标题: Kimi K3 引热议，开放权重模型恐推向「AI 共产主义」 [打印本页]

---

作者: cbsphoto    时间: 2026-7-22 07:34     标题: Kimi K3 引热议，开放权重模型恐推向「AI 共产主义」

本帖最后由 cbsphoto 于 2026-7-22 07:37 编辑

月之暗面（Moonshot AI）最新发表的开放权重模型 Kimi K3，这款模型被视为规模庞大的开放 AI 系统，在有关程式设计和 Agent 任务等基准测试展现强劲表现。

Kimi K3 背后技术成为焦点，这款模型採多模态设计，拥有约 100 万 token 的超长脉络视窗，採用名为 Kimi Delta Attention（KDA）新架构，以混合线性注意力和记忆机制降低 KV Cache 负担。此外，Kimi K3 还搭配 WideEP 技术，形同将 896 个专家分散到多颗 GPU 上，确保每颗 GPU 的高频宽记忆体（HBM）包含少数专家，使每个 token 的记忆体使用和计算利用率最佳化。

Kimi K3 整体能力虽落后如 Anthropic 的 Claude Fable 5 和 OpenAI 的 GPT-5.6 Sol 等专有模型，但在多项基准测试超越 Claude Opus 4.8 和 GPT-5.5 等第二梯队。
Kimi K3 的创新和技术，对美国竞争对手如 OpenAI、Anthropic 等构成直接威胁。不久前加入 OpenAI 领导 Strategic Futures 团队、曾为川普政府的顾问 Dean Ball 在 X 贴文，表达对 Kimi K3 的观察和看法。

「一个由开放权重模型所主导的世界，其中一个很可能出现的结果便是『全面 AI 共产主义』。」Dean Ball 表示，「这正是中国提出的主张：AI 并非一款市场产品，而是一项公共财，最终由国家以某种数位公共基础设施的形式提供。」

Dean Ball 谈到过去在政府部门工作时，有很多支持 AI 快速发展的人一直来游说他，这些人的想法认为政府应该花几百亿元甚至上千亿美元兴建资料中心，目的不是政府自身投入 AI，而是能让新创公司和企业免费使用 GPU、训练模型，然后把模型免费提供全世界使用，他们认为 AI 唯一能持续进步的方法，就是依靠政府补助。

Dean Ball 无法接受这样的论点，认为他们之中有许多人根本不晓得自己在做什么，不将创造先进模型及其服务视为一门正当的生意。

「我猜测，川普政府在某个时间点将会意识到，他们对此最好的策略是，制造大量监管风险，限制使用中国开放权重模型。」Dean Ball 表示，政府只需要一直释放讯息如「联准会提醒，中国模型可能存在后门」。「你只需创造出足够的监管风险，让每一家受监管的企业打退堂鼓即可」，他说。

Dean Ball 论点引发关注之际，外界也注意到他对 Kimi K3 本身并非全盘否定。他表示这是一款「非常好的模型」，不认为它的效能能用蒸馏（distillation）或其他类似手法来解释，并对中国政府竟然称允许这种优质模型开源释出感到惊讶。

https://technews.tw/2026/07/19/d ... houghts-on-kimi-k3/

---

作者: kcthomlau    时间: 2026-7-22 09:27

要几千万HKD级server先至部署到既LLM都叫共产？

---

作者: ampm    时间: 2026-7-22 11:13

一直都有疑问,点解只有中国先可以蒸馏到？其他国家做唔到？

蒸馏真系可以令到个model,越来越进步？

---

作者: hkmand001    时间: 2026-7-22 11:19

本帖最后由 hkmand001 于 2026-7-22 11:21 编辑


姐系好简单打一个例子
而家有一个美国佬发明咗头孢。
中国佬喺头孢嘅技术之下。
研发咗第二代头孢。
美国佬走出嚟。话你应该研发另外一种。你要尊重佢嘅知识产权价值。

点解佢走出嚟反对啊？理由:
佢话如果你再系咁做，
没人再做研发第一种。每个都等人哋做咗之后先做改良。

但中国唔认同。认为技术系应该全世界一齐改良先进步

所以佢个第二代头孢。直接开放咗俾所有人用。

咁你而家觉得边个啱边个错？
没错啊，有咗第二代头孢。确实，第一代头孢嘅价值就会即刻大减。美国佬打算赚钱就没可能。

所以你没见到新闻话而家佢美国要封闭，唔俾啲模型出嚟。

佢惊俾人哋抄。惊俾人哋攞去蒸馏改良。你打算锁国定系俾自己国家啲人攞研发

但系你谂下如果全世界都开放。得佢一个锁，佢锁到D咩？？

你嘅收费咁贵。人哋开放，哪怕追唔上你。只要用人哋都会用。

---

作者: gerrardjamie    时间: 2026-7-22 11:21




    =小米, 人地研发出黎,佢抄
然后唔洗R&D,卖平D
D人走去买小米...然后主要品牌破产,被中国公司收购.....

---

作者: hkmand001    时间: 2026-7-22 11:26


小米唔同啊。小米系将人哋嘅师傅直接勾咗过嚟。连埋个技术一齐过档。

小米基本上嚟讲就系叫做转移技术。佢没新增过，亦都没改良。佢系直接搬走咗。

但系人哋蒸馏系省略资源。优化咗程序。其实系唔同嘅嘢。
一个照版就咁搬走。
一个改良咗整个设计。

但无论边个都好。肯定会损害原先一个设计嘅人。

---

作者: dls2046    时间: 2026-7-22 11:29

有啲生意人谂法都系咁，对将啲好用嘅嘢开放出嚟公用感到惊讶，有钱做咩唔赚？但世界就系有啲咁嘅事，先不管动机为何…仓颉、光纤、二维码、甚至互联网本身…好多嘢都可以系一盘生意，但都可以放出嚟公用。
只可以说，有时小脑袋容不下大格局。

---

作者: ampm    时间: 2026-7-22 11:47



我想你理解错了佢话“蒸馏”意思,蒸馏应该是用最新model蒸馏.

如果你话对错,那其他公司都唔可以出AI?那meta, Mistral AI都是蒸馏

---

作者: dls2046    时间: 2026-7-22 11:51




而家唔系话单靠蒸馏出唔到咁嘅效能？佢系认同个 model 优质的，只系唔明点解要开源出嚟

---

作者: hkmand001    时间: 2026-7-22 11:59



AI蒸馏（模型蒸馏）是一种技术改良与优化。它是一种广泛应用于机器学习的工程技术，主要目的是将庞大、复杂且运算昂贵的「教师模型」精髓，转移到规模较小、运算速度更快的「学生模型」上，让小型模型在保持高效能的同时，大幅降低对硬体算力的要求。

---

作者: dls2046    时间: 2026-7-22 12:01



如果用药物开发做例子，就要面对一个现实，临床试验数据边到嚟？如果咁讲…
药厂用极低价去用非洲人做实验，成功咗就出药，注册，跟住呢啲「experimental object」就再买唔起啲药。另一间药厂开发第二代药物，开放巿场，原本果啲「experimental object」而家有得拣了。

每一个 parties 嘅贡献都唔系咁易讲得通、计得准的。无第一代药物开发商，啲「experimental object」一开始就无得救，但之所以能够有第一代，呢啲「experimental object」又真系无贡献？通常呢啲「experimental object」都系要靠「公共」先可以生存的「低下阶层」。

你第一代训练 AI 嘅数据边度 嚟？全部都系自己凭空 gen 出嚟？无用过任何「公共」嘅嘢？

呢类道德辩论唔系咁非黑即白的。不过我估计呢班人无谂咁远，只系好简单咁谂，咁正嘅嘢唔拎去卖，开放出嚟任人用，傻的吗？

---

作者: hkmand001    时间: 2026-7-22 12:01



你就咁啊唔明啦，呢个就系中美之间嘅对决。如果中国攞咗但系又唔开放一齐收钱。

美国佬就会话中国偷。死贼仔偷嘢。
   
但如果中国开放。咁佢就没利益，因为全部人都可以用。站喺道德高地。美国佬讲唔到。只能够话你唔尊重佢嘅知识产权价值。

---

作者: godofcomputer    时间: 2026-7-22 12:10

咁唔开放咪搞AI独裁法西斯

---

作者: ampm    时间: 2026-7-22 17:04


初初open系无办法之中办法.当初D ai未够人强和D人成日担心d data. 正如meta 当初一样行open是看到未到openai 和anthropic级数,希望杀出另一条路. 点知佢俾中国倦死.

现在发展成熟,当中内地自己都倦死好多自己人.

---

作者: cbsphoto    时间: 2026-7-22 20:45

本帖最后由 cbsphoto 于 2026-7-22 20:47 编辑

要本地部署 Kimi K3 开源模型 硬件开支就要 1900 万 非一般用家可以负担

月之暗面（Moonshot AI）本週推出 Kimi K3，总参数高达 2.8 兆，成为史上首个「3T 级」开源模型。官方技术网志建议本地部署使用 64 张或以上加速器组成的超节点配置。完整开源权重预计 7 月 27 日前推出，惟单机玩家已无力自行部署，只能转用 K2 系列或直接唿叫官方 API。

MoE 架构拆解

Kimi K3 採用混合专家（MoE）架构，模型内部设有 896 个专家子网络。每次处理一个 token 时，系统只会挑选其中 16 个路由专家加上共享专家运算，不会全部启动。实际运作参数只有 500 亿至 600 亿左右，这亦是模型能兼顾庞大规模与运算效率的原因。

模型同时搭载新架构 Kimi Delta Attention（KDA），并配合 Attention Residuals 技术。官方表示这套组合在 100 万 token 长上下文环境下，解码速度最高可提升 6.3 倍。上下文视窗达 100 万 token，同时亦原生支援视觉输入，令模型可直接处理图像与影片资料。

官方门槛：64 张 GPU 起跳

月之暗面官方技术文件明确建议，原文出自 unwire.hk， 考虑到推论效率需要更大的高频宽通讯域，本地部署 K3 宜使用 64 张或以上加速器组成的超节点配置。原生 MXFP4 权重约 1.4 TB 至 1.5 TB，属 DeepSeek-R1 671B（Q4 量化版本约 350 GB 至 400 GB，各方报告数字略有差异）的 3 至 4 倍左右。



单纯换算放置权重所需的 GPU 数量：H100（80 GB）约需 19 张，H200（141 GB）约需 11 张，B200（192 GB）约需 8 张。以上数字尚未计及 KV cache，即模型记录对话上下文所需的记忆体。100 万 token 长上下文的 KV cache 需求，官方目前尚未公佈，但需求只会更高。价格方面，H100 80 GB PCIe 版本单张现时约 25,000 美元至 33,000 美元（约港币 HK$195,000 至 HK$257,400），SXM 版本则达 35,000 美元至 40,000 美元以上（约港币 HK$273,000 至 HK$312,000 以上）。8 卡 H100 伺服器一台已超过 30 万美元（约港币 234 万元）。按 64 张规格计算，即相当于 8 台 8 卡伺服器，单是硬件採购费用已超过 240 万美元（约港币 1,872 万元以上）。

功耗方面，H100 SXM 版本单张最高功耗达 700 W，PCIe 版本则为 350 W。若以 64 张 SXM 版本计算，单是显示卡本身已消耗约 45 kW 电力，远超一般家庭供电容量。一台 8 卡 H100 伺服器实际运作已需要 6.5 kW 至 7.5 kW，属于机房级用电规模。


上一代还塞得进一部电脑

对照上一代 K2 系列（1 兆参数，约 320 亿启用参数），落差更为明显。社群 Unsloth AI 为 K2 制作的 1.8-bit 极限量化版本，将原本 1.09 TB 的模型压缩至约 245 GB，一张 24 GB 消费级显示卡搭配 256 GB 系统记忆体卸载亦能运作，但速度仅约每秒 1 至 2 个 token。较平衡的 Q2_K_XL 版本则约需 381 GB。



上一代一台 512 GB Mac Studio 已勉强能运作，K3 却直接将门槛推回数据中心级别。市场上其他大型开源模型如 DeepSeek V4 Pro（约 1.6 兆参数）同样规模庞大，而 K3 仍以 2.8 兆参数，原文出自 unwire.hk， 较 DeepSeek V4 Pro 大出约 75%，成为现时最大开源模型。Kimi K3 在多项编码及代理任务基准上表现超越 Anthropic Claude Opus 4.8，但整体性能仍落后于 Claude Fable 5 及 GPT-5.6 Sol 等顶级私有模型，这一点月之暗面官方亦明确承认。对于一般用户而言，若想使用相关技术，暂时只能转用 K2 系列，或直接唿叫官方 API。

https://unwire.hk/2026/07/21/kimi-k3-64-gpu-barrier/ai/

---

作者: latali    时间: 2026-7-22 22:15

本帖最后由 latali 于 2026-7-22 14:19 编辑


其实佢有个错误系或者知道但唔讲，资本主义会将第一代(发明者)既大部分利益剥削晒。另外好多好野就系因为利益唔能够最大化之后比人切割左出黎唔再发展，但又HOLD住左个专利唔比其他人用。

---

作者: ki_cat    时间: 2026-7-23 09:55



unreal engine,阿tim哥讲,其实只要咁上下既野,连接4t ssd,有足够多平衡架构提升读取速度,就咩模型都可以行到.
nv唔做,迟早有人咁做,可能好快.

via HKEPC IR 5.1.14 - Android(5.1.2F)

图片附件: Uploaded_via_HKEPC_IR_Pro_Android(5f550).jpg (2026-7-23 09:52, 128.69 KB) / 下载次数 1
https://global.hkepc.com/forum/attachment.php?aid=2534161&k=a79e0f5b2a0450fd9a820e455f4de9bb&t=1793346122&sid=4NnO6wJzce

---

作者: rcbananahk    时间: 2026-7-23 10:03

回覆 17# ki_cat


    NV 都赚够了
比人赚下

---

作者: hkmand001    时间: 2026-7-23 10:09



精简可以减少内存使用。但系没办法去减少整个模组所需要嘅内存。

即系省略版。完整版。永远都没可能系同一个实力。

其实调转枪头反而刺激到个内存需求。特别系nand，dram。

因为当细模型普及出去。民用嘅情况下没可能使用HBM。速度变咗唔系太重要，最重要系可以用。

---

作者: ki_cat    时间: 2026-7-23 10:54


佢唔系精简,系多路打爆ssd读取速度.当然写入会慢,但llm本来就少写入.

via HKEPC IR 5.1.14 - Android(5.1.2F)

---

作者: hkmand001    时间: 2026-7-23 11:07



我觉得最后发展会变成两极化。
HBM就变咗做伺服高级货色
nand dram 就变左民用货色

谂住做得冧内存价格应该没可能发生，因为而家嘅内存都未做到民用。好似个BB仔啱啱出世咁。只系尝鲜。有好多公用设备。民用设备连个AI辅助都没。

我谂韩国佬估计的需求应该系行得通。

---

作者: godofcomputer    时间: 2026-7-29 06:18




    就快出DDR6喇， 傻仔先至宜依买贵RAM

---

作者: javacomhk    时间: 2026-7-29 09:19

蒸馏真的可以令模型越来越进步吗？

• 成本效益高：蒸馏能让小模型以极低的算力与成本，迅速掌握大模型的优秀逻辑与输出表现。
  
• 无法无限超越原版：蒸馏的核心是「模仿与压缩」，它能帮助学生模型快速追赶并达到接近老师模型的水平，但很难单靠蒸馏让模型无中生有、超越世界顶尖的原生创新极限。
  
• 持续进步的关键：模型要真正实现质的飞跃，依然需要依赖基础架构创新、更高质量的原始训练数据、大规模算力（预训练）以及强化的后训练（Post-training）。
  

---

作者: godofcomputer    时间: 2026-7-29 12:19


只能蒸馏到开源， 唔开源你系蒸馏唔到， 只系睇到有咩字输出（同普通文件训练无别分， 要一样的算力和成本）。 睇唔到输出token嘅机率分布，

开源嘅会睇到输出token嘅机率分布， 可以全面更新权重值。咁快好多。

---

作者: godofcomputer    时间: 2026-7-29 12:32




     你砌个多路SSD？ Deepseek R1 跑4bit权重， 每个token要读19GB资料，如果要毎秒出一个TOKEN, 你要砌19条多路PCI 5.0 SSD, 仲要系顺住读先至有咁快。RANDOM读会慢到妈妈声。

---

作者: javacomhk    时间: 2026-7-29 12:46

「蒸馏」只是抄的其中一个方法，实际上会混合其他方法嘅！
混合嘅其他核心方法

• 强化学习 (Reinforcement Learning)：利用奖励机制（如 RLHF / PPO）引导模型输出更符合人类意图同逻辑嘅答案。
  
• 微调 (Supervised Fine-Tuning, SFT)：使用高品质嘅高质素人工或域内数据对模型进行针对性训练。
  
• 合成数据生成与重构 (Synthetic Data & On-Policy 混合)：结合自身推理轨迹同额外反馈动态修正，唔单止系被动「抄答案」。
  

---

作者: ueaf    时间: 2026-7-29 17:21

kimi 有没人试过自己本地安装？

---

作者: ampm    时间: 2026-7-29 23:52

又引用下其他人的睇法：

「中国模型全靠蒸馏（Distillation）美国模型」的迷思 ：

​数学与逻辑上的不可能：有些专家宣称中国模型强大只是因为「蒸馏/复制」美国模型的 API 输出，这是荒谬且不专业的说法 。
​蒸馏的极限：虽然微调（SFT）或硬蒸馏能激发模型既有的潜在能力（如 DeepSeek 引导小型模型产生 Chain of Thought 思考链），但仅凭 API 的数据输出，绝不可能重建一个复杂度极高的前沿（Frontier）模型 。

​中国的自主创新：DeepSeek和各其他大形AI公司发表了详细的论文（如 DeepSeek-V3、R1）与技术细节（如最先进的 Kimi, Deepseek 机构），开源了从零训练前沿模型所需的一切知识，证明其技术完全来自于自主研发与创新 。

---

作者: godofcomputer    时间: 2026-7-30 00:15



试过K2.6, K3都太大了

---

作者: raywan    时间: 2026-7-30 11:27




   可以见得好快会出DDR6？你只系睇电脑新闻话就快出／研发中…
实际上2028年中都未有可能买到家用级DDR6，server grade DDR6有可能明年先有ｒｏａｄｍａｐ出，仲有ｄｄｒ５都仲未去到理论上极限，点会出ｄｄｒ６，小朋友你太天真了，你知唔知一粒CPU有几多工程师做紧研发，你要改动一个设计同要求，要几多个工程师几多个千上万个小时先可以完成一个修改

---

作者: rabbit82047    时间: 2026-7-30 12:58

有人真系用 80 张 5090 本地行 k3，结果都有 20 Tokens/s
净计显卡成本都已经百万级别

---

作者: godofcomputer    时间: 2026-7-30 13:47




    用官方API行K3, 都系20左右， 唔系好快，

---

作者: godofcomputer    时间: 2026-7-30 13:50




    以前话2025-26就量产， 宜依啲大鳄炒紧啲RAM,入咗好多货要散比啲傻仔， 当然推一推迟啲。 散哂货就会出DDR6, GG班傻仔。

---

作者: cbsphoto    时间: 2026-7-30 17:06

用了Kimi K3 二日 , 似乎比google好 。

---

作者: Kin_2012    时间: 2026-7-30 23:59

本帖最后由 Kin_2012 于 2026-7-31 00:08 编辑


第一，唔开效无人敢用
第二，唔开放佢抢唔到市场
第三，唔开放解科唔到参考人
第四，唔开效佢搵唔到更多的人帮手

但当佢够强能独大时.....

---

作者: jacktsui    时间: 2026-7-31 08:57



RAM 厂造旧款货都赚到傻啦

---

作者: hkmand001    时间: 2026-7-31 11:03



长鑫就系16nm老制程dram

---

作者: godofcomputer    时间: 2026-7-31 11:39



经实测，搭载长鑫颗粒的内存可稳定运行于DDR5-8000至8200，微星目前也是首家公开完成长鑫DDR5 颗粒AMD 平台DDR5-8000+ 验证，并同步向玩家开放测试BIOS 的....

老制程都整到DDR5 8000+

---

作者: godofcomputer    时间: 2026-7-31 11:41




    K3应该系最劲果级， 但佢哋算力唔够， 慢。 琴日又过载死机

---

作者: cbsphoto    时间: 2026-7-31 12:43


K3 thinking 的时间比google 长。

---

作者: ampm    时间: 2026-7-31 15:00

唔好理,佢已令到close ai 减价了.

---

作者: cbsphoto    时间: 2026-7-31 18:01



Kimi K3 用的CPU and GPU 可能比Google 的慢。

---

作者: VV    时间: 2026-7-31 18:38

本帖最后由 VV 于 2026-7-31 19:08 编辑

咁多c hing 讲到咁......

米西方AI 点解怕什么

唔开放权重模型恐推向「AI 资本主义」才是佢地走既路

7姊妹...顶住

AI竞赛｜应对中国低价竞争 再有美国公司调整收费 OpenAI有模型减价近八成

d 互射资金会唔会影响.....

---

作者: ampm    时间: 2026-7-31 22:13

ds4-flash-0731 刚好今天出 价格战开始

---

作者: godofcomputer    时间: 2026-8-1 01:20




    唔系近期加返价， 高峰期用收2倍钱咩？ 边有价格战， 佢本身最平

---

作者: hkmand001    时间: 2026-8-1 10:01

好多人睇唔明个AI，觉得佢系一个泡沫。觉得一个数据中心净系用5年。必定会破产。

但系佢哋唔明白。点解一个数据中心用5年都会要起？

因为呢5年里边产生出嚟嘅经济价值系好大

你见到而家个个开支几百亿。几千亿。但你见唔到嘅就系佢背后训练出嚟有几多个模型？

所有人思维都系一个模型嘅思考速度到底有几快？思考用量有几多。呢个时间蒸馏所出嚟嘅。一定会追上研发所出原版

但呢个差距好快就会被拉开。
原因系美国开始锁住唔给原版出嚟。自己用来训练。只放出蒸馏版本

好快美国佬就会抢翻蒸馏第一位。用极细型嘅模型。用极少嘅容量。产生出同差唔多原版一样嘅效果。到时候数据中心嘅价值就会出现。因为边个人拥有数据中心，边个人就可以产生出更多的原版训练。而家嘅AI根本上赶唔上普及。甚至讲唔上系可以用得上。佔个市场嘅比例仲系极细。。你觉得人哋会破产，但系人哋个市场深度远超你嘅想象。

---

作者: ampm    时间: 2026-8-1 13:10

大家都见到AI未来是必须工具！另外如果唔系无open source/open weight 出现,都唔会发现有些付款的高价model,原来只是一般细公司的电脑server可以跑到.大家可能仲俾紧高价的token而是使用美国蒸馏自己的version.

至于AI bubble,之前已有好多文章或影片讲过.或可睇下最新Bloomberg 今日访问ed zitron 的 'Everyone has been sold a lie',其中有讲data center 的赚$。可能meta 都领会high tech high 嘢,而租佢多出来的data center俾人.

最后build或rebuild data center,要用好多建设。当中小些机件都没法运作。之前睇报到美国其中一个建筑中的data center因为无发电机组的变压器而停工。

我睇如果没今次kimi或deepseek flash 新version.open ai 唔会大幅减价.

---

作者: VV    时间: 2026-8-2 11:43

大幅减价 回本期唔知点呢

---

作者: godofcomputer    时间: 2026-8-2 11:51



之前又搞个股灾出嚟比啲老散嘆下， 宜个时间放宜啲减价战消息出嚟， 当然系吓走啲股民，要佢哋蚀钱落车， 明明班大鳄要靠啲AI股， 炒到个市升上宇宙先至会爆。

---

作者: hkmand001    时间: 2026-8-2 12:05

本帖最后由 hkmand001 于 2026-8-2 12:10 编辑


咁我问你。一台折叠屏2皮。回本期快？你2皮有鬼人用？
1皮有人用？少人但比之前多
杀到7000 5000就真正多人用啦

e个就叫普及

Ai一样。开始的时候收费贵到300美一个月。唔好话普通人。公司都难用啦

拆细模型。30美一个月得唔得？
唔得。依然贵
咩叫做普及？
细模型10美一个月
大模型50美一个月就差不多啦


你就会话成本回唔到本。同造手机一样。Aⅰ贵在训练。平在改良
当然仲有电费

回唔回到本？早期扔出去估计要扔到2028。先开始回本

---

作者: VV    时间: 2026-8-2 13:19

股灾啲老散 回本la

---

作者: hkmand001    时间: 2026-8-2 16:32



老散输钱。华尔街赚钱。
有钱嘅人不停系咁买正股。到时升上嚟就升到好癫。

海力士一日升30个percent。
没钱嘅人就只能够坐喺度睇佢。

---

作者: VV    时间: 2026-8-2 19:45

本帖最后由 VV 于 2026-8-2 19:51 编辑

传闻老散输sk输到大时代
另一边仲要定价权都比西人夹埋

睇下7姊妹最后水退边个见到妹妹先

2008