[TechWeb]根据该计划，7月1日的新闻将于6月30日正式开放Wenxin电影4.5系列模型。百度已经在2月14日，预览了此开源。现在，Wenxin Big Model 4.5（Ernie 4.5）型号（Ernie 4.5）包括10个型号，包括47B和3B激活参数，以及具有0.3B参数的密集模型，提供了以前训练的推理权重和推理代码的完全开源的。 Ernie 4.5型号具有Apache许可证2.0许可证。该许可允许商业使用遵守条款和条件。此外，Baidu还将开设Erniekit，这是Wenxin Big 4.5的开发工具套件。它提供培训和压缩功能模型，包括交通前，监视精细调整（SFT），低级别适应性（LORA），直接偏好优化（DPO），定量软件培训（QAT）和量技术培训（QAT）和音量技术后培训（PTQ）。目前，Wenxin Big Model 4.5开源系列可以在PaddlePaddle Galaxy社区和HuggingFace等平台上下载，实现和使用。同时，开源模型（应用程序编程接口）的API服务也可以与Baidu Smart Cloud Qianfan大型模型平台一起使用。英特尔首次使用英特尔Core Ultra平台实施了Baidu Wenxin 4.5 Endanese模型及其Endanese实施改编。同时，百度还发布了Wenxin Mockup 4.5开源系列的技术文档。让我们一起看看。 Wenxin Big Model 4.5 1中的三个关键创新。多模式混合专家模型的预先培训：在Wenxin 4.5的文本模式和Visos进行联合培训时，我们可以更好地捕捉多模态信息的细微差别和文本的生成，可以提高对图像的理解，以及图像的理解，多模量的理解，以及多型元素的理解。通过学习两种举止，我们互相改善，我们建议Imodal异质异质专家模型结构，结合了多维旋转位置的编码，在计算损失函数的计算过程中改善了不同专家之间的正交性，并且同时，不同的礼貌单词是平衡和优化的，以实现相互促进的客观性。 2。有效的训练推理框架：我们提出了异质混合并行性和多个级别的负载策略，以支持Wenxin 4.5模型的有效训练。通过多种技术（例如专家平行性，友好的管道编程，混合精度训练FP8和重建芬）从培训前的培训前的表现得到了极大的提高，我们建议对多种运动的平行协作量化多个练习的平行量化以及汇总量化量化的算法，实现4和2 BITS的量化量化量化量的量化。在Ddition，我们实施了先前的分离和解码实现技术，以进行动态角色转换，以最大程度地提高资源并提高Wenxin 4.5 MOE模型的推理性能。基于PaddlePaddle框架，Wenxin 4.5在各种硬件平台中具有出色的推理性能。 3。训练后的方式：我们去先前训练的模型以满足现实世界情景的各种要求。模式进行调整。其中，大型语言模型是针对理解和生成通用语言进行了优化的，而大型的多模式模型则集中在购买者的视觉语言和支持思维模式上，而不是思考。训练SFT，DPO或UPO后，每个模型都使用多个阶段（统一配置优化）。多次评论超过了QWEN3基础，DeepSeek-V3ernie-4.5-300B-A47B，28个参考点中的22个超过了DeepSeek-V3-671b-A37B基础，超过了所有主要类别的主要类别特征。与LE相比，与LE相比，其他重要的苏坦模型在概括，推理和密集知识的能力方面。 Arnie-4.5-21B-A3B基本参数的总数为210亿（约占QWEN3-30B的70％），其高于QWEN3-30B-A3B的多数数学和推理参考点，包括BBH和CMATH。 Ernie-4.5-21B-A3B基数较小，但该模型具有出色的效果和平衡效率效率。经过培训，Theernie-4.5-300B-A47B模型在教学合规性和基于知识的任务中显示出重大的好处，从而在IFEVAL，IFEVAL，MULTI-F，SIMPLEQA和CHORDESIMPLEQA等参考点中取得了领先的结果。尽管光模型Ernie-4.5-21B-A3B的参数总数减少了30％，但与QWEN3-30B-A3B相比，它仍然取得了竞争性能。在Rehink模式下，Ernie-4.5-VL在视觉识别和对Docu的理解方面提供了极好的结果在一系列参考测试中效果很好。以思想方式，Ernie-4.5-VL不仅表现出比非思想模式更强的推理技能，而且还保留了非思想方式的强大感知技能。 Ernie-4.5-VL-424B-A47B通过多种多模式评估参考点取得了出色的结果。您的思考模式具有明显的优势，具有高级参考点，例如MathVista，MMMU和VisualPuzzle，并在基于CV Bench和Realworldqa等知觉的数据集中保持良好的结果。尽管激活参数明显较少，但在大多数参考点，ERNIE-4.5-28B-A3B光视觉语言模型的效果明显优于QWEN2.5-VL-7B和QWEN2.5-VL-32B。此外，Livian模型Wenxin 4.5承认了思想和不是思想的方式。它提供了一个与Ernie-4.5-VL-424B-A47B相吻合的函数。图：表演之前的模型图Ernie-4.5的培训：ernie-4.5培训模型的培训模型后，Wenxin系列模型的开源释放，Wenxin最终侧面模型的改编以及Intel Core Ultra-Planter的最后一侧的部署。英特尔宣布，Openvin已与HimXito相适应了具有0.3B参数的密集模型Wenxin 4.5，并在Ultra Core Intel平台上成功实现，从而实现了出色的推理性能。 OpenVino Tool Suite是Intel开发的一组开源工具，旨在优化和加速深度学习模型的推理性能，录取多平台实现并充分利用Intel硬件资源。 OpenVino有助于在英特尔人工智能产品和解决方案中执行各种高级模型，并在AI，Edge和更多人工智能使用方案的PC上使用。从2021年开始，Baidu Paddlepaddle和Intel OpenVino将深入工作，双方实施细节ED改编并为开发人员提供一系列有效，方便的开发工具。 （yiyue）