结合经典化工热力学教材同步学习，重点理解立方型状态方程的根判别、迭代收敛策略与相平衡准则的数学表达，动手调试并运行所提供的Matlab代码以掌握算法细节，还可将其扩展应用于其他状态方程（如SRK、vdW）的对比分析研究。

			
		

	





	

		

			

				
					
华为eNsp模拟器命令参考

				
			

			

				

					06-30
				

			

		

		

			
				
源码下载地址： https://pan.quark.cn/s/a4b39357ea24     Huawei - Ensp 下载链接 ----- ​ 1、百度网盘： ​ 链接： ​ 二维码： image-20220919182315954 ​ 2、阿里云盘 ​ 链接： 3、迅雷云盘 ----- 安装流程 00001 1、安装顺序 \ 核心软件 1、安装wireshark 、安装winPacp、安装virtualBox、安装eNSP 2、安装扩展包 1、将对应设备拖入拓扑图，启动设备。
2、系统提示导入扩展包，将对应设备的文件导入即可。
----- 3、可能的问题 １、对于 路由设备 应开启CPU虚拟化 ​ 任务管理器-性能 image-20220919204958763 开启方法 ：可进入主板BIOS开启CPU虚拟化。
其他开启CPU虚拟化的方法均可，通过主板BIOS开启CPU虚拟化 建议自行百度。
２、Windows Hyper-V 与 VirtualBox不兼容（４０错误码） 解决方案： ​

			
		

	



		

			
		



	

		

			

				
					
文件操作工具库项目 Python完整源码与测试部署文档

				
			

			

				

					06-30
				

			

		

		

			
				
内容概要：本资源围绕常用文件操作工具库封装提供一套可运行的 Python 工程源码，覆盖路径处理、临时文件创建、文件复制、文件删除、目录管理、异常处理、工具函数报告输出和命令行执行入口。项目包含核心源码、示例配置、单元测试、Dockerfile 与 README 文档，可用于构建可复用的文件系统操作工具包、沉淀常见文件处理函数并验证工具库质量。
适合人群：适合 Python 开发者、后端研发、自动化脚本开发者、文件系统工具开发学习者，也适合需要封装通用文件操作函数和单元测试模板的技术人员。
能学到什么：①路径处理、临时文件、复制删除和目录管理等常用文件操作封装方法；②工具函数输入校验、异常处理和报告输出的工程化组织方式；③使用 Python 标准库构建可测试、可复用的文件操作工具库和 CLI 示例；④通过 README、unittest 和 Dockerfile 快速验证项目可运行性。
阅读建议：建议先阅读 README 了解项目结构、运行命令和测试方式，再参考 examples/sample.json 配置路径、临时文件和复制删除操作，随后运行单元测试与命令行示例，结合源码理解工具库接口设计、异常处理和文件操作流程。

			
		

	





	

		

			

				
					
Delphi 7 控件之AutoPanel.7z

				
			

			

				

					06-30
				

			

		

		

			
				
Delphi 7 控件之AutoPanel.7z

			
		

	





	

		

			

				
					
列车-轨道-桥梁交互仿真研究（Matlab代码实现）

				
			

			

				

					06-30
				

			

		

		

			
				
内容概要：本文围绕列车-轨道-桥梁交互仿真研究，基于Matlab平台构建数值模型，系统分析列车运行过程中轨道与桥梁结构间的动态相互作用机制。研究涵盖多体动力学建模、耦合系统运动方程求解、边界条件设定及仿真结果可视化等关键环节，重点揭示高速行车条件下基础设施的振动传递规律与力学响应特征。该仿真方法可有效评估结构安全性、舒适性指标及疲劳寿命，为轨道交通工程的设计优化与运维管理提供理论支撑和技术路径。文中配套提供了完整的Matlab代码实现方案及操作说明，便于用户复现、验证和拓展相关研究。;  
适合人群：具备Matlab编程基础和结构动力学、车辆动力学等相关专业知识的研究生、科研人员及从事铁路工程、桥梁工程与交通系统安全评估的工程技术人才，尤其适合开展轨道交通耦合振动课题的研究者。;  
使用场景及目标：①用于高校与科研机构进行列车-轨道-桥梁耦合系统动力学特性的教学演示与科学研究；②支撑高速铁路桥梁的设计优化、运营安全性评估与减振降噪方案验证；③为复杂交通基础设施的多物理场耦合仿真提供建模思路与代码参考。;  
阅读建议：建议读者结合所提供的Matlab代码逐模块深入研读，重点关注系统建模假设、质量-刚度-阻尼矩阵构建方法及数值积分算法的实现细节，同时可通过调整参数进行敏感性分析，进一步掌握仿真模型的适用范围与优化方向。

			
		

	





	

		

			

				
					
Stable Diffusion tutorials, prompts, images

				
			

			

				

					06-30
				

			

		

		

			
				
代码下载链接： https://pan.quark.cn/s/a4b39357ea24     
Stable Diffusion被视作当前备受推崇的本地化部署方案，它能够协助用户创作出心目中的图像，无论是何种类型，人工智能（AI）绘画是一种通过机器学习与深度学习技术制造艺术品的创新实践。AI绘画技术可以在短时间内产出结构繁复的艺术作品，涵盖绘画、图形设计以及动画等多个类别。此类技术已经渗透到电影制作、游戏开发、广告宣传和数字艺术制作等多个行业之中。


			
		

	





	

		

			

				
					
易语言源码易语言清理历史记录源码

				
			

			

				

					06-30
				

			

		

		

			
				
易语言源码易语言清理历史记录源码

			
		

	





	

		

			

				
					
非线性薛定谔方程的物理信息神经网络PINN研究（Python代码实现）

					
最新发布

				
			

			

				

					06-30
				

			

		

		

			
				
内容概要：本文系统研究了非线性薛定谔方程的物理信息神经网络（PINN）求解方法，提出一种将物理规律嵌入深度学习模型的科学计算新范式。通过构建全连接神经网络架构，将非线性薛定谔方程及其初始/边界条件作为损失函数的核心组成部分，实现了在无须大量标注数据的前提下对复值偏微分方程的高精度数值求解。该方法充分利用自动微分技术精确计算方程残差，有效融合了数据驱动与模型驱动的优势，在光学孤子传播、量子系统演化等典型场景中展现出优异的逼近能力与泛化性能。文中配套提供了完整的Python实现代码，涵盖网络搭建、损失定义、训练优化与结果可视化全流程。;  
适合人群：具备Python编程能力与深度学习基础知识，熟悉偏微分方程理论及科学计算的理工科研究生、科研人员，以及从事光学、量子物理、流体力学等领域建模与仿真的工程技术人员。;  
使用场景及目标：① 掌握PINN方法的基本原理与实现技巧；② 学习如何将复杂物理方程转化为可训练的神经网络损失项；③ 应用于非线性光学、玻色-爱因斯坦凝聚、水波动力学等问题的仿真与预测；④ 为相关科研课题提供可复现的算法原型与代码参考。;  
阅读建议：建议读者结合所提供的Python代码进行动手实践，重点理解神经网络对微分算子的近似机制、损失函数的多任务加权策略以及训练过程中的超参数调优方法，进而可迁移至其他非线性偏微分方程的求解任务，拓展其在交叉学科中的应用边界。

			
		

	





	

		

			

				
					
LVGL主题样式项目 Python完整源码与测试部署文档

				
			

			

				

					06-30
				

			

		

		

			
				
内容概要：本资源围绕 LVGL 主题样式配置提供一套可运行的 Python 工程源码，覆盖字体、颜色、圆角、边框、暗色主题、样式复用文件、配置检查、运行报告生成和命令行执行入口。项目包含核心源码、示例配置、单元测试、Dockerfile 与 README 文档，可用于梳理嵌入式界面主题规范、样式参数管理和复用样式文件说明。
适合人群：适合 LVGL 开发者、嵌入式 GUI 工程师、界面主题设计学习者、嵌入式课程实验人员，也适合需要整理 LVGL 主题配置模板和样式验收说明的技术人员。
能学到什么：①LVGL 字体、颜色、圆角、边框和暗色主题的配置组织方式；②样式复用文件、主题参数和界面验收结果的结构化管理方法；③使用 Python 标准库实现主题配置校验、报告输出和单元测试；④通过 README、unittest 和 Dockerfile 快速验证项目可运行性。
阅读建议：建议先阅读 README 了解项目结构、运行命令和测试方式，再参考 examples/sample.json 配置字体、配色、边框和暗色主题参数，随后运行单元测试与命令行示例，结合源码理解 LVGL 主题样式配置、复用规则和报告生成逻辑。

			
		

	





	

		

			

				
					
AZ-900考试真题-下载即用.zip

				
			

			

				

					06-30
				

			

		

		

			
				
源码下载地址： https://pan.quark.cn/s/a4b39357ea24     
微软推出的【AZ-900微软认证】是一项针对初学者的基础级云服务资格认证，其目的在于帮助学习者掌握云概念、微软Azure服务的运作机制以及云解决方案的核心知识。获得这一认证后，考生将能够清晰地理解云计算领域的基础术语、服务模式（包括IaaS、PaaS、SaaS等）以及这些服务在Azure平台上的实际应用方式。 在【必过考题】部分，我们可以观察到两个重点议题，它们分别聚焦于PaaS（平台即服务）的概念阐释和云成本的计算方式。 在第一个议题中，考生被要求辨别关于PaaS的正确性描述。PaaS平台提供了一个开发环境，但并不允许用户直接访问操作系统（Box 1: No）。比如，Azure Web Apps服务可以用来部署web应用，但用户无法直接管理虚拟机或IIS系统。另一方面，PaaS确实具备自动扩展的功能（Box 2: Yes），这表示可以根据实际需求自动增加负载均衡的虚拟机以支持web应用的运行。PaaS框架还为开发人员提供了构建和调整云端应用的工具，预置的应用组件能够有效缩短新应用的编程周期（Box 3: Yes）。 第二个议题同样关注云计算理念的理解，尤其强调IT支出从资本性支出（CapEx）向运营性支出（OpEx）的转型思想。传统的IT投资通常被视为CapEx，而云计算的按需付费机制使企业能够将这部分开支转化为OpEx，从而在财务规划上获得更大的自由度。 在为AZ-900考试做准备时，考生需要特别关注以下几个核心知识点： 1. **云服务模式**：深入理解IaaS（基础设施即服务）、PaaS和SaaS（软件即服务）之间的差异及其各自的应用情境。 2. **Azure服务*...

			
		

	





	

		

			

				
					
delphi 7 控件之anyq.7z

				
			

			

				

					06-30
				

			

		

		

			
				
delphi 7 控件之anyq.7z

			
		

	





	

		

			

				
					
算法训练营题目合集.pdf

				
			

			

				

					06-30
				

			

		

		

			
				
源码下载地址： https://pan.quark.cn/s/239a0d536a1e     
依据所提供的文件资料，可以归纳出以下核心内容：由清华大学计算机系邓俊辉教授精心编纂的算法训练营题目合集，对于CSP（中国软件专业人才设计与创业大赛）及PAT（程序设计能力测试）这类编程竞赛具有极高的参考价值，堪称一份极具价值的参考资料。此类竞赛普遍对参赛者的算法功底和编程技巧提出严苛要求。该合集中的题目与算法领域紧密相连，其中包含了“最大红矩形”这一典型题目。所谓最大红矩形题目，其核心任务是针对一个由红色与绿色方格构成的棋盘，寻觅出最大的纯红矩形区域。要攻克这一问题，必须运用数据结构与算法的相关知识，特别是栈这一数据结构的应用。 “最大红矩形”问题能够被抽象转化为“直方图最大面积”问题。具体转化方法是将棋盘的每一列视为一个独立的直方图单元，其中红色方格的贡献体现为当前位置与前一个绿色方格所在行数的差值，从而保证每个直方图的基宽恒定为1。随后，借助扫描直方图的技术手段来探寻最大矩形面积。这一过程需要对每个直方图进行系统性遍历，并利用栈来记录各直方图的下标信息。一旦检测到当前直方图的高度小于栈顶元素所记录的高度，则意味着遭遇了一个“高点”，此时需计算以该“高点”为右边界条件的最大矩形面积。 在编程实践环节，必须高度关注栈的操作细节，以及如何精确地初始化和操纵栈来应对直方图问题。代码实现中，通常配置两个栈，一个用于储存直方图的高度值，另一个用于标记直方图的下标位置。当面对新高度时，需审慎判断当前高度与栈顶高度的相对关系，并据此抉择是执行入栈操作还是计算面积。针对“低点”（即当前高度小于栈顶），应直接将当前高度纳入栈中；而对于“高点”，则需执行弹出栈顶元素的操作，并基于该栈顶元素的高...

			
		

	



              




          





        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      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