LLM EU
Menu
Modelli

ERNIE 4.5 VL 28B-A3B

Baidu

Solo catalogo Pesi aperti

Ultima revisione:

Sovranità e hosting

Solo catalogo

Questo modello è catalogato per riferimento. Non è ancora ospitato su LLM EU, e nessun endpoint di prima parte lo serve qui. Le richieste ad esso vanno direttamente al fornitore, secondo i termini del fornitore stesso.

Riepilogo

ERNIE 4.5 VL 28B-A3B è un modello vision-language open-weight di Baidu con 29.4B parametri, pubblicato sotto Apache-2.0. Il repository è stato creato a giugno 2025 ed è replicato su Hugging Face. Accetta testo e immagini e risponde in testo. È un checkpoint di base senza instruction tuning. La configurazione pubblicata non registra alcuna finestra di contesto, quindi questa scheda non ne riporta alcuna. La scheda è solo a scopo di catalogo: LLM EU non esegue questo modello. L'editore elenca 2 lingue, 1 delle quali tra le lingue in cui l'Unione Europea pubblica.

Specifiche

Fornitore
Baidu (CN)
Finestra di contesto
Non verificato: il fornitore non ha documentato questa affermazione.
Parametri
29.4B
Modalità
text, vision
Licenza
apache-2.0 · licence
Pesi aperti
yes
Data di rilascio
28 giu 2025
Attività
Visione, Ragionamento

Lingue

Forte: en

Adeguato: zh

Forte

  • en

Adeguato

  • zh

Non verificato: il fornitore non ha documentato questa affermazione. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

Quando usarlo

Punti di forza

  • open weights are published on Hugging Face and can be downloaded without a vendor agreement
  • Apache-2.0 licence, so commercial self-hosting is permitted without a separate agreement
  • the model page lists en

Limiti

  • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
  • no evaluation has been run by LLM EU
  • the published configuration records no context window, so the card carries none
  • at 29.4B parameters, self-hosting needs a single accelerator with enough memory for the weights
  • a base checkpoint: it answers nothing useful without fine-tuning or a task head
  • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model