当人工智能进入深度应用的黄金时代，单一模态的局限正被多模态交互彻底打破。文心 ERNIE-4.5-VL 视觉语言模型（ ERNIE-4.5-VL-28B-A3B；ERNIE-4.5-VL-424B-A47B ）以突破性的图文、视频理解与推理能力，架起数字世界与物理世界的智能桥梁，更支持100+语言交互，让跨模态智能触手可及。
实验结果表明，轻量级视觉语言模型 ERNIE-4.5-VL-28B-A3B 的激活参数显著减少，但与 Qwen2.5-VL-7B 和 Qwen2.5-VL-32B 等模型相比，其在大多数基准测试中仍具有竞争力，甚至表现更优。
ERNIE-4.5-VL 模型支持128K 上下文长度，结合"思考模式"与"非思考模式"双选项，既能快速响应基础任务，又能深度破解复杂问题，灵活适配从日常场景到专业领域的全场景需求。
ERNIE-4.5-VL 的跨模态能力覆盖以下核心任务场景：
▎相关链接
■ 文心大模型技术 Blog（含技术报告下载）：
yiyan.baidu.com/blog/posts/...
■ 文心4.5系列模型下载
-
Hugging Face：huggingface.co/baidu
-
GitHub：github.com/PaddlePaddl...
■ 文心4.5系列模型训练部署
-
ERNIEKit：github.com/PaddlePaddl...
-
FastDeploy：github.com/PaddlePaddl...