ERNIE 4.5 от Baidu превзошла GPT-5 и Gemini 2.5 Pro

Baidu представила ERNIE-4.5-VL-28B-A3B-Thinking, новую мультимодальную модель, которая по результатам ряда тестов превосходит GPT-5 и Gemini 2.5 Pro.

ERNIE выделяется способностью эффективно работать с корпоративными данными, такими как инженерные схемы, видео с производства и медицинские изображения, недоступными для обычных текстовых моделей.

Несмотря на высокую производительность, архитектура ERNIE остается относительно «легкой», активируя около трех миллиардов параметров. Это снижает затраты на инференс и делает модель привлекательной для проектов, где стоимость вычислений является ограничивающим фактором.

Модель демонстрирует отличные результаты в анализе визуальных данных, включая графики и схемы, и способна решать технические задачи, например, применять законы Ома и Кирхгофа.

По данным Baidu, ERNIE показала следующие результаты на популярных тестах:

MathVista: ERNIE (82.5) против Gemini (82.3) и GPT (81.3)

ChartQA: ERNIE (87.1) против Gemini (76.3) и GPT (78.2)

VLMs Are Blind: ERNIE (77.3) против Gemini (76.5) и GPT (69.6)

Baidu подчеркивает, что результаты тестов – это лишь ориентир, и перед внедрением в критически важные процессы необходима внутренняя проверка.

ERNIE способна не только понимать данные, но и автоматизировать задачи, такие как поиск объектов на изображениях, извлечение координат и поиск информации по видеоархивам.

Для развертывания модели требуется GPU с 80 ГБ видеопамяти. Baidu предлагает ERNIEKit для тонкой настройки модели на собственных данных, с лицензией Apache 2.0, разрешающей коммерческое использование.

В общем, если вы думали, что ИИ уже достиг своего пика, то Baidu просто напомнила, что конкуренция только начинается, и теперь вам придется еще больше работать, чтобы не оказаться за бортом прогресса. Ну, или просто смириться с тем, что роботы скоро будут умнее нас.