百度推出多模态AI模型ERNIE-4.5-VL-28B-A3B-Thinking，能深度融合图像进行推理。该模型在多项基准测试中表现优异，有时超越谷歌Gemini2.5Pro和OpenAI GPT-5High等顶尖商业模型。虽总参数量280亿，但采用路由架构，仅激活30亿参数，实现轻量高效推理。
【AI日报】报道月之暗面开源AI代理框架Kosong，具备异步工具编排、插件化设计及开箱即用Python支持，显著提升开发者自由度。该框架通过灵活架构助力技术探索与产品创新。详情可访问aibase.com获取最新AI动态。
百度发布多模态模型ERNIE-4.5-VL-28B-A3B-Thinking，新增“图像思考”功能，显著提升图像理解与处理能力。模型采用3B激活参数，计算高效灵活，支持多任务处理，推动AI技术发展。
文心ERNIE-5.0-Preview-1022模型在LMArena大模型竞技场最新排名中，成为国内文本能力冠军，全球并列第二。该模型在创意写作、复杂问题理解等方面表现突出，标志着中国在大模型技术上取得新突破，展现人工智能发展的强劲潜力。
Baidu
$1
输入tokens/百万
$4
输出tokens/百万
64
上下文长度
$3
$9
128
$0.8
$3.2
-
$10
32
$0.1
$0.4
8
4
cyankiwi
ERNIE-4.5-VL-28B-A3B-Thinking AWQ - INT8是基于百度ERNIE-4.5架构的多模态大语言模型，通过AWQ量化技术实现8位精度，在保持高性能的同时大幅降低内存需求。该模型在视觉推理、STEM问题解决、图像分析等方面表现出色，具备强大的多模态理解和推理能力。
wekW
本模型是百度ERNIE-4.5-21B-A3B-Thinking模型的GGUF量化版本，采用Q8_0量化格式，通过llama.cpp工具转换而成，支持在兼容GGUF格式的推理框架中使用。
nightmedia
这是百度ERNIE-4.5-21B-A3B-Thinking模型的MLX格式转换版本，使用mlx-lm 0.27.1工具转换，专为Apple Silicon设备优化，支持高效推理。
Mungert
ERNIE-4.5-21B-A3B-PT是基于MoE架构的先进文本生成模型，具有210亿参数和高效的多模态处理能力。
unsloth
ERNIE-4.5-300B-A47B 是一款文本 MoE 后训练模型，拥有 3000 亿的总参数，每个标记有 470 亿的激活参数。该模型具备多模态异构 MoE 预训练、高效扩展基础设施和特定模态后训练等先进技术，能在文本理解与生成、图像理解及跨模态推理等任务中表现出色。
ERNIE-4.5-21B是一款强大的文本生成模型，基于先进的技术创新，在文本理解、生成等多方面表现出色。
gabriellarson
ERNIE-4.5-300B-A47B 是一款基于 MoE 架构的多模态预训练模型，具备强大的文本理解和生成能力，支持视觉-语言联合推理。
ERNIE-4.5-0.3B-PT是一个基于ERNIE 4.5技术的文本生成模型，参数规模为0.36B，能够高效处理文本生成任务。
lmstudio-community
基于百度ERNIE-4.5-21B-A3B模型的社区版本，采用MLX实现8位量化优化，专门针对苹果芯片设备进行性能优化，适用于文本生成任务。
百度ERNIE-4.5-21B-A3B是基于ERNIE-4.5-21B-A3B-PT基础模型的社区版本，采用MLX进行6位量化，专门为苹果芯片优化。该模型在LM Studio社区模型亮点计划中展示，具有高效的推理性能和良好的兼容性。
ERNIE-4.5-21B-A3B是百度开发的大语言模型，经过LM Studio团队的MLX 4位量化优化，专门针对苹果芯片进行了优化。该模型具有210亿参数，支持中文和英文，采用Apache-2.0开源许可证。
mlx-community
ERNIE-4.5-21B-A3B-PT-8bit 是百度 ERNIE-4.5-21B-A3B-PT 模型的 8 位量化版本，转换为 MLX 格式，适用于苹果芯片设备。
ERNIE-4.5-0.3B-PT-bf16 是由百度开发的 ERNIE 系列模型的一个版本，参数规模为 0.3B，使用 bf16 精度进行训练。
bartowski
百度ERNIE-4.5-21B-A3B-PT模型的量化版本，通过llama.cpp进行量化处理，提升在不同硬件环境下的运行效率和性能。
基于百度ERNIE-4.5-0.3B-PT模型的量化版本，通过llama.cpp工具进行优化，减少模型大小并提升运行效率。
百度ERNIE 4.5 0.3B是基于Transformer架构的双语文本生成模型，在通用语言理解和生成任务上表现优异，支持中英双语处理，上下文长度达128k token。
wqerrewetw
该模型是百度ERNIE-4.5-0.3B-PT的GGUF格式转换版本，支持中英文文本生成任务。
multimolecule
ERNIE-RNA是一个基于无监督学习的RNA语言模型，在非编码RNA序列上进行预训练，采用掩码语言模型目标。该模型能够理解RNA语言的语法，为RNA结构和功能预测等下游任务提供支持。
baidu
ERNIE-Code是一个统一的大型语言模型，连接了116种自然语言和6种编程语言，支持多种跨语言任务。
MoritzLaurer
支持100种语言的自然语言推理模型，适用于多语言零样本分类任务
%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)
