Baidu: Qianfan-OCR-Fast (Бесплатно)

Baidu: ERNIE 4.5 VL 424B A47B

baidu

ERNIE-4.5-VL-424B-A47B — это мультимодальная модель на архитектуре Mixture-of-Experts (MoE) из серии Baidu ERNIE 4.5. Общее количество параметров составляет 424 миллиарда, из которых 47 миллиардов активируются для каждого токена. Модель прошла совместное обучение на текстовых и визуальных данных с использованием гетерогенной архитектуры MoE и изолированной маршрутизации по модальностям. Это обеспечивает высокую точность кросс-модальных рассуждений, понимание изображений и генерацию длинных контекстов до 131 000 токенов. Благодаря тонкой настройке методами SFT, DPO, UPO и RLVR, модель поддерживает режимы инференса с этапом предварительных рассуждений и без него. Решение предназначено для визуально-языковых задач на английском и китайском языках, оптимизировано для эффективного масштабирования и поддерживает работу в режимах 4-битного и 8-битного квантования. Доступ к модели осуществляется через API alltokens.