# 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

> 原标题：Pulpie：用于清理网络的Pareto最优模型

- 来源：AI HOT 精选
- 发布时间：2026-07-08T01:33:24.910Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/43004
- 原文：https://usefeyn.com/blog/pulpie-pareto-optimal-models-for-cleaning-the-web

## 摘要

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。

## 推荐理由

Feyn Labs开源了Pulpie网页正文提取模型，最小版本以Dripper的35%参数量取得接近的基准成绩。

## 锐评

二十分之一的推理成本，这个数字对天天算 token 账单的人比分数好看多了。正文提取这种活本来就不该用大模型硬扛，2.1 亿参数的编码器能追平 6 亿的 Dripper，多出来的参数全在浪费。做 RAG 的清洗管线如果还在调 API 跑正文提取，换成这个成本能砍一个量级。0.862 对 0.864 那点差距在真实网页上大概率被噪声吃掉，我信这个取舍。
