反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源

资讯 AI 行业观察 作者:新智元 全文 5486 字 · 约 14 分钟读完 配图 16 张 分类GoogleAnthropic开源上市AI 编程大模型

硅谷最卷的新赛道,刚刚杀出了一位开源新王! 最近,即将敲钟的Anthropic在IPO材料中曝出天价算力缺口,给狂卷参数的AI行业当头浇下一盆冷水。 通用大模型虽在编程、数学上大杀四方,可一旦真替人干活,算力账单就成了无底洞。 比生成文本更耗Token的是长链推理,而比推理更烧钱的则是操作浏览器,单次平均开销比复杂推理

所属频道 大厂动态模型发布融资与资本开源生态AI 编程与开发

硅谷最卷的新赛道,刚刚杀出了一位开源新王!

最近,即将敲钟的Anthropic在IPO材料中曝出天价算力缺口,给狂卷参数的AI行业当头浇下一盆冷水。

通用大模型虽在编程、数学上大杀四方,可一旦真替人干活,算力账单就成了无底洞。

比生成文本更耗Token的是长链推理,而比推理更烧钱的则是操作浏览器,单次平均开销比复杂推理还要贵出4.8倍!

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 1)

极度焦虑中,硅谷的「决策模型」大战全面打响。

初代标杆Jev率先开辟了「不写字、只判断」的快思考赛道,OpenAI、微软、亚马逊与Cloudflare等巨头紧随其后纷纷下场。

前两天,谷歌CEO劈柴也亲自下场,高调推出闭源决策模型Gemini Decision 1。

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 2)

巨头混战、炮火连天。一匹开源黑马Karpo Decision 31B强势杀出!

在300个模型同台厮杀的Decision Index权威评测总榜上,它一举冲上榜首,夺得全球第一!

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 3)

https://huggingface.co/spaces/multimodalart/jev-decision-index

这次,0.8B到31B全尺寸Karpo Decision家族已全部开源!

其中,夺冠的31B旗舰单卡中位延迟低至94毫秒,校准误差压到0.023,单题最多可同时评估255个选项。

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 4)

硬刚谷歌闭源王牌,开源黑马三局连胜

不同于逐字生成的传统大模型,Karpo Decision专为AI智能体的高频拍板而生。

只需输入当前状态和问题,它一次前向推理就能直接算出所有选项的概率,全程不生成任何Token。

靠着这套极速判断机制,Karpo开源即登顶总榜第一,并在多项评测中正面击败了谷歌闭源王牌Gemini Decision 1!

更戏剧性的是,这匹夺冠的开源黑马,还是用谷歌自家的开源底座Gemma 4 31B后训练出来的。

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 5)

在目前公认最权威的Decision Index与JevBench两大独立榜单上,Karpo把闭源与开源对手赢了个遍。

其中,Decision Index横跨37项公开基准与未公开的私有题库,吸引全球300个模型同台打榜。

JevBench则由独立机构在自有显卡上全程断网盲测,1500道考题中有1200道永久封存。

在这份Decision Index总榜上,Karpo以73.9分一举夺魁,远超初代标杆Jev 1.14的60.2分。

不仅分数领先,它的中位延迟也只有94毫秒,比Jev 1.14的196毫秒快了整整一倍!

而真正拉开差距的,是防刷榜的私有题库盲测。

公开榜前十名的模型一旦进入同技能私有盲测,成绩平均要暴跌6.8分。

唯独Karpo只掉了4.3分,在前十名里抗跌能力最强,到了全新领域私有题上更是拿下78.6分!

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 6)

而在与谷歌Gemini Decision 1交锋中,Karpo打出了漂亮的多连胜。

虽然两边在JevBench公开集上同以92.2%打平,但一进到真实Agent考场,高下立判。

第一场较量,比的是Agent最核心的行动判断。

以权威基准When2Call为例,它专门考验Agent在对话中「该调工具、追问还是停手」。

在这项测试里,Karpo一举拿下90.4%,比谷歌的79.9%高出10.5个百分点。

而在看网页截图点按钮的Mind2Web多模态测试中,Karpo同样以90.0%力压谷歌的86.2%。

第二场较量,来到考验言外之意与细粒度分类的赛场。

在考验读懂隐含语气的纽约客漫画配文测试里,Karpo飙到90.5%,把谷歌的79.7%甩开10.8个百分点!

到了商品意图极其细碎的Amazon ESCI电商分类中,Karpo也以64.7%稳压谷歌的58.7%。

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 7)

第三场较量,则是37项公开基准的全面摸底。

在Decision Index的37项公开基准同台实测中,Karpo拿下75.0分,直接把谷歌的60.9分甩开了14.1分!

细分到陌生领域(72.3%)、知识准确率(56.0%)与安全判断(93.4%)三大维度,Karpo同样全线胜出。

同时,它也把KnowLine、GLiDE、Sieve等原榜单前三的开源对手悉数甩在身后。

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 8)

而在JevBench刚出炉的1500道题官方断网盲测中,Karpo同样交出了惊艳答卷。

在这场由榜单维护方独立运行的严苛大考里,Karpo一举拿下了89.53分的当期能力分。

更难得的是,它在1200道封存私有题上拿到85.67分,甚至反超了公开题的80.45分,校准分更是飙到96.00分!

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 9)

折算到榜单统一标尺后,在261个开源模型中,Karpo以87.2分的折算能力分杀入全球前三。

与同场参测的谷歌对比,它的综合总分(77.4)、决策智力(80.2)与校准度(94.1)三项核心指标全部占优!

与此同时,Karpo每千次决策成本仅需0.025美元,相当于做4万次判断才花1美元。

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 10)

31B旗舰登顶的同时,MachinePulse还把同一套训练配方搬到了0.8B至12B五个中小尺寸上。

无论是端侧轻量模型还是单卡主力,每个参数量级都杀入了同阶第一梯队!

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 11)

1秒筛完36场活动,眨眼配齐10人点餐

跑分夺冠之外,Karpo在真实场景里到底有多快?

传统大模型遇到问题,总要逐个Token生成长篇分析。

而Karpo半个字都不写,只跑一次前向推理,就能在毫秒间算出所有选项的概率。

Karpo官网最新上线了两个实时互动擂台,直观展示了这种「一次前向答完几十题」的速度差距。

在「城市扫描仪」挑战里,AI要帮用户从全城36场活动中挑出周末去处。

假设周五晚上约朋友出门,设定条件为「今晚、2个人、人均50美元以内、5公里内、能聊天」。

模型需要对照这些要求,逐一判断每场活动是「匹配、淘汰还是信息不足」。

为此,系统把同一个请求同时发给Karpo和通用大模型(Gemini 3.5 Flash),同场掐表对决。

点击开始后,Karpo仅花1.12秒就答完了全部36道题!

不仅速度快,它还精准挑出10个匹配、23个淘汰、3个信息不足,36道题与规则100%一致。

而右边逐个Token往外蹦字的通用大模型,计时器跳到5秒以上还在转圈干等。

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 12)

另一场「10个胃口,一张菜单」挑战,则把多条件权衡的难度拉到了极限。

餐厅里同时坐着10位顾客,每个人都有各自的卡路里上限、预算、过敏原和口味偏好。

我们在左侧亲自上手点菜,紧盯忌口与预算连点10道菜,忙活了5秒还不小心踩中两处忌口。

而右侧的Karpo把整张菜单和10位顾客装进一次请求,仅用916毫秒就同时端齐10道菜,硬约束与软偏好拿满满分!

哪怕某道菜突然售罄,它也能在几百毫秒内只针对受影响的顾客重新调配好菜品。

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 13)

除了互动擂台,我们还在官网试玩台上实测了浏览器Agent自动订座。

在这项测试里,Agent的目标是替用户预订Lumen餐厅周五晚7点半的两人桌。

面对真实的订座网页,Karpo在每一步都瞬间给出了最高概率的操作动作,依次选中「7:30 pm」、「Find a table」并确认预订。

每一步都在130多毫秒内一次算完,不到半秒就顺滑跑完整个订座流程,在指令明确时无需反复追问用户!

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 14)

砍掉逐字生成过程,一次前向算出答案

Karpo能在几百毫秒内一次答完几十道题,关键在于改掉了大模型「逐字生成」的底层机制。

反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源(配图 15)

在架构设计上,作为一款支持256K上下文的原生多模态决策模型,Karpo彻底抛弃了传统的文本生成链路。

它直接砍掉了逐字解码环节,转而在60层底座末尾接上了一个轻量级的线性读出头(Readout head)。

当题目输入模型后,所有候选答案都会被浓缩成独立的单Token标号,由这个读出头一次性为最多255个选项同步打分,并直接换算成校准概率。

这样一来,无论是多选题(choice)、是非题(noul)还是打分题(score),模型都能在一次前向推理中全部算完,且永远不会输出格式错误的废话。

单题推理提速之后,为了把长网页下连问几十道题的计算也省到极致,Karpo还专门设计了分支注意力机制(Branch Attention)。

具体来说,系统会先把全部问题清单排在最前面,让模型「带着问题」去读后面的长网页,并将这两部分合为共享块,全程只算一次KV缓存。

紧接着,共享块末尾会并行分出每道题各自的答题分支,且每个分支的位置编码都从同一处重新起算,保证几十道题彼此隔离、绝不串味。

正因如此,面对数千Token的复杂网页,单问1道题的中位延迟是371毫秒,而一口气连问16到63道题也才653毫秒!

靠RSI自我进化越用越聪明

训练决策模型最棘手的难题,就是防止它变成只会「背格式」的刷榜机器。

实验中Karpo团队就发现,单纯做全参数微调虽然能把公开榜成绩推高到75.09分,但陌生领域的准确率反而倒退了2.3个百分点。

更讽刺的是,「正反读取选项再取平均」等刷榜技巧,对真实泛化能力毫无帮助,反而让延迟翻倍至162毫秒。

可见公开集分数涨了,并不代表模型到了真实业务里真能抗打,因此这类拖慢速度的刷榜套路被团队果断砍掉。

那么,如何在不牺牲泛化能力的前提下持续进化?团队搭起了一套RSI(递归自我改进)闭环。

在这一闭环中,团队依靠公开数据集与定向合成数据补齐能力短板,每轮候选模型都按「公开集占60%、陌生领域占40%」综合考评,真正赢过上一代才能晋升。

到了多模型融合阶段,团队同样拒绝花哨套路,发现复杂的搜索算法极易过拟合,反倒是经典的Model Fusion(权重均匀平均)最稳。

为此,最终夺冠的Karpo将全参数微调早、中、晚期的3个检查点,与另一条LoRA训练线上的2个检查点直接做了均匀平均。

这背后的逻辑很巧妙:早期权重泛化好、后期权重更专精,恰好与LoRA「学得少、忘得也少」的特性形成互补。

五个权重合二为一后,推理开销依然维持单模型的1倍,但陌生领域准确率却比单模型终点反超了1.6个百分点!

靠着这套抗过拟合组合拳,在涵盖临床医学、法院裁判等10个大类、283个小类的陌生领域评测中,Karpo直接对Jev 1.14打出了10比0的全面零封!

除了选得准,决策模型还得「有自知之明」。为此,Karpo引入了校准决策强化学习(RLCD),激励模型如实评估自身把握度。

经过强化校准后,Karpo在JevBench上的校准误差(ECE)被压到了极低的0.023,表现远优于谷歌与Jev 1.14。

这意味着,当它报出「80%把握」时,10次判断里真就有约8次是准确的。

而在遇到信息缺失的是非题盲测时,Karpo也能对92.0%的题目果断拍板,并在剩下8.0%拿不准时主动弃权,安全交由人类兜底。

一张显卡装上「最强决策大脑」

模型练好之后,为了让31B模型在单卡上跑出极致速度,工程师针对Gemma 4底座的全局注意力层,用Triton手写了专属算子,将单卡推理拉快近2倍。

在此基础上,配合无Padding打包、FP8量化与CUDA图回放,单张RTX PRO 6000显卡的显存占用被稳稳压在60GB左右,而且评测分数零掉点!

最终在基准测试抽样的2000条请求上,它的单卡中位延迟直接杀进73毫秒,吞吐量冲上7100 Token/秒,连最吃算力的长网页推理耗时也砍半到了3.6秒!

把真实场景当练兵场,个人智能体红利来袭

看到这里,很多人或许会好奇:为什么一家初创团队能正面击败谷歌?

其实,答案藏在他们深耕的Personal Agent(个人智能体)战场里。

在海外,MachinePulse一直打磨本地生活智能体Karpo。

无论是全城搜餐厅、找周末活动,还是打开网页比房型、勾时段、完成订座,背后的每一步操作本质上都是高频判断。

放眼日常生活,这样的微决策其实无处不在。

超市里,从满架牛奶中,挑出符合自己口味、身体需求的一盒。

夜色中,走进一家合心意的酒吧,闲聊几句,轻松收尾疲惫的一天。

这些看似不假思索的生活瞬间,落到Agent身上,全是一次次毫秒级的权衡与拍板。

然而,通用大模型动辄几秒的卡顿、微妙的判断失误,以及每次多烧掉的Token,传到真实用户手里就是致命的体验落差。

AI实验室可以专注刷Benchmark,但冲在一线的团队,每天都在直面真实的交互痛点。

从实战来看,垂类Agent产品本身就是最好的模型训练场。

真实业务里的多条件权衡、连续网页操作与异常回退,逼着团队跳出纸面跑分,去攻克实验室里看不到的延迟、成本与校准难题。

如今,随着决策延迟被压进毫秒级、单次成本降到几美分,高频快思考正给各类Agent带来全新的想象空间。

MachinePulse将这套具备原生网页操作判断力的0.8B到31B全尺寸决策模型悉数开源,为所有Personal Agent创作者送上了一批趁手弹药。

让通用大模型专注深度思考,把毫秒级的高频拍板交给Karpo决策模型。

只需一张显卡,给你的Agent装上这颗击败谷歌闭源新王的「全球第一决策大脑」,探索个人智能体的下一个浪潮吧!

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 决策模型开源新王登顶全球榜首,反超谷歌闭源王牌

    新智元报道 硅谷最卷的新赛道,刚刚杀出了一位开源新王!最近,即将敲钟的Anthropic在IPO材料中曝出天价算力缺口,给狂卷参数的AI行业当头浇下一盆冷水。通用大模型虽在编程、数学上大杀四方,可一旦真替人干活,算力账单就成了无底洞。比生成文本更耗Token的是长链推理,而比推理更烧钱的则是操作浏览器,单次平均开销比复

    来源 腾讯网
  2. 狂揽80亿!前Anthropic员工押注RSI,谷歌英伟达都投了

    智东西(公众号:zhidxcom)作者 | 王涵编辑 | 李水青智东西11月16日报道,11月13日,美国大模型独角兽Mirendil官宣完成10亿美元(约合人民币66.72亿元)A轮融资。官方未公布本轮估值,多家媒体引用a16z内部信息称其估值约为50亿美元(约合人民币333.59亿元)。本轮融资由Kleiner P

    来源 腾讯网
  3. Anthropic本周启动IPO:1.25万亿美元估值能否撑住AI牛市

    作为首家独立上市的美国前沿AI公司,其定价将直接影响谷歌、亚马逊、微软等云巨头的8950亿美元资本开支逻辑。Dan Ives认为,若Anthropic上市估值能够站稳1.25万亿至1.4万亿美元乃至更高水平,并伴随强劲的股价表现,将直接为整个AI投资链条提供有力背书。

    来源 华尔街见闻
  4. Anthropic IPO前推10b5-1计划:5300名员工卖股有了新规矩

    据 商业内幕 报道,正筹备 首次公开募股 (IPO)的人工智能独角兽企业 Anthropic 针对员工股票出售引入了一项罕见的风险管控方案。面对截至9月拥有约5300名员工及高达1.4万亿美元目标估值的快速扩张期,该公司强制推行通常仅限高管使用的10b5-1交易计划,以此规避上市后由于信息流动加剧带

    来源 AI 开发者社区
  5. Anthropic筹备IPO:约5300员工全员适用10b5-1计划

    Anthropic筹备IPO期间,为员工股票出售引入罕见风控:在约5300名员工、目标估值达1.4万亿美元的快速扩张下,强制推行通常仅限高管的10b5-1交易计划,以规避上市后信息流动加剧的内幕交易合规风险。Aspiriant总监Teresa Greenip透露,该机制允许高管与员工按预设规则出售股票。

    来源 AI 产业速递
  6. Garlic LLM 让越狱 PS4 跑起 90 亿参数模型:最高每秒 43 词元

    科技媒体 Gigazine 今天(11 月 17 日)发布博文,报道称开源项目 Garlic LLM 可以让越狱版 PlayStation 4 运行 90 亿参数的本地大语言模型,最高生成速度可达每秒 43 个词元(Token),且无需联网即可完成 AI 聊天与语音对话。

    来源 IT之家
  7. 英伟达份额降至28%,摩根大通称CUDA壁垒正被AI攻破

    摩根大通指出,英伟达在2026年算力协议中份额仅剩28%,AMD、谷歌TPU等竞品强势崛起;与此同时,CUDA护城河三天被AI攻破。开源市场则遭遇监管收紧,出口合规风险上升。尽管英伟达当前估值具备吸引力,但支撑高增速预期的两大引擎均已动摇。

    来源 华尔街见闻
  8. AI硬科技企业扎堆赴港:商业化验证定估值

    【AI等硬科技企业密集赴港上市 商业化验证成为估值分水岭】财联社11月17日电,伴随港交所18C特专科技机制落地,一批大模型、AI算力芯片、自动驾驶、机器人等硬科技企业密集赴港递表、挂牌上市,港股市场正成为国内未盈利科技企业重要的境外融资枢纽。但市场呈现明显冷热分化,部分头部标的基石认购火热、上市后再融资通道顺畅,不少

    来源 AI 行业观察
  9. Anthropic收购1人公司Mithril:AI制药新路径?

    (本文作者为 医线Insight,钛媒体经授权发布)文 | 医线Insight,作者丨张小漫一家只有一名全职员工的生物技术公司,近期被AI巨头Anthropic宣布收购。这家公司名叫Mithril Medicine,专注于两种罕见肌营养不良症的治疗研究。创始人Cody Tranbarger借助Claude,在不到18个

    来源 腾讯网
  10. 摩根大通:英伟达2026年后算力份额仅28%,CUDA壁垒正被AI攻破

    英伟达正面临来自两端的结构性压力,而这与创始人黄仁勋的离任同等重要,甚至可能更为深远。摩根大通策略师Michael Cembalest在最新研报《英伟达与AI的下一步》中指出,前沿AI实验室正将采购重心向AMD、谷歌、亚马逊等多家供应商分散,英伟达在2026年后计算协议中的份额仅占28%。与此同时,开源模型生态圈则面临

    来源 腾讯网
  11. 华为云“行业AI梦工厂”发布并开源昇腾原生具身世界模型CloudRobo-WM1.2

    【TechWeb】11月16日消息,今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。 五

    来源 AI 行业观察
  12. 奥特曼回应OpenAI上市:不担心被Anthropic抢风头

    Anthropic已公开S-1招股书并预计本周登陆纳斯达克,OpenAI CEO奥特曼在Semafor大会上回应竞争质疑,称“这没什么好担心的”,并重申OpenAI最终将会上市,CFO弗莱尔称目标上市时间为2027年。

    来源 凤凰科技
  13. 阿里Qwen4-Max发布:总参数2.4T,单任务平均费用降六成

    新京报贝壳财经讯(记者罗亦丹)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,支持百万上下文。基于创新的模型架构和训练优化,Qwen4-Max以更少的Token消耗实现了更高的性能,在智能体和编程等关键能力项上持续进化:在权威的全球前端编程盲测CodeArena中,Qw

    来源 腾讯网
  14. 卖出AI硬件,已成为全球投资者共识

    过去两年,全球资本市场最拥挤的交易之一,就是买入AI硬件。 英伟达的GPU、博通的定制芯片、台积电的先进制程,以及光模块、服务器、电源和散热设备,几乎构成了AI投资浪潮中最确定的一条受益链。 投资者当时的逻辑并不复杂:只要微软、谷歌、亚马逊和Meta继续增加资本开支,AI算力需求就会持续增长,而处于产业链上游的硬件公司

    来源 AI 行业观察
  15. 英伟达CEO黄仁勋辞职,OpenAI模型安全与资本争议升温

    英伟达领导层变动、Anthropic拟上市与财报窗口,使AI交易从增长叙事转向现金流、资本效率和治理连续性验证;美国将先进芯片出口管制延伸至远程算力与最终用户审查。OpenAI在儿童安全、媒体分发与健康研究上推进基础设施化,同时因自主智能体安全遭加州起诉。Claude Fable 5.2展现过程智能,谷歌Gemini4

    来源 钛媒体
  16. Anthropic IPO牵动AI链:亚马逊持股价值或达数千亿

    财联社11月16日讯(编辑 夏军雄)随着利率上升、全美范围内针对AI的反对声浪愈演愈烈、华盛顿政治格局发生重大变化,以及黄仁勋在争议中辞去英伟达CEO职务,科技行业正面临越来越大的压力。与此同时,AI公司Anthropic预计于周四在纳斯达克上市,几乎所有科技巨头都面临着极高的利害关系。根据此前公布的招股说明书,Ant

    来源 腾讯网
  17. Kimi K3.1 Pro开源完整权重:2.8T MoE模型本地部署与编程工具盘点

    本周 GitHub 热门项目聚焦 Kimi K3.1 Pro 开放完整权重,支持百万 Token 上下文。同时涌现多款本地化 AI 工具:Ripple-65B 专注编程推理,Magpie 统一管理多模型配置,Cicada 实现会议实时双语字幕,cinecode 则尝试用代码自动化生成视频。这些工具正从云端向本地桌面迁移

    来源 AI 应用前沿
  18. Fable 5.2发布:套壳Agent的编排壁垒还能撑多久?

    Fable 5.2发布后没几天,国内社交平台上流传过一款“国产自研3A射击游戏”,页面写着由Fable 5.2自主研发。 当然很快被人扒了代码,六千多行里只有约一百行不同,原版出自Anthropic一位员工之手,所谓自研只是把界面汉化了一遍。 这件事倒是很能说明Fable 5.2在国内的处境。 讨论的人多,真正用上的人

    来源 AI 行业观察
  19. 谷歌整柜卖TPU:推理性价比压过GB200,直指英伟达地盘

    谷歌打破惯例,首次向外部客户直接销售整套TPU系统,试图通过硬件外售分摊研发成本并扩大市场份额。最新测试显示,其第七代TPU在特定推理场景下的每美元性能优于英伟达GB200。配合TorchTPU开源以兼容PyTorch生态,谷歌正从专用芯片和软件适配两端发力,挑战英伟达在AI算力领域的绝对主导地位。

    来源 AI 应用前沿
向下滚动自动加载更多