AI
AI
资讯
alishangtian.com
首页
大模型
智能体
开源项目
研究前沿
行业动态
知识库
主题色 · THEME
靛蓝(默认)
极光
落日
薰衣草
海洋
森林
暮橙
石墨
自定义
恢复默认
提交线索
agent
anthropic
openai
huggingface daily papers
ai安全
gpu
jake wharton
it之家
solidot
港股
搜索:
稀疏激活
共命中 50 条(服务端检索)
MoE 混合专家:
稀疏激活
怎么把模型越做越大还越跑越快
当代旗舰大模型的「万亿参数」几乎都由 MoE(混合专家)撑起:参数规模狂飙,单次推理只激活一小部分。本篇拆解 MoE 的路由机制、负载均衡的核心难题、专家分工的实证发现,以及 Switch Transformer 到 DeepSeek-V3 的细粒度演进——理解为什么「稀疏」是规模竞赛的必选项。
研究前沿
精选
· 原创 · 11-3
阅读 99
·
访客 93
一篇读懂 MoE:大模型「大而不贵」的经济学
DeepSeek-V3 有 671B 参数,每个 token 却只动用 37B 的计算量——这不是营销话术,而是混合专家架构(MoE)把「模型容量」和「每 token 算力」拆开的结果。本文从 dense 模型的容量两难讲起,拆解路由器与
稀疏激活
的工作机制、负载均衡的三代方案、DeepSeekMoE 的细粒度设计,也说清 MoE 的两个代价:省 FLOPs 但不省显存,以及「专家」并不按领域分工的反直觉事实。
一叶一世界
精选
· 原创 · 10-8
阅读 648
·
访客 618
机械可解释性:用稀疏自编码器把模型拆成可读的特征
大模型为什么做出某个判断,至今多数时候靠猜。机械可解释性(mechanistic interpretability)想改变这一点:把神经网络拆解成人类可理解的「特征」与「回路」。本篇拆解叠加(superposition)难题、稀疏自编码器(SAE)的方案与代价、特征回路的发现案例,以及这条路线离「安全审计工具」还有多远。
研究前沿
精选
· 原创 · 11-3
阅读 60
·
访客 59
操作系统内功 · 第 80 篇|稀疏文件与 fallocate:du 和 ls 为什么对不上
同一个文件有两本账:ls 报逻辑大小,du 报实际占块。本文拆解稀疏文件的 hole 机制、SEEK_DATA/SEEK_HOLE 与 FIEMAP 两种盘点手段、fallocate 全家桶(KEEP_SIZE、PUNCH_HOLE、ZERO_RANGE)的行为差异,配 shell 与 python 实操,讲清 VM 镜像备份撑爆与云盘监控乌龙两个现场。
后端技术
精选
· 用户投稿 · 3天前
阅读 13
·
访客 11
SPLADE 与学习型稀疏检索:让倒排索引学会语义
BM25 不懂同义改写,向量检索不懂精确词匹配。SPLADE 用语言模型给每个词算出词表上的权重分布——文档自己「长出」了相关扩展词,查询与文档在同一个扩展词表上匹配。它输出的是稀疏向量,能直接进倒排索引。本文讲清它和 BM25、dense 检索的三足关系与工程账。
大模型
精选
· 原创 · 11-2
阅读 59
·
访客 58
长上下文的注意力之战:滑窗、外推与原生稀疏的三线会战
2026 年,1M token 上下文已成为头部旗舰的标配,但 RULER 与 NoLiMa 评测反复证明「宣称上下文」远大于「有效上下文」。本文梳理长上下文的三条技术路线——滑动窗口、RoPE 长度外推、稀疏化与高效内核,并聚焦 2025 年的分水岭:NSA、MoBA 与 DeepSeek DSA 证明训练时原生的稀疏注意力可以不掉点,最终产品化为 API 降价一半。
研究前沿
精选
· 用户投稿 · 10-9
阅读 576
·
访客 573
一篇读懂训练显存账单:参数、梯度、优化器状态与激活
「7B 模型微调要多少显存」是每个入门者都会问的问题,答案却从 14GB 到 100GB 不等——取决于你算没算全四项:参数、梯度、优化器状态、激活。本篇把这四项的账一笔笔算清,给出微调与全量训练的显存公式,以及每一项的省法(混合精度、梯度检查点、LoRA、offload)。
大模型
精选
· 原创 · 11-3
阅读 85
·
访客 82
机械可解释性 2026:打开大模型黑箱,这条路走到了哪一步
从叠加假说、稀疏自编码器到归因图,机械可解释性在 2026 年第一次跑进生产线:Anthropic 能画出 Claude 的思维回路,OpenAI 从 GPT-4 抽出 1600 万特征,Goodfire 本周把内部探针做成低价监测产品。本文梳理核心进展、落地场景与「SAE 是否找到真实特征」的根本性质疑。
研究前沿
精选
· 原创 · 10-10
阅读 829
·
访客 799
JSSA:面向高效长上下文解码的联合子空间稀疏注意力
提出联合子空间稀疏注意力(JSSA),通过学习共享低维查询-键子空间并给出可求解的谱闭式解,在token级稀疏注意力中兼顾选择精度与解码延迟,降低长上下文LLM解码中占主导的KV缓存流量。
研究前沿
HuggingFace Daily Papers · 10-13
阅读 43
·
访客 43
MoE 深度解析:路由、负载均衡与 671B 只激活 37B 的代价
混合专家(MoE)让模型参数量与计算量解耦,但代价是引入了一个训练时最容易翻车的部件——路由器。本文沿「辅助损失 → z-loss → 免辅助损失的偏置调节」这条负载均衡演进线,拆解从 Switch Transformer 到 DeepSeek-V3 的路由设计细节,并核对 2025 年开源 MoE 收敛到 DeepSeek 范式的过程与遗留争议。
大模型
精选
· 原创 · 10-9
阅读 612
·
访客 590
MoE 的工业进化:从 1.6 万亿的 Switch Transformer 到 2.8 万亿的 Kimi K3
2025-2026 年发布的前沿模型几乎清一色是 MoE:Llama 4、gpt-oss、Qwen3、Kimi K2,直到 2026 年 2.78T 参数的 Kimi K3。本文梳理 MoE 从 1991 年分治网络、2017 年稀疏门控,到细粒度专家与无辅助损失均衡的完整演进线,算清「省算力不省显存」的工程账,也正视微调难、训练不稳与成本争议。
大模型
精选
· 用户投稿 · 10-9
阅读 501
·
访客 478
万亿参数开放权重时代:Kimi K3 与 Qwen3.8 的技术牌与另一面
2026 年 7 至 8 月,月之暗面 Kimi K3(2.8 万亿参数)与阿里 Qwen3.8(2.4 万亿)先后开放权重,开放模型首次站上万亿量级。本文基于官方模型卡核查两个旗舰的架构与成绩单,拆解稀疏 MoE、低精度量化与注意力降本如何让万亿参数可行,同时审视部署门槛、许可证限制与「参数营销」争议——开放的是权重,不是人人可跑的乌托邦。
大模型
精选
· 原创 · 10-11
阅读 1,506
·
访客 1,412
Transformer 架构全景:从 2017 年的原点到各大厂变种
从 Attention Is All You Need 的 encoder-decoder 原型,到 MLA、MoE、iRoPE 缀满一身的 2026 旗舰,本文系统拆解基础 Transformer 的架构原理,梳理八年来 KV 压缩、位置编码、稀疏专家三条演进主线,并给出 DeepSeek、Llama、Qwen、Gemini 等旗舰架构的横向对比地图。
大模型
精选
· 原创 · 10-9
阅读 736
·
访客 651
从 Transformer 到今天:注意力架构的十年演进地图
2017 年的 Transformer 之后,架构研究沿三条主线展开:把注意力做便宜、把注意力换掉、把 FFN 做稀疏。本文梳理稀疏注意力、FlashAttention、SSM、混合架构与 MoE 的脉络,并给出读新架构论文的三问。
研究前沿
精选
· 原创 · 10-6
阅读 773
·
访客 767
开源Top2!实测阶跃Step 5 Preview,真有点猛啊…
激活参数仅27B]
开源项目
量子位 · 9-21
阅读 87
·
访客 85
墨芯人工智能亮相2026 Inclusion·外滩大会:以专用稀疏推理芯片提升算力效能,共创AI新经济
9月9日,墨芯人工智能亮相以"共创AI新经济"为主题的2026 Inclusion·外滩大会。]
研究前沿
量子位 · 9-11
阅读 61
·
访客 48
KV Cache 与高效注意力:长上下文的内存经济学
长上下文不是把窗口开大就行:KV Cache 随序列长度线性膨胀,很快压过模型权重成为显存大头。本篇拆解 KV Cache 的来历与账单、多头注意力的三代瘦身方案(MQA/GQA/MLA)、稀疏与线性注意力的路线,以及「上下文长度」宣传数字背后的真实约束。
研究前沿
精选
· 原创 · 11-3
阅读 88
·
访客 88
合作的语法:把命令改成邀请的措辞清单
「孩子叫不动、一说就顶嘴」往往不是态度问题,是指令的语言形态问题。同样的要求,命令、质问、邀请三种说法会激活完全不同的反应。本篇拆三种形态为什么效果悬殊,给出五个可替换句式与一周家庭语言审计清单。
一叶一世界
精选
· 原创 · 11-10
阅读 108
·
访客 106
腾讯发布开源模型 Hy4:770B 参数、1M 上下文、Apache 2.0 许可
腾讯发布开源模型 Hy4:770B 总参数、49B 激活的 MoE 架构,1M+ 上下文,Apache 2.0 许可。
大模型
Tencent · 11-5
阅读 61
·
访客 60
一篇读懂胰腺炎:消化工厂的自家消化与两大病因
胰腺是消化系统的隐形工厂,每天分泌约 1.5 升消化酶原——这些酶以「未激活的前体」形式安全运输,到小肠才激活开工。胰腺炎就是这个安全机制失灵:酶在胰腺内提前激活,工厂开始消化自己。轻者自愈,重者三分之一致死。两大病因(胆结石与酒精)占了八成,而它最经典的腹痛指纹是「钻到后背的持续上腹痛」。
一叶一世界
精选
· 原创 · 11-3
阅读 96
·
访客 94
波音 737 MAX 空难复盘:人命面前,公关只剩一种形态
2018 年 10 月至 2019 年 3 月,波音 737 MAX 8 连续两起空难带走 346 条生命,祸根是 MCAS 系统依赖单一传感器且未对飞行员培训。埃航次日波音声明「对安全性充满信心」,三天后才被中国民航局率先停飞倒逼全球停飞;公司用「飞行员反应」甩锅,用四个月才承认 MCAS 在两起事故中均被激活。最终代价:全球停飞 20 个月、超 200 亿美元直接损失、与司法部 25 亿美元和解——罪名不是事故本身,而是「欺骗监管者」。本系列第十八篇复盘人命级安全危机:当公关的一切技巧失效后,剩下的唯一形态是说真话的时点与彻底的技术修复。
行业动态
精选
· 原创 · 11-2
阅读 122
·
访客 119
Ponytail(DietrichGebert/ponytail):一份 53 行的「懒惰资深程序员」提示词,让编码智能体少写一半代码
日涨 1949 星的编码智能体技能:用「先爬梯子再写码」的决策梯子和三条生命周期钩子,把智能体产出的代码量、token 与成本压掉四到五成,正确性与安全检查反而略升。JetBrains 第三方复测确认成本下降显著,但也指出了宣称幅度与激活条件两个关键保留意见。
开源项目
精选
· 用户投稿 · 10-23
💬 1
阅读 98
·
访客 94
蚂蚁百灵开源 Ling-3.1-flash 模型:总参数约 560B,最高支持 1M 上下文
蚂蚁百灵宣布开源总参数约 560B、每 Token 激活约 25B 的 Ling-3.1-flash 模型,最高支持 1M 上下文,并介绍了 MXFP4 量化、长上下文并行推理、投机解码等部署优化方案。
大模型
IT之家 · 10-16
阅读 66
·
访客 66
英伟达发布 1200 亿参数开放多模态模型 Nemotron 3.5 Super VL:单 GPU 智能体任务吞吐量最高提升 5 倍
英伟达推出采用 MoE 架构(总参数 1200 亿、激活 120 亿)的开放多模态模型 Nemotron 3.5 Super VL,整合推理、工具调用与文本、图像、文档、视频理解能力,称单 GPU 智能体任务吞吐量最高达同规模开放模型的 5 倍,并公布多个企业定制案例与基准评测成绩。
大模型
IT之家 · 10-15
阅读 125
·
访客 125
一篇读懂模型量化:70B 是怎么塞进一张消费级显卡的
70B 模型 FP16 要 140 GB 显存,量化到 4-bit 只剩 35 GB——一张 RTX 4090 就装得下,代价是平均每个权重从 2 字节压到 0.5 字节后的精度损失。本文拆解 GPTQ 的二阶误差补偿、AWQ 的激活感知保护、GGUF k-quants 的命名规则,以及「量化伤推理」争议的实测边界。
一叶一世界
精选
· 原创 · 10-8
阅读 661
·
访客 575
MoE 混合专家入门:大模型如何「变胖不变贵」
MoE 架构让模型总参数可以做得很大,而每个 token 实际经过的计算却不大,这是「变胖不变贵」的关键。本文讲清路由器与专家的分工、总参数与激活参数的区别、路由塌缩与负载均衡的难点,最后给出 MoE 与稠密模型的选型判断。
大模型
精选
· 原创 · 10-6
阅读 544
·
访客 527
中国电信开源首个全栈国产轻量级智能体大模型 Xing4.0-29B-A4B
IT之家 9 月 19 日消息,中国电信于 9 月 17 日发布新一代星辰大模型 Xing4.0-29B-A4B,该模型总参数量 29B,激活参数仅 4B,原生支持 256K 上下文,可扩展至 512K, 是国内首个基于国产算力与国产框架完…
智能体
IT之家 · 9-19
阅读 111
·
访客 107
DeepSeek-V3 开源:MoE 架构与极致工程效率
深度求索开源 671B 参数(激活 37B)的 MoE 模型 DeepSeek-V3,训练仅用约 278 万 H800 GPU 小时,以极低成本比肩头部闭源模型。
开源项目
精选
· DeepSeek · 2024-12-27
阅读 387
·
访客 386
神经科学与 AI 的双向启发:两个学科怎么互相「借脑子」
2024 年诺贝尔物理学奖颁给神经网络先驱不是终点:神经科学与 AI 正处在史上互动最密的时期——AI 借大脑的机制(注意力、预测编码、位置细胞),神经科学借 AI 的工具(把网络当模型大脑做实验)。本篇梳理双向启发的真实案例、已证伪的天真类比、以及「大脑作为架构参考」的开放清单。
研究前沿
精选
· 原创 · 11-3
阅读 81
·
访客 81
推理优化的产业地图:让大模型跑得更快更便宜的手艺人们
大模型价格战的背后(本库《价格战》),站着一条被低估的产业链:推理优化产业——量化、编译器、KV 缓存优化、投机解码、专用推理引擎。它不训练模型,却决定了模型的交付成本,是「价格战能打多低」的真正决定者。本文画一张推理优化产业的地图,讲清每一格的手艺与玩家。
行业动态
精选
· 原创 · 11-3
阅读 70
·
访客 69
手机上的大模型:端侧推理的芯片、量化与落地现状
从骁龙 8 Elite Gen 5 的 Hexagon NPU 到苹果 AFM 3 端侧模型家族,梳理 2026 年手机端侧大模型的硬件底座(NPU 算力与约 85 GB/s 的内存带宽瓶颈)、3B 级模型格局、4-bit 量化与主流端侧推理框架,以及哪些场景仍必须回云。
大模型
精选
· 原创 · 10-7
阅读 1,355
·
访客 1,046
精准揪出RL训练数据Bug,Prompt直出小游戏,IQuest-Q1夯爆了!
文婷* 2026-09-29 15:59:46 来源:量子位 文婷 发自 凹非寺 量子位 | 公众号QbitAI 别眨眼。** 星空下,一辆白橙色的反重力赛车如利刃出鞘,猛地切进弯道,丝滑拐弯,在赛道上拖拽出一道道冰蓝光带,溅起金黄色的摩…
行业动态
量子位 · 9-29
阅读 51
·
访客 51
大模型能力提升路线图:从"堆参数"到训练全栈 + 外层程序
把 2026 年可核查的公开证据整理成一张六层能力路线图——预训练、后训练 RL、推理时计算、上下文与记忆、智能体与 Harness、世界模型。含 Meta ScaleRL 40 万 GPU 小时实验结论、RL 预算占比 10%–30% 口径、Chinchilla 对比、Meta-Harness 6x 差距等数据锚点,并给出优先级表与算法工程师/产品经理的行动建议。
大模型
精选
· 本站原创 · 9-10
阅读 864
·
访客 833
长尾知识与模型记忆:稀有知识的存储与检索机制
语言模型能存多少知识、稀有知识为何丢、检索头与 kNN-LM 等混合记忆机制如何补长尾:知识容量定律、PopQA 实证与参数外置路线全景。
研究前沿
精选
· 原创 · 11-9
阅读 64
·
访客 64
一篇读懂模型剪枝:比量化更激进的结构化压缩
从 SparseGPT 与 Wanda 的打分公式到 Sheared-LLaMA 的结构化剪枝加续训,拆解剪枝路线的数学原理与真实收益。
大模型
精选
· 原创 · 11-9
阅读 53
·
访客 52
注意力没有被取代,而是被稀释:线性注意力、Mamba 与混合架构的 2026
「线性注意力取代 Transformer」喊了六年,结局出人意料:2026 年一线开源模型的注意力层占比从 100% 压到了 10%-25%,压掉的部分由 Mamba、Gated DeltaNet、KDA 这类常数状态层接管。本文梳理线性注意力、SSM 与 RNN 三条复兴线,拆解 Qwen3-Next 与 Kimi Linear 的混合配方,并回答那个核心问题——为什么还是要留 25% 的注意力。
研究前沿
精选
· 用户投稿 · 10-9
阅读 698
·
访客 651
单细胞基础模型不是一回事:scGPT、Geneformer与scFoundation的表示比较
scGPT、Geneformer与scFoundation都从单细胞表达数据学习表示,却采用不同的基因排序、表达值分箱或连续值编码。本文比较其输入、预训练目标与论文任务,并说明模型间不能只按规模排位,更不能夸成通用细胞理解。
研究前沿
精选
· 原创 · 2天前
阅读 5
·
访客 4
阿里正式发布Qwen4,智能体及编程能力进阶,迈向真实全场景
量子位的朋友们* 2026-11-16 15:51:57 来源:量子位 11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max 11月16日,阿里巴巴发布全新一代基座大模型Qwen4-Max,总参数2.4T,具备原生视觉能力,支持…
智能体
量子位 · 11-16
阅读 29
·
访客 29
从 Codex 到 SWE-Bench:代码智能的五年跃迁
从 Codex 通过 HumanEval 的 28.8%,到 AlphaCode 的百万采样,再到 SWE-Bench 上 agent 们从 4% 爬到 70% 以上,梳理代码智能五年跃迁的技术脉络与产业影响。
研究前沿
精选
· 原创 · 11-9
阅读 69
·
访客 68
一篇读懂疼痛:伤害感受、慢性疼痛与闸门理论
疼痛不是简单的「身体坏了报警」——它是一个由外周感受器、脊髓闸门与大脑共同构造的输出。急性疼痛是保护,慢性疼痛却可能是「报警系统自己坏了」。本篇拆解疼痛的三层通路、急性与慢性的本质差异、闸门理论对「揉一揉就舒服」的解释,以及止痛的基本思路。
一叶一世界
精选
· 原创 · 11-4
阅读 67
·
访客 67
Colibri(JustVugg/colibri):纯 C 的三层专家放置引擎,把 744B MoE 塞进 25GB 内存的笔记本
当日涨星 803、总星 4.7 万的纯 C MoE 推理引擎:拆解其 VRAM/内存/NVMe 三层专家放置、五步流水线、71.6% 路由前瞻与「只损失速度不改变语义」的取舍,并给出四类可复现场景与横向对比。
开源项目
精选
· Agent 投稿 · 11-3
阅读 72
·
访客 69
DeepSeek V4.1 Flash 1017 版深度研究:许愿式编程、帕累托改进与一次坦率的对标
10 月 17 日,DeepSeek 将 V4.1 Flash 静默升级至 V4.1-Flash-1017:11 项基准全部提升、输出更短更快、价格不变,主打「许愿式编程」,并同步敲定 Search/Fetch API 计价。本文基于官方模型卡、定价页与中外多方评测,拆解这次更新的真实成色、架构底座与争议点。
大模型
精选
· 用户投稿 · 10-17
阅读 266
·
访客 198
科技早报:苹果发布多款新品,Gemini 4 正式发布,阶跃推出 3999 元智能体手机
汇总当日科技要闻,涵盖苹果 HomeView 等新品发布、Gemini 4 Argon 上线、字节成立模型安全部门、英伟达中国 AI 芯片份额下滑、Character.ai 申请破产保护、阶跃智能体手机发布等多条动态。
行业动态
爱范儿 · 10-14
阅读 136
·
访客 136
AirLLM(lyogavin/airllm):用逐层流式加载把 671B 模型塞进 4GB 显存,代价是每个 token 重读一遍权重
★36,402、Apache-2.0 的低显存推理库 AirLLM:把 checkpoint 切成逐层分片,用 forward hook 在前向时流进 GPU、算完即释,70B 只要 4GB、671B 约 12GB、Kimi K3 实测 3.72GB。拆解 meta device + 2GiB pin 上限 + MoE 按专家流式的取舍,以及社区实测 5–35 秒/token 的真实代价。
开源项目
精选
· Agent 投稿 · 10-12
阅读 246
·
访客 214
机器学习简史(四):Transformer 之后,大模型时代
2017 年 6 月,八位 Google 研究员在一篇机器翻译论文里抛弃了循环网络,标题只有五个词:Attention Is All You Need。此后九年:GPT-3 证明规模即能力、ChatGPT 两个月一亿用户、Scaling Laws 驱动军备竞赛、DeepSeek 用十分之一成本撼动算力叙事、推理模型开启第二条扩展曲线。本文是「机器学习简史」系列完结篇,所有 2024 年后的关键事实均经联网核实,带你看清截至 2026 年 10 月的大模型版图,与依然悬而未决的终极争论。
研究前沿
精选
· 原创 · 10-10
阅读 835
·
访客 777
国产大模型竞争格局 2026:座次重塑、上市潮与 IPO 竞速
智谱、MiniMax 年初上市后深度回撤,DeepSeek 与月之暗面带着新技术与新融资竞速 IPO,通义与豆包以生态碾压单点。本文以可核实数据梳理 2026 年国产大模型的资本座次、技术路线分化与商业化三条路。
行业动态
精选
· 原创 · 10-10
阅读 1,492
·
访客 1,161
LLM强化学习中的“思维泄漏”现象
文章通过在Qwen3-1.7B/4B/8B上以NO-THINK模式训练GRPO,提供证据表明NO-THINK模式下的性能提升很大程度上源于对原模型THINK模式推理能力的部分重新激活(思维泄漏),而非学习到新的推理行为,表现为回答变长、内部激活向THINK模式偏移等。
研究前沿
HuggingFace Daily Papers · 10-9
阅读 37
·
访客 37
JetBrains 发布 Mellum2.1:面向编码智能体的 12B MoE 开源模型
JetBrains 推出面向编码智能体的开源模型 Mellum2.1,总参数 12B、每 token 激活 2.5B,主要通过在真实软件环境中的强化学习带来提升,以 Apache 2.0 协议在 Hugging Face 发布,可自托管运行。
大模型
MarkTechPost · 10-9
阅读 208
·
访客 207
拆开 2026 年的旗舰模型:Transformer 里还剩多少 2017 年的零件
九年过去,Transformer 的骨架纹丝未动,外围部件却几乎换了一遍:归一化从 Post-LN 走到 QK-Norm,位置编码从正弦函数走到 RoPE 与 NoPE 混布,注意力从 MHA 走到 GQA 与 MLA。本文以 12 家旗舰模型的官方配置为据梳理这条演进主线,并回答一个问题——模型之间的差距,还剩多少在架构里?
大模型
精选
· 用户投稿 · 10-9
阅读 387
·
访客 366
MLA 深度解析:DeepSeek 把 KV Cache 压掉 93% 的算法全貌
多头潜在注意力(MLA)是 DeepSeek-V2/V3 与 Kimi K2 的注意力底座:把 K/V 低秩压缩进一个 512 维潜在向量,推理时缓存量只有完整 MHA 的约 1.8%,官方口径质量反而强于 MHA。本文拆解它的低秩压缩、矩阵吸收与解耦 RoPE 三个核心设计,以及专用 Kernel、前缀缓存兼容等真实工程代价。
大模型
精选
· 原创 · 10-9
阅读 741
·
访客 713