ERNIE-4.5-VL – 百度文心开源的新一代多模态AI模型

ERNIE-4.5-VL是什么

ERNIE-4.5-VL是百度文心开源的新一代多模态AI模型，基于ERNIE-4.5-VL-28B-A3B架构，激活参数3B，主打视觉语言理解与跨模态推理。模型通过海量视觉-语言数据训练强化语义对齐，并采用多模态强化学习提升稳定性，新增视觉定位与”图像思考”功能，支持文档解析、视频分析等场景。模型支持2-Bit无损量化和128K超长上下文窗口，优化了显存占用和推理速度，能处理超长文本内容。

ERNIE-4.5-VL的主要功能

• 多模态理解与生成：ERNIE-4.5-VL 能同时处理文本和图像信息，实现图像描述生成、图文问答、图像分类等功能，支持多模态内容的综合理解和创作。