🧠 一、基本信息
1. 模型名称与版本
- 模型名称：ERNIE（Enhanced Representation through Knowledge Integration）
- 所属公司/机构：百度（Baidu）
- 网址：yiyan.baidu.com
2. 版本和发布时间
- ERNIE 3.0 Titan（2021年12月）：支持大规模知识增强预训练。
- ERNIE 3.5（2023年6月）：提升生成、问答、推理与代码能力。
- ERNIE 4.0（2023年10月）：引入多模态处理能力。
- ERNIE 4.5（2025年3月）：在推理、生成、记忆等方面全面升级。
- ERNIE X1（2025年3月）：专注深度推理的模型，性能对标 DeepSeek R1。
- ERNIE 4.5 Turbo / X1 Turbo（2025年4月）：性能提升，成本降低。
⚙️ 二、技术架构与能力
1. 模型规模
- 参数数量：ERNIE 3.0 Titan 拥有 100 亿参数。
- 模型类型：Transformer 架构，融合知识图谱，采用多模态混合专家（MoE）机制。
2. 训练数据与语料
- 数据覆盖范围：训练语料包括 4TB 的纯文本和大规模知识图谱，涵盖中文和英文数据。
- 多模态数据：支持文本、图像、音频和视频等多种数据类型。
3. 技术亮点
- 支持的输入类型：文本、图像、音频、视频。
- 支持的输出能力：文本生成、摘要、代码生成、多模态推理等。
- 关键技术特性：
- FlashMask 动态注意力机制，提升上下文理解能力。
- 异构多模态专家模型，增强多模态处理能力。
- 时空压缩表示，优化视频等长序列处理。
- 知识中心训练数据构建，提升知识推理能力。
- 自反馈增强后训练，提升模型稳定性和准确性。
🛠️ 三、功能与应用场景
1. 通用能力
- 文本生成、问答、翻译、改写、摘要。
- 推理、代码生成、数学解题、逻辑推断能力。
- 多模态推理，结合文本、图像、音频和视频的复杂输入。
2. 典型应用
- 办公自动化：撰写邮件、总结会议纪要。
- 内容创作：文案、脚本、营销素材。
- 编程辅助：代码补全、调试建议。
- 企业场景：客服、搜索引擎增强、知识问答。
📊 四、性能表现
1. 评测指标
- 在 MMLU-Pro、GSM8K、HumanEval+ 等基准测试中表现优异。
- 在 MathVista 和 DocVQA 等多模态任务中超过 GPT-4.5。
- ERNIE 4.5 的平均得分为 79.6，领先于 DeepSeek V3 和 GPT-4o。
2. 实际表现
- 在处理复杂推理、多模态任务和长文本生成中表现出色。
- 用户反馈生成内容准确、上下文保持能力强。
🧩 五、接口与产品形态
1. 使用方式
- API 接口：提供开放平台，支持灵活的 API 调用。
- 集成产品：文心一言（ERNIE Bot）、百度搜索、百度地图等。
2. 上下文长度/窗口大小
- 支持长文本输入，具体长度未公开。
3. 插件/工具能力
- 支持代码运行、联网搜索、文件处理、图像生成等插件。
💰 六、定价与可用性
1. 收费模式
- 免费与付费版本的功能差异：ERNIE Bot 自 2025 年 4 月起免费开放。
- 收费方式：企业用户可通过百度智能云购买 API 调用服务。
- 授权政策：支持企业和开发者的定制化授权方案。
2. 可用平台
- 支持网页、桌面应用、移动端。
- API 支持主流编程语言集成。
3. 使用建议
- 初学者：可通过文心一言体验基本功能。
- 专业用户：根据需求选择合适的订阅计划，获取更多功能和支持。
