Китайская корпорация Baidu представила новые нейросетевые модели Ernie 4.5 и Ernie X1, способные работать с текстом, изображениями, аудиофайлами и видеоматериалами. По результатам тестирования выяснилось, что Ernie 4.5 показывает более высокий уровень обработки мультимедиа, чем GPT-4o, а её текстовые возможности достигли уровня GPT-4.5.
Модель Ernie X1, ориентированная на сложные логические цепочки, по заявлениям компании, сопоставима с DeepSeek R1, но её использование обходится вдвое дешевле.
Ernie 4.5 отличается способностью понимать юмористический «мемный» контент и тонкости сатиры. Обе модели поддерживают мультимодальный формат и способны анализировать различные типы данных, в том числе текстовую информацию, изображения, звук и видео.
Представители Baidu в официальном аккаунте WeChat сообщили, что тесты на платформах CCBench и OCRBench подтвердили превосходство Ernie 4.5 над GPT-4o в обработке мультимедийных данных.
В текстовых заданиях эта модель смогла превзойти DeepSeek V3 и достичь уровня GPT-4.5. О результатах тестирования Ernie X1 в компании не сообщили, но подчеркнули, что по вычислительной мощности она не уступает DeepSeek R1, при этом стоимость её использования остаётся заметно ниже.
Baidu вошла в число первых китайских разработчиков, создавших альтернативу ChatGPT от OpenAI, но её модели не получили массового распространения. В отличие от неё, DeepSeek вызвал серьёзный интерес среди американских инвесторов и технологических компаний, представив решения с высокой производительностью и доступной стоимостью.
Разработчики Baidu планируют выпустить Ernie 5 до конца текущего года, уделяя особое внимание дальнейшему улучшению мультимодальных функций. Кроме того, компания объявила о намерении сделать код Ernie 4.5 открытым с 30 июня.
Ещё по теме: