logo

多模态视觉理解模型上线:与文本模型怎么选

作者:php是最好的2026.11.16 11:17浏览量:0

简介:本文围绕新上线的多模态视觉理解模型与纯文本模型展开对比,解读视觉编码、文本推理融合、视觉原语输出等差异,并从能力、成本、接入、迁移、场景等维度提供选型建议,帮助开发者判断何时引入图像理解,何时继续使用文本模型。

多模态视觉理解模型上线:与文本模型怎么选

一、对比背景:文本模型已经很强,为什么还要关注多模态视觉理解模型?

在大量 AI 应用实践中,纯文本模型已经承担了很多核心任务:知识问答、文本摘要、信息抽取、代码生成、工单分类、Agent 规划、复杂推理等。对多数开发者来说,纯文本模型仍然是调用频率最高、链路最成熟、成本最容易控制的基础模型。

但随着业务形态变化,越来越多场景开始需要“看图说话”:

  • 用户上传截图,希望模型识别页面内容;
  • 业务人员上传图片,希望模型自动生成描述、标签或摘要;
  • 文档系统需要理解表格、标题、段落、图片之间的版面关系;
  • 客服系统需要识别用户截图中的报错信息、按钮位置或表单字段;
  • 自动化流程需要模型定位图像中的关键区域,而不仅是给出文字解释。

这带来一个现实问题:如果现有纯文本模型已经足够稳定,是否还需要引入多模态视觉理解模型?如果引入,二者在架构、能力、成本、接入方式和迁移风险上有什么区别?在什么场景下应该继续用文本模型,在什么场景下更适合切换到视觉理解模型?

本文将围绕这一问题展开对比。为了便于讨论,文中将“多模态视觉理解模型”简称为“视觉模型”,将“纯文本模型”简称为“文本模型”。需要说明的是,视觉模型通常并不是简单替代文本模型,而是在文本推理能力之上增加图像理解能力。因此,选型的关键不是“哪个绝对更好”,而是“当前业务是否需要图像输入,以及引入图像输入后带来的复杂度是否可控”。


二、对象定义:本文对比的两个对象

1. 纯文本模型

纯文本模型的核心输入是自然语言。开发者可以将问题、文档、对话历史、结构化文本、代码、日志等内容转换为文本提示词,然后由模型完成推理、生成、分类、抽取、规划等任务。

典型能力包括:

  • 文本理解与生成;
  • 多轮对话;
  • 长文本摘要;
  • 信息抽取;
  • 代码生成与解释;
  • 复杂推理;
  • Agent 任务规划;
  • 世界知识问答;
  • 基于上下文的指令跟随。

文本模型的优势在于链路简单、输入结构清晰、调用成本相对可控、工程接入成熟。对于没有图像输入需求的业务,文本模型往往已经是更稳妥的选择。

2. 多模态视觉理解模型

多模态视觉理解模型的核心能力,是在理解文本的基础上,进一步理解图像内容。它通常可以接收一段文本指令和一张或多张图片,然后完成图片描述、视觉问答、图像信息抽取、区域定位、图文联合推理等任务。

与简单调用外部图像识别服务不同,视觉模型的关键价值在于“原生理解”。它并不是把图片交给一个独立 OCR 工具,再把识别结果拼接到文本里,而是将图像内容作为模型输入的一部分,与文本指令一起进入推理过程。

这类模型通常包含几个关键环节:

  1. 视觉编码模块:将图像转换为模型可理解的视觉特征;
  2. 文本分词模块:处理用户输入的自然语言指令;
  3. 融合推理模块:基于文本与视觉信息进行联合推理;
  4. 输出模块:生成自然语言回答,并可能输出坐标框、区域标记等视觉原语。

这种设计的核心价值在于,模型不仅能理解文本,还能对视觉对象进行定位与描述,而不需要依赖多个外部识别模块拼接结果。

3. 实验性视觉版本与正式文本版本的关系

新上线的视觉模型可能带有实验性质。这里的“实验性”并不意味着模型不可用,而是提示开发者:该模型仍在持续迭代,接口能力、输出效果、上下文表现、区域定位精度等可能存在版本调整。

从原始信息来看,一个重要前提是:该视觉模型在纯文本能力上与正式文本版本保持一致。也就是说,Agent 能力、推理能力、世界知识、代码相关能力等原有核心能力并没有明显削弱。

这一点对迁移决策非常重要。它意味着开发者不必担心“为了看图能力而牺牲文本能力”的问题。在原有文本任务上,视觉模型可以继续承载;同时,当业务出现图像输入时,又可以在不重构模型能力的前提下获得视觉理解能力。


三、相同点分析:为什么它们可以在很多场景中共享同一套调用框架?

虽然视觉模型比文本模型多了图像输入能力,但二者并不是完全割裂的两种系统。它们在很多方面高度相似,这也是开发者可以平滑评估和迁移的基础。

1. 核心推理能力相似

视觉模型通常以文本模型作为基座能力来源。因此,文本模型的强项,例如逻辑推理、代码理解、世界知识、指令跟随、Agent 规划等,在视觉模型中通常仍然保留。

这意味着:

  • 原本用于代码生成的文本模型任务,可以继续由视觉模型完成;
  • 原本用于 Agent 规划的文本链路,可以在不改变整体逻辑的情况下接入视觉模型;
  • 原本依赖世界知识的问答系统,不会因为增加图像输入而丢失文本理解能力。

2. 调用方式接近

从工程角度看,文本模型和视觉模型的调用框架通常相似。开发者仍然可以将其封装为统一的模型服务接口,只是请求体中的内容字段可能从纯文本变成“文本 + 图像”的结构。

示意性伪代码如下:

  1. # 纯文本模型调用示意
  2. text_payload = {
  3. "model": "text_model",
  4. "messages": [
  5. {
  6. "role": "user",
  7. "content": "请总结以下产品说明"
  8. }
  9. ]
  10. }
  1. # 多模态视觉理解模型调用示意
  2. vision_payload = {
  3. "model": "vision_model",
  4. "messages": [
  5. {
  6. "role": "user",
  7. "content": [
  8. {"type": "text", "text": "请描述图片并指出关键按钮位置"},
  9. {"type": "image", "image": "<image_data_or_reference>"}
  10. ]
  11. }
  12. ]
  13. }

可以看出,二者的主要差异集中在输入内容结构上,而不是整体调用范式。对于已有统一模型接入层的团队,增加视觉模型通常不需要推翻现有架构。

3. 输出形态仍可保持兼容

视觉模型的输出仍然以自然语言为主。即使它具备区域定位、坐标框、区域标记等视觉原语输出能力,也可以将结果封装为文本、JSON 结构或业务可读对象,再交给上层系统使用。

因此,从业务接口角度看,视觉模型并不一定会破坏现有文本接口。只要做好输出解析和字段映射,文本模型与视觉模型可以在同一业务中并存。


四、核心差异分析:视觉模型与文本模型到底差在哪里?

1. 输入边界不同:一个只理解语言,一个能理解图文

文本模型只能处理自然语言输入。它无法真正“看见”图片、图表、截图、界面或文档中的视觉元素。如果业务需要理解图片内容,通常只能依赖外部识别工具先做转换,再把结果交给文本模型。

视觉模型则可以同时接收文本和图像。它能够处理的问题包括:

  • 这张图里有什么;
  • 图中的按钮在哪里;
  • 截图中的报错信息是什么;
  • 图片中的表格内容如何整理;
  • 文档版面中的标题、段落、图片如何关联;
  • 图像中的关键对象与文本描述是否一致。

这类能力是纯文本模型无法直接完成的。因此,输入边界是最核心的差异之一。

2. 架构不同:原生视觉融合与外挂识别拼接

传统做法中,如果希望文本模型处理图片,常见方式是“先识别,再理解”:

  1. 使用 OCR 识别文字;
  2. 使用目标检测识别对象;
  3. 将识别结果整理成文本;
  4. 将文本交给纯文本模型推理。

这种链路在工程上可行,但有几个问题:

  • 识别结果可能丢失空间关系;
  • 图片中的非文本视觉信息容易被忽略;
  • 多个模块之间需要串联,故障点更多;
  • 模型难以直接回答“某个对象在哪个区域”这类定位问题;
  • 图文联合推理能力受限。

视觉模型则通常采用原生融合架构。图片先经过视觉编码模块转换为视觉特征,再与文本信息一起进入推理过程。这样做的优势是:

  • 视觉信息与文本信息在同一推理上下文中融合;
  • 模型可以原生理解图像内容,而不是仅消费 OCR 文本;
  • 输出可以同时包含自然语言与视觉原语,例如坐标框、区域标记;
  • 对于界面理解、文档版面、图文一致性判断等任务更友好。

不过,原生视觉融合也意味着请求处理链路更复杂。模型需要同时处理文本和图像,这会带来更高的实现复杂度和资源消耗。

3. 输出能力不同:视觉模型可以输出视觉原语

文本模型的输出通常是自然语言、代码、JSON、Markdown 等文本形式。

视觉模型在文本输出之外,还可能输出视觉原语,例如:

  • 目标对象的坐标框;
  • 区域标记;
  • 图中某个元素的位置;
  • 图文对应关系;
  • 对指定区域的进一步描述。

这类输出对前端交互、自动化标注、截图分析、界面审核等场景非常有价值。例如,开发者可以要求模型“指出截图中的登录按钮”,模型不仅回答按钮名称,还可以返回按钮所在区域,便于上层系统进行高亮或跳转。

但如果业务只需要文本结论,不需要区域定位,那么视觉原语输出能力可能并不是必需项。此时引入视觉模型,就需要评估是否值得承担额外复杂度。

4. 上下文成本不同:图像会占用 token,但通常可控

文本模型的上下文主要由文本 token 组成。视觉模型则会增加视觉 token。公开口径中,单张图片最多约占 384 个视觉 token 的设计,体现了对上下文成本的压缩控制。

这意味着图片输入并不会无限制膨胀上下文,但开发者仍需要将图片 token 纳入成本评估。尤其是以下场景,需要重点关注:

  • 单请求中包含多张图片;
  • 图片分辨率较高或数量较多;
  • 需要结合长文本与多图进行联合推理;
  • 高频调用图片理解接口;
  • 需要在上下文窗口中保留大量历史图片引用。

因此,视觉模型并不是简单“加一个图片参数”就完全没有成本变化。它带来的收益是视觉理解能力,带来的是额外上下文预算和潜在资源消耗。

5. 接入复杂度不同:视觉模型需要处理图像输入细节

文本模型接入通常只需要传入字符串。视觉模型则需要考虑更多工程细节:

  • 图片格式支持;
  • 图片尺寸限制;
  • 图片压缩策略;
  • 图片传输方式;
  • 图片存储与引用方式;
  • 图片权限与访问控制;
  • 多图输入顺序;
  • 图片失效或加载失败处理;
  • 图片脱敏与日志策略。

这意味着视觉模型接入并不是单纯调用一个接口,而是需要同步完善图像输入链路。对于已有成熟图片存储与上传系统的团队,这部分改造相对可控;对于没有图片处理基础设施的团队,则需要额外评估开发成本。

6. 性能与稳定性表现不同:视觉链路通常更复杂

视觉模型需要处理图像输入,通常会增加请求处理链路。相比纯文本推理,图像理解可能涉及更多前置处理和更高资源消耗。

因此,在性能评估上,开发者不能只看文本模型的表现,而要考虑:

  • 图像加载是否成功;
  • 图片预处理是否及时;
  • 视觉编码是否会引入额外延迟;
  • 多图输入是否导致排队;
  • 批量图片请求是否影响吞吐;
  • 失败重试是否造成重复调用;
  • 图片异常是否会阻塞主链路。

对于低延迟场景,建议先进行小流量验证。对于离线批处理、异步任务、文档批处理等场景,视觉模型更容易发挥作用,因为业务对实时性的要求通常没那么苛刻。

7. 安全与合规要求不同:图像数据需要额外关注

文本输入和图像输入都涉及数据安全,但图像数据的合规风险更复杂。

图像中可能包含:

  • 人脸;
  • 证件;
  • 车牌;
  • 手机号;
  • 地址;
  • 医疗信息;
  • 内部文档截图;
  • 界面中的隐私字段;
  • 商业敏感内容。

因此,引入视觉模型时,需要额外考虑:

  • 图片上传前是否脱敏;
  • 是否允许用户上传敏感截图;
  • 图片日志是否加密或脱敏;
  • 图片存储是否设置访问权限;
  • 是否保留原始图片;
  • 是否需要删除机制;
  • 是否需要审计记录;
  • 是否对不同租户或用户进行数据隔离。

文本模型同样需要安全设计,但视觉模型因为涉及图像输入,通常需要在数据安全上投入更多治理成本。

8. 运维成本不同:视觉模型需要更多图片相关监控

文本模型的运维通常围绕请求量、延迟、错误率、token 消耗、内容安全等展开。

视觉模型则还需要关注:

  • 图片下载或解析失败率;
  • 图片格式异常率;
  • 图片大小异常;
  • 图片数量超限;
  • 视觉识别失败率;
  • 图片请求排队情况;
  • 视觉输出解析失败率;
  • 图文联合推理超时率。

这意味着监控告警体系需要扩展。对于关键业务,建议增加图片链路健康度指标,避免因单张图片异常导致整体请求失败。

9. 迁移成本不同:从文本模型迁移到视觉模型需要评测集重构

如果原有业务全部依赖文本模型,迁移到视觉模型的成本主要体现在:

  • 请求体结构改造;
  • 图片输入接入;
  • 图片预处理;
  • 视觉输出解析;
  • 业务提示词调整;
  • 评测集补充;
  • 灰度发布;
  • 回退机制设计。

反过来,如果原本使用视觉模型,但某些任务只需要文本能力,也可以将请求切换回文本模型。此时需要移除图片字段,并调整提示词,避免模型因为缺少图像上下文而产生误解。

总体来看,文本模型迁移到视觉模型通常需要更多工程改造;视觉模型回退到文本模型则相对简单,但仍需验证文本任务效果是否保持。


五、关键差异对比表

对比维度 纯文本模型 多模态视觉理解模型 选型含义
输入类型 仅文本 文本 + 图像 有图片理解需求时优先评估视觉模型
核心能力 语言理解、生成、推理、代码、Agent 文本能力 + 图像理解能力 若只处理文本,文本模型更简洁
输出形态 自然语言、代码、JSON 等 文本 + 可选视觉原语,如坐标框、区域标记 需要定位图像元素时视觉模型更有优势
架构特点 文本分词、推理生成 视觉编码、文本分词、图文融合推理 视觉模型链路更复杂
上下文成本 文本 token 文本 token + 视觉 token 多图、高分辨率图片需评估成本
接入复杂度 较低 较高,需要处理图片输入 无图片基础设施时接入成本更高
性能关注 延迟、吞吐、稳定性 额外关注图片加载、视觉编码、多图处理 实时场景需充分压测
安全合规 文本敏感信息 图像中隐私、证件、界面敏感信息 图像场景需要更强脱敏与权限控制
运维成本 常规模型监控 增加图片链路监控 视觉模型需要更完整观测体系
迁移难度 作为基础模型易接入 需要补充图片处理与输出解析 文本业务迁移到视觉需灰度验证
适用场景 问答、摘要、代码、Agent 规划 图片问答、截图理解、图表解读、文档版面、区域定位 场景是否含图像是关键判断点

六、典型场景选择:什么时候继续用文本模型,什么时候引入视觉模型?

1. 更适合继续采用文本模型的场景

如果业务输入全部为文本,且没有图片理解需求,继续采用文本模型通常更稳妥。

典型场景包括:

  • 知识库问答;
  • 工单分类;
  • 评论情感分析;
  • 长文摘要;
  • 合同文本抽取;
  • 代码生成;
  • 技术文档理解;
  • Agent 任务规划;
  • 结构化文本抽取;
  • 日志分析;
  • 文本风控;
  • 多轮对话系统。

这些场景的特点是输入稳定、输出以文本为主、调用链路清晰、成本容易控制。在没有明确图像需求前,不建议为了“多模态”而引入视觉模型。

2. 更适合引入视觉模型的场景

如果业务中存在图片、截图、图表、文档版面或界面元素,并且希望模型直接理解这些内容,可以考虑引入视觉模型。

典型场景包括:

  • 用户上传截图后自动分析报错;
  • 图片内容摘要;
  • 图片信息抽取;
  • 图表数据解读;
  • 文档版面理解;
  • 界面按钮或字段定位;
  • 商品图片描述;
  • 图片审核辅助;
  • 图文一致性检查;
  • 视频关键帧分析;
  • 扫描件内容理解;
  • 表单截图结构化。

这些场景的共同点是:图像本身就是业务信息的重要来源。如果继续只使用文本模型,就需要额外引入外部识别模块,而视觉模型可以减少链路拼接,提升图文联合推理能力。

3. 更适合采用“文本模型 + 视觉模型”组合的场景

在一些复杂业务中,并不是所有任务都需要视觉能力。此时可以采用组合策略:

  • 文本任务继续由文本模型处理;
  • 涉及图片的任务路由到视觉模型;
  • 视觉模型输出结果后,再交给文本模型进行整理、审核或二次生成。

例如:

  1. 用户提交工单,包含文本描述和截图;
  2. 系统先调用文本模型做文本分类;
  3. 若识别到截图字段,则调用视觉模型提取截图关键信息;
  4. 最后由文本模型汇总生成处理结果。

这种组合方式可以兼顾成本、稳定性和能力覆盖。


七、选型建议:不要只看能力,要看链路复杂度与业务价值

1. 如果当前业务没有图像输入,优先考虑文本模型

视觉模型的价值前提是“图像输入确实存在”。如果业务输入全部为文本,引入视觉模型可能只增加调用复杂度,而不会带来实际收益。

在这种情况下,文本模型通常更适合作为默认选择,因为它的链路更短、监控更简单、成本更可控、团队熟悉度更高。

2. 如果业务已经有图片上传或截图采集,可以重点评估视觉模型

如果系统已经存在图片上传、截图提交、文档附件等能力,那么引入视觉模型可以较快释放业务价值。此时不需要额外建设图片输入链路,只需要扩展模型调用逻辑。

建议优先选择以下任务进行试点:

  • 图片内容摘要;
  • 截图关键信息抽取;
  • 图片描述生成;
  • 图像问答;
  • 文档版面理解;
  • 图片标签辅助生成。

这些任务通常对实时性要求相对较低,输出也较容易验证。

3. 如果业务对延迟和稳定性要求极高,需要谨慎引入视觉模型

视觉模型链路更复杂,涉及图片输入与视觉推理。对于高并发、低延迟场景,建议在正式上线前进行充分评估,包括:

  • 单图请求延迟;
  • 多图请求延迟;
  • 图片异常处理;
  • 超时重试策略;
  • 批量请求吞吐;
  • 降级方案;
  • 回退到文本模型的可行性。

如果业务对实时性要求极高,且图片输入不是核心环节,可以继续使用文本模型。

4. 如果业务需要区域定位或视觉原语输出,视觉模型更有价值

如果业务不仅要求模型“理解图片”,还要求模型指出“图片中的某个元素在哪里”,那么视觉模型的视觉原语输出能力更有优势。

例如:

  • 指出截图中的按钮位置;
  • 标出文档中的表格区域;
  • 定位界面中的表单字段;
  • 标注图片中的关键对象。

这类需求很难仅靠文本模型完成。即使通过外部识别工具实现,也可能增加链路复杂度和维护成本。

5. 如果团队运维能力有限,应优先评估接入和监控成本

视觉模型不仅是模型能力问题,也是工程问题。团队需要评估自身是否具备:

  • 图片上传与存储能力;
  • 图片压缩与格式处理能力;
  • 图片安全脱敏能力;
  • 图片请求监控能力;
  • 视觉输出解析能力;
  • 故障降级能力。

如果团队运维能力有限,且当前没有图片基础设施,可以先从非核心场景试点,而不是直接替换核心文本链路。


八、迁移与使用注意事项

1. 从文本模型迁移到视觉模型

如果原计划使用文本模型,现在希望迁移到视觉模型,需要重点关注以下事项。

第一,调整请求结构

文本模型请求通常只包含文本内容。迁移到视觉模型后,需要在请求中增加图像字段,并将文本指令与图像输入一起传入。

示意结构如下:

  1. {
  2. "messages": [
  3. {
  4. "role": "user",
  5. "content": [
  6. {"type": "text", "text": "请分析这张截图中的报错信息"},
  7. {"type": "image", "image": "<image_data_or_reference>"}
  8. ]
  9. }
  10. ]
  11. }

字段名称和具体格式应以实际接口规范为准,但整体思路是将图像作为输入内容的一部分。

第二,建立图片预处理链路

图片输入前通常需要处理:

  • 图片格式转换;
  • 图片压缩;
  • 尺寸校验;
  • 图片数量限制;
  • 图片方向校正;
  • 图片清晰度检查;
  • 敏感内容识别;
  • 图片存储与引用。

这些步骤可以减少异常输入对模型调用稳定性的影响。

第三,重新构建评测集

文本模型的评测集通常只包含文本输入和预期文本输出。视觉模型需要补充图像评测集,例如:

  • 单图描述;
  • 图文问答;
  • 图片信息抽取;
  • 截图定位;
  • 图表理解;
  • 文档版面识别;
  • 图像异常输入;
  • 多图输入;
  • 文本与图像冲突。

没有图片评测集,就很难判断迁移后效果是否达标。

第四,设计降级与回退策略

视觉模型调用可能受到图片输入影响。如果图片加载失败、格式异常或视觉推理超时,需要有降级策略:

  • 回退到文本模型处理纯文本部分;
  • 提示用户重新上传图片;
  • 返回图片解析失败标识;
  • 跳过图片字段,仅保留文本结果;
  • 对关键任务进入人工审核。

第五,关注成本变化

视觉模型会增加图片相关 token 和计算资源。建议上线前进行调用量估算,并设置:

  • 单请求图片数量上限;
  • 单张图片大小上限;
  • 图片分辨率控制;
  • 每日调用量告警;
  • 异常图片过滤;
  • 成本监控指标。

2. 从视觉模型回退到文本模型

如果原本使用视觉模型,但某些任务只需要文本能力,也可以回退到文本模型。需要注意的是:

  • 删除图片字段,避免无效输入;
  • 调整提示词,避免要求模型描述图片;
  • 检查原有文本任务输出是否稳定;
  • 如果模型输出包含视觉原语,需要移除相关解析逻辑;
  • 如果业务依赖区域定位,则不能简单回退。

3. 图片安全与数据合规

图像输入场景应重点关注以下合规问题:

  • 是否采集人脸、证件、车牌等敏感信息;
  • 是否允许用户上传内部截图;
  • 是否对图片进行脱敏;
  • 是否对图片访问设置权限;
  • 是否在日志中保留原始图片;
  • 是否提供图片删除机制;
  • 是否进行租户隔离;
  • 是否记录访问审计日志。

对于企业应用,建议将图片安全作为视觉模型上线的必选项,而不是可选项。

4. 监控与告警

视觉模型上线后,建议新增以下监控指标:

  • 图片解析成功率;
  • 图片格式错误率;
  • 图片尺寸超限率;
  • 多图请求比例;
  • 视觉 token 平均消耗;
  • 视觉输出解析失败率;
  • 图文联合推理错误率;
  • 图片请求超时率;
  • 图片下载或读取失败率;
  • 用户重新上传率。

这些指标可以帮助团队快速判断问题来自图片输入、视觉模型还是上层业务逻辑。


九、总结:选型的关键不是“谁更强”,而是“业务是否需要图像输入”

从对比来看,纯文本模型和多模态视觉理解模型并不是简单的替代关系,而是面向不同输入形态的模型能力。

纯文本模型的优势在于:

  • 链路简单;
  • 接入成熟;
  • 成本可控;
  • 适合大多数文本任务;
  • 对代码、推理、Agent 规划等场景支持稳定。

多模态视觉理解模型的优势在于:

  • 能理解图像内容;
  • 能完成图文联合推理;
  • 可输出视觉原语;
  • 适合截图、图表、文档、界面等场景;
  • 在保留文本能力的同时扩展了输入边界。

如果当前业务没有图像输入,继续采用文本模型通常更稳妥。如果业务中存在图片、截图、图表或文档版面,并且希望模型直接理解这些内容,则可以评估视觉模型。如果业务同时包含文本和图像,也可以采用“文本模型 + 视觉模型”的组合架构,让不同模型承担各自擅长的任务。

最终选型建议可以归纳为三句话:

  1. 没有图像需求,优先文本模型,保持链路简单。
  2. 有图像输入且需要原生理解,评估视觉模型。
  3. 关键生产链路引入视觉模型前,务必完成评测、灰度、监控和回退设计。

在多模态能力不断普及的背景下,开发者真正需要关注的不是盲目追逐新模型,而是根据业务输入形态、调用成本、安全要求和运维能力,选择最合适的模型组合。这样才能既获得视觉理解能力,又保持系统的稳定性与可控性。

发表评论

活动