百度の沈抖氏は、2026年下半期に汎用および業界特化型AIエージェントの実装事例が急増すると予測。今後3年が勝負の期間で、業務の90%はAIとの深い協調によって遂行され、人間の完全代替には至らないと見込む。....
7月16日、上海WAICにて百度智能雲のノーコードプラットフォーム「秒哒」がバージョン3.5を発表。「一言でアプリ作成」から「より簡単で全能」へ進化し、開発ハードルをさらに低減。累計3500万ユーザーにサービス提供し、350万の商用アプリを創出。日平均約20万人が利用中。....
百度文庫と網盤がGenFlowを強化し、独立Web/クライアント版を提供。金融・教育・オフィス向けマルチデバイス対応Agent基盤へ。7月末に内部テスト開始、まず金融特化ソリューションに注力。専門領域深耕を図る。....
IDCレポートによると、2025年中国金融業の生成AI市場規模は17.4億元に達し、前年比90.4%増とほぼ倍増し、業界の導入スピードが明らかになった。百度智能雲が技術優位性で再び市場をリード。....
百度が開発したAIスマート検索製品で、パーソナライズされた回答を提供します。
開発者が百度エコシステムで正確な検索トラフィック配信を獲得できるよう支援します。
百度が提供するノーコードツール。自然言語だけでアプリケーションを生成し、誰もがプログラマーとしての能力を持つことができます。
複数のAIサービスを統合したインテリジェント検索プラットフォーム
Xai
$1.4
入力トークン/百万
$3.5
出力トークン/百万
2k
コンテキスト長
Openai
$7.7
$30.8
200
Baidu
-
128
Alibaba
$2
$20
256
$0.8
32
Tencent
$1
$4
Anthropic
$105
$525
Huawei
$21
Iflytek
8
64
$0.5
224
cyankiwi
ERNIE-4.5-VL-28B-A3B-Thinking AWQ - INT8は、百度のERNIE-4.5アーキテクチャに基づくマルチモーダル大規模言語モデルで、AWQ量子化技術を通じて8ビット精度を実現し、高性能を維持しながらメモリ要件を大幅に削減します。このモデルは、視覚推論、STEM問題解決、画像分析などの分野で優れた性能を発揮し、強力なマルチモーダル理解と推論能力を備えています。
wekW
このモデルは、百度のERNIE-4.5-21B-A3B-ThinkingモデルのGGUF量子化バージョンで、Q8_0量子化形式を採用し、llama.cppツールで変換され、GGUF形式に対応した推論フレームワークで使用できます。
nightmedia
これは百度のERNIE-4.5-21B-A3B-ThinkingモデルのMLX形式変換バージョンで、mlx-lm 0.27.1ツールを使用して変換され、Apple Siliconデバイス用に最適化され、効率的な推論をサポートします。
lmstudio-community
百度ERNIE-4.5-21B-A3Bモデルをベースとしたコミュニティ版で、MLXを用いて8ビット量子化最適化を行い、Appleチップデバイス向けに性能最適化を行っており、テキスト生成タスクに適しています。
百度ERNIE-4.5-21B-A3Bは、ERNIE-4.5-21B-A3B-PT基礎モデルに基づくコミュニティ版で、MLXを使用して6ビット量子化を行い、Appleチップに特化して最適化されています。このモデルはLM Studioコミュニティモデルハイライトプログラムで展示され、高い推論性能と良好な互換性を持っています。
ERNIE-4.5-21B-A3Bは百度が開発した大規模言語モデルで、LM StudioチームによるMLX 4ビット量子化最適化を経て、Appleチップに特化した最適化が行われています。このモデルは210億のパラメータを持ち、中国語と英語をサポートし、Apache-2.0オープンソースライセンスを採用しています。
mlx-community
ERNIE-4.5-21B-A3B-PT-8bitは、百度のERNIE-4.5-21B-A3B-PTモデルの8ビット量子化バージョンで、MLX形式に変換されており、Appleチップ搭載のデバイスに適しています。
ERNIE-4.5-0.3B-PT-bf16は百度が開発したERNIEシリーズのモデルの一つで、パラメータ規模は0.3Bで、bf16精度で学習されています。
bartowski
百度ERNIE-4.5-21B-A3B-PTモデルの量子化バージョンで、llama.cppを通じて量子化処理を行い、様々なハードウェア環境での実行効率と性能を向上させます。
百度ERNIE-4.5-0.3B-PTモデルに基づく量子化バージョンで、llama.cppツールを通じて最適化され、モデルサイズを削減し、実行効率を向上させます。
百度ERNIE 4.5 0.3BはTransformerアーキテクチャに基づくバイリンガルテキスト生成モデルで、汎用言語理解と生成タスクで優れた性能を発揮し、中英バイリンガル処理をサポートし、コンテキスト長は128kトークンに達します。
wqerrewetw
このモデルは、百度のERNIE-4.5-0.3B-PTをGGUF形式に変換したバージョンで、英語と中国語のテキスト生成タスクをサポートしています。
MoritzLaurer
これは100言語をサポートする多言語モデルで、自然言語推論（NLI）とゼロショット分類タスク用に設計されており、百度のERNIE - Mアーキテクチャに基づき、XNLIとMNLIデータセットで微調整されています。
nghuyong
ERNIE 3.0は、言語理解と生成を目的とした大規模な知識拡張事前学習モデルで、百度によって開発されました。
ERNIE 3.0は百度が開発した言語理解と生成向けの大規模知識拡張事前学習モデルで、micro-zhはその小型中国語バージョンです。
ERNIE 3.0は、言語理解と生成に向けた大規模な知識拡張事前学習モデルで、百度によって開発されました。
ERNIE 3.0は中国語の言語理解と生成に向けた大規模な知識拡張事前学習モデルで、百度研究院によって開発されました。
Yaxin
SKEP（感情知識拡張事前学習モデル）は百度によって2020年に提案され、感情分析タスクのために特別に設計されました。このモデルは感情マスキング技術と3つの感情事前学習目標を通じて、複数タイプの知識を統合して事前学習を行います。
DMetaSoul
bert-base-chineseをベースにしたBERTモデルで、百度知道の質問マッチングデータセットでトレーニングされ、オープンドメインの質問マッチングシナリオに適しています。
ERNIE 2.0は、百度が2019年に提案した継続的プリトレーニングフレームワークで、継続的なマルチタスク学習を通じてプリトレーニングタスクを段階的に構築・最適化します。多くのタスクでBERTやXLNetを上回る性能を示しています。
百度マップMCPサーバーは国内初のMCPプロトコルに対応した地図サービスで、地理コーディング、ルート計画など10個の標準化されたAPIインターフェースを提供し、PythonとTypescriptでの迅速な接続をサポートし、エージェントに地図関連の機能を実現させます。
百度クラウドベクトルデータベースMCPサーバーは、百度クラウドベクトルデータベースの機能にアクセスするためのサーバーで、さまざまな大規模言語モデルアプリケーションと連携して使用できます。
百度文心APIに基づくインテリジェント検索MCPサーバーの実装
百度知能雲曦霊デジタルヒューマンオープンプラットフォームは、MCPプロトコルに基づく13個のAPIインターフェースを提供し、デジタルヒューマンビデオ生成、音色クローンなどの機能をサポートし、複数のMCPエージェントアシスタントと互換性があり、迅速に接続できる。
百度検索MCPサーバーは、百度検索機能を提供するモデルコンテキストプロトコルサービスで、ウェブページのコンテンツ収集と解析機能を備え、大規模言語モデルの出力を最適化するように設計されています。
MCP-百科レンダリングは、百度百科の内容にアクセスしてレンダリングするためのMCPサーバーで、データ取得と内容分析機能を提供します。
AppBuilder - SDKは、百度智能雲千帆プラットフォームが提供するAIネイティブアプリケーション開発ツールキットで、モデル呼び出し、コンポーネントの編成、監視とデプロイをサポートしています。
Transformers多言語%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
