ERNIE来自创作者
百度发布 ERNIE-4.5-VL-28B-A3B-Thinking 多模态推理模型
百度推出 ERNIE-4.5-VL-28B-A3B-Thinking，在 ERNIE-4.5-VL-28B-A3B 基础上经大规模中期训练和多模态强化学习升级，推理时只激活 3B 参数，百度称多项基准接近业界顶级旗舰模型。
新模型加强了视觉推理、拍照解题等理科任务、视觉定位和视频理解，并支持“用图像思考”：配合图像缩放和图像搜索工具，可放大细节、检索长尾知识。
要点
- 只激活 3B 参数的轻量多模态模型。
- 强化学习结合 GSPO 和 IcePop 策略。
- 应社区需求加强视觉定位能力。
- 可调用图像缩放和图像搜索工具。
原文：ERNIE-4.5-VL-28B-A3B-Thinking: A Breakthrough in Multimodal AI
Responding to strong community demand, we’ve significantly strengthened the model’s grounding performance with improved instruction-following capabilities, making visual grounding functions more accessible than ever.
收录于 。摘自官方博客的简短节选，著作权归原发布者所有。