ERNIE 4.5 VL 424B A47B

ERNIE 4.5 VL 424B A47B verbindet Bildverständnis mit einer heterogenen Mixture-of-Experts-Architektur. Das offene Modell verarbeitet Text und Bilder, aktiviert 47 von 424 Milliarden Parametern und nutzt 54 Schichten mit 131.072 Token Kontext.

Baidu dokumentiert für das Vision-Language-Post-Training einen Denk- und einen Nicht-Denkmodus. Apache 2.0 gilt für die veröffentlichten Gewichte. Die genaue Profilkennung endet auf PT. In der Modellkarte steht PT für das PyTorch-Format, nicht für ein Pretraining- oder Base-Modell. Diese Unterscheidung verhindert, dass du aus dem Suffix eine falsche Modellvariante ableitest.