基于强大的ERNIE-4.5-VL-28B-A3B架构全新升级的ERNIE-4.5-VL-28B-A3B-Thinking，在多模态推理能力上实现了质的飞跃。✨通过大规模的中期训练阶段，模型吸收了海量且高度多样化的优质视觉语言推理数据。这种超大规模训练显著提升了模型的表征能力，同时加深了视觉与语言模态间的语义对齐——解锁了前所未有的精细化图文推理能力。
该模型在可验证任务上运用前沿的多模态强化学习技术，整合GSPO与IcePop策略以稳定混合专家训练，配合动态难度采样实现卓越的学习效率。⚡为响应社区强烈需求，我们大幅强化了模型的指代性能并提升指令跟随能力，使视觉定位功能比以往更易用。此外，创新的”图像思考”功能结合图像放大、以图搜图等工具，显著增强了模型处理细粒度细节与长尾视觉知识的能力。️
这些增强共同构成了开发复杂多模态智能体的关键基础，助力开发者和研究者突破视觉语言理解的边界，打造新一代人工智能应用。
作为仅激活 30亿参数 文心一言 ERNIE Bot 教程 ⚡ 的轻量级模型，文心4.5-VL-280亿-A3B思维 在各基准测试中与业界顶级旗舰模型的性能表现不相上下。
- 视觉推理 ️：通过大规模强化学习增强，模型在复杂视觉任务中展现出卓越的多步推理、图表分析和因果推理能力！✨
- STEM解题 ：依托强大的视觉能力，模型在STEM任务（如拍照解题）上实现性能飞跃，复杂题目也能轻松应对！
- 视觉定位 ：具备更精准的定位和灵活执行指令能力，复杂工业场景中可轻松触发定位功能，大幅提升效率！⚙️
- 图像思维 ：模型像人类一样思考图像，可自由缩放画面以把握每个细节，挖掘全部信息。️✨
- 工具调用 ️⚡：依托强大的工具调用能力，模型可即时使用以图搜图等功能，轻松识别长尾知识，实现全面信息检索！
- 视频理解 ：模型具备出色的时序感知与事件定位能力，精准识别视频中不同时段的内容变化，让视频分析更智能高效！⏱️
Hugging Face 应用
使用 库
以下是如何使用 库进行推理的示例：
vLLM 推理
安装 vLLM 主分支
运行 vLLM
使用 和 运行 vLLM
FastDeploy 快速部署推理
按以下方式使用 FastDeploy 快速部署服务。更详细的使用说明请参考 FastDeploy GitHub 仓库。
注意： 单卡部署至少需要 80GB 的 GPU 显存。
基于ERNIEKit的微调
ERNIEKit是基于飞桨框架的训练工具包，专为ERNIE系列开源大模型设计。该工具全面支持指令微调（SFT、LoRA）和对齐训练（DPO）等场景，确保模型发挥最佳性能。
使用示例：
如需更详细的示例（包括使用LoRA的SFT、多GPU配置及高级脚本），请参阅ERNIEKit代码库中的示例文件夹。
ERNIE 4.5模型基于Apache License 2.0提供。该许可证允许商业用途，但须遵守其条款与条件。版权所有 © 2025 百度公司。保留所有权利。
发布者：Ai探索者，转载请注明出处：https://javaforall.net/268591.html原文链接：https://javaforall.net
