Ernie 4.5 VL 424B A47B
нейросеть
Ernie 4.5 VL 424B A47B — мультимодальная MoE-модель Baidu, обученная совместно на тексте и изображениях, с доступом по API.
Макс. длина ответа
(в токенах)
Размер контекста
(в токенах)
Стоимость промпта
(за 1M токенов)
Стоимость ответа
(за 1M токенов)
Как работает Ernie 4.5 VL 424B A47B?
Ernie 4.5 VL 424B A47B — мультимодальная модель из семейства ERNIE 4.5 от Baidu. В её основе архитектура Mixture-of-Experts: из 424 миллиардов параметров на каждый токен задействуется около 47 миллиардов, поэтому большой объём знаний сочетается с экономной генерацией. Модель обучалась одновременно на тексте и изображениях, так что понимает картинку и текстовый запрос как единую задачу. В BotHub модель работает без VPN и зарубежной карты: платите российской картой в рублях и только за фактически израсходованные токены, которые не сгорают. Рядом в том же окне более 250 моделей: можно сравнить ответы и переключиться, а единый OpenAI-совместимый API позволяет менять модель в коде одной строкой. Для компаний есть договор, счёт и админ-панель с лимитами. Загрузите скриншот интерфейса или схему и попросите разобрать её, соберите описания товаров по фотографиям, распознайте данные с документов, разберите график из отчёта или соедините визуальный анализ с текстовой аналитикой в своём сервисе.Частые вопросы о Ernie 4.5 VL 424B A47B
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
Это мультимодальная модель Baidu: принимает на вход текст, изображения и документы, а в ответ выдаёт текст. Подходит для разбора схем, скриншотов и сканов, анализа длинных материалов, работы с кодом и задач, где нужно связать картинку с текстовым контекстом.
До 16 000 токенов в одном ответе — этого хватает на развёрнутый разбор документа, большой фрагмент кода или подробную инструкцию. Контекст запроса — 123 000 токенов, так что в диалог можно загрузить объёмные материалы и возвращаться к ним по ходу работы.
Да, режим рассуждений поддерживается: модель разбирает задачу по шагам, прежде чем дать ответ. Это заметно помогает на логике, математике, разборе данных с картинки и в случаях, когда нужно сопоставить несколько источников внутри одного запроса.
В наших данных такая пометка не стоит, поэтому обещать стабильный function calling не будем. Структурированный ответ обычно можно получить через описание нужного формата прямо в промте. Проверьте поведение на своём сценарии — переключиться на другую модель в BotHub можно без переписывания интеграции.
Изображения и документы — да, это заявленные возможности модели: можно прислать скриншот, фотографию, схему, PDF или презентацию и попросить разобрать содержимое. Про приём аудио и видео в наших данных пометки нет, поэтому рассчитывать на них не стоит.
Модель мультиязычная, и с русским она работает — можно формулировать запросы и получать ответы привычным образом. Качество лучше оценить на своих задачах: прогоните типовой промт и сравните с другими моделями в одном окне BotHub, оплата идёт по факту за токены.