LLM EU
Izvēlne
Modeļi

ERNIE 4.5 VL 28B-A3B

Baidu

Tikai katalogā Atvērtie svari

Pēdējo reizi pārskatīts:

Suverenitāte un mitināšana

Tikai katalogā

Šis modelis ir iekļauts katalogā uzziņai. Tas vēl nav mitināts LLM EU, un neviens pirmās puses galapunkts to šeit neapkalpo. Pieprasījumi uz to tiek nosūtīti tieši pakalpojumu sniedzējam, saskaņā ar šī pakalpojumu sniedzēja noteikumiem.

Kopsavilkums

ERNIE 4.5 VL 28B-A3B ir atvērtā svara redzes-valodu modelis no Baidu ar 29.4B parametriem, publicēts saskaņā ar Apache-2.0. Repozitorijs tika izveidots 2025. gada jūnijā un ir atspoguļots vietnē Hugging Face. Tas pieņem tekstu un attēlus un atbild tekstā. Tas ir pamata kontrolpunkts bez instrukciju pielāgošanas. Publicētajā konfigurācijā nav ierakstīts konteksta logs, tāpēc šajā kartītē tā nav. Kartīte ir tikai katalogam: LLM EU nedarbina šo modeli. Izdevējs uzskaita 2 valodas, no kurām 1 ir starp valodām, kurās publicē Eiropas Savienība.

Specifikācijas

Pakalpojumu sniedzējs
Baidu (CN)
Konteksta logs
Nav verificēts: pakalpojumu sniedzējs nav dokumentējis šo apgalvojumu.
Parametri
29.4B
Modalitātes
text, vision
Licence
apache-2.0 · licence
Atvērtie svari
yes
Izdošanas datums
2025. g. 28. jūn.
Uzdevumi
Redzēšana, Spriešana

Valodas

Spēcīga: en

Adekvāta: zh

Spēcīga

  • en

Adekvāta

  • zh

Nav verificēts: pakalpojumu sniedzējs nav dokumentējis šo apgalvojumu. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

Kad to izmantot

Stiprās puses

  • 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

Ierobežojumi

  • 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