210M小模型干翻600M，网页清洗成本砍95%

网页清洗这个脏活累活，之前大家要么用 rule-based 的 readability-lxml、trafilatura，要么上昂贵的 LLM 做抽取。Pulpie 的取巧在于把问题重新定义为 token 级别的二分类，而不是生成式抽取，这让它能用小 encoder 硬刚大模型的精度。

做爬虫平台和 RAG 管道的团队可以重点关注。10 亿页 7900 美元意味着清洗成本从"要不要做"变成了"忽略不计"，这可能会改变很多产品的经济模型——比如实时全网 RAG、监控竞品动态这些之前成本过高的场景现在可以跑通了。

一个风险点：HTML 结构本身在变化，Pulpie 对现代 SPA、Shadow DOM 的兼容性需要实测验证，encoder 的上下文窗口也可能成为长页面的瓶颈。