Pulpie：用编码器做网页清洗，效果追平SOTA但成本只要二十分之一

Pulpie：用于清理网络的Pareto最优模型

Feyn Labs 开源了一个叫 Pulpie 的网页正文提取模型家族。最小的 pulpie-orange-small 只有 2.1 亿参数，在 WebMainBench 上的 ROUGE-5 F1 得分是 0.862，跟目前最强的 Dripper（6 亿参数，0.864 分）几乎打平。快是它最大的卖点：在 L4 GPU 上每秒能处理 13.7 个页面...

推荐理由：Feyn Labs开源了一个叫Pulpie的网页正文提取模型家族。最小的版本只有2.1亿参数，在WebMainBench上得分0.862，跟目前最强的Dripper（6亿参数，0.864分）几乎打平。快是它最大的卖点：在L4 GPU上每秒能处理13.7个页面，推理成本只要Dripper的二十分之一。对做网页抓取、给RAG系统喂数据的团队来说，这些数字能直接换算成成本节省。不过正文提取本身是基础设施，不是大多数AI从业者每天头疼的问题，所以我会先打个折。