ERNIE 4.5 VL 28B A3B API

ERNIE 4.5 VL 28B A3B, мультимодальная vision-language модель семейства Baidu, архитектура гетерогенный Mixture of Experts (MoE) с 28B общих и 3B активных параметров на токен. Поддерживает контекстное окно токенов, принимает на вход текст и изображения. Выпущена под лицензией Apache 2.0 с открытыми весами и разрешением коммерческого использования, поддерживает два режима инференса: thinking и non-thinking. Модель использует 64 текстовых и 64 визуальных эксперта с 2 общими экспертами, дообучена методами SFT, DPO, UPO и RLVR для улучшения мультимодального понимания. Показывает конкурентоспособные результаты против более крупных моделей (Qwen2.5-VL-7B, Qwen2.5-VL-32B) при меньшем количестве активных параметров. Доступна в форматах PaddlePaddle и PyTorch.