Nahal · نهال
هوش مصنوعی فارسی
مدل ERNIE 4.5 VL 424B از بیدو یک مدل زبانی چندحسی است که هم متن و هم تصویر را پردازش می‌کند. این مدل با ترکیب داده‌های متنی و تصویری آموزش دیده و می‌تواند در کارهای تحلیل تصویر با توضیح متنی، پاسخگویی چندحسی و استخراج اطلاعات از تصاویر استفاده شود. نقطهٔ قوت این مدل قابلیت پردازش همزمان متن و تصویر در یک پنجرهٔ زمینهٔ بزرگ است که امکان درک عمیق‌تر محتوا را فراهم می‌کند.
این مدل توسط سازنده بازنشسته شده و دیگر برای تولید تازه قابل انتخاب نیست؛ صفحه به‌عنوان بایگانی رسمی باقی می‌ماند. تاریخ پایان: 2026-10-15.
| سازنده | Baidu (چین) |
|---|---|
| خانواده | baidu |
| تاریخ عرضه | 2025-06-30 |
| پنجرهٔ زمینه | ۱۲۳٬۰۰۰ توکن |
| حداکثر خروجی در هر پاسخ | ۱۶٬۰۰۰ توکن |
| ورودی | متن، تصویر |
| خروجی | متن |
| قابلیتها | استدلال چندمرحله‌ای، درک تصویر |
| وضعیت در نهال | بازنشسته (بایگانی) |
مدل ERNIE 4.5 VL 424B از بیدو یک مدل زبانی چندحسی است که هم متن و هم تصویر را پردازش می‌کند. این مدل با ترکیب داده‌های متنی و تصویری آموزش دیده و می‌تواند در کارهای تحلیل تصویر با توضیح متنی، پاسخگویی چندحسی و استخراج اطلاعات از تصاویر استفاده شود.
۱۲۳٬۰۰۰ توکن؛ یعنی این مدل می‌تواند در یک درخواست، متن ورودی و تاریخچهٔ گفتگو را تا همین اندازه همزمان در نظر بگیرد. هر پاسخ حداکثر ۱۶٬۰۰۰ توکن است.
استدلال چندمرحله‌ای، درک تصویر. ورودی: متن، تصویر؛ خروجی: متن.
خیر؛ سازنده این مدل را بازنشسته کرده و در نهال برای تولید تازه قابل انتخاب نیست. مدل‌های فعال Baidu در همین صفحه فهرست شده‌اند.