Baidu präsentiert ERNIE-4.5-VL-28B-A3B-Thinking: Kompaktes Open-Source-Modell

Die Frage, wie man multimodales Reasoning für Dokumente, Diagramme und Videos mit einem Modell der Größenordnung von 3 B Parametern in der Produktion realisieren kann, hat Baidu zu einer neuen Lösung geführt. Das Unternehmen hat das Modell ERNIE-4.5-VL-28B-A3B-Thinking in die offene ERNIE‑4.5-Familie aufgenommen.

ERNIE-4.5-VL-28B-A3B-Thinking ist ein Vision‑Language‑Modell, das speziell auf die Analyse von Textdokumenten, grafischen Darstellungen und Videoinhalten ausgelegt ist. Trotz seiner kompakten Größe nutzt es einen schlanken aktiven Parameterbereich, um dennoch leistungsfähiges multimodales Verständnis zu ermöglichen.

Durch die Veröffentlichung dieses Modells bietet Baidu Entwicklern ein leichtgewichtiges, aber dennoch leistungsstarkes Werkzeug, um komplexe multimodale Aufgaben in produktiven Umgebungen zu bewältigen, ohne auf große Rechenressourcen angewiesen zu sein.