ERNIE 4.5 VL 424B A47B
2661°
百度 | 123,000 令牌上下文 | 输入 $0.42/千令牌，输出 $1.25/千令牌。ERNIE-4.5-VL-424B-A47B 是百度 ERNIE 4.5 系列的多模态专家混合（MoE）模型，拥有 424B 总参数，每个令牌激活 47B。该模型在文本和图像数据上联合训练...
本模型的指南
开放权重 vs 开源 vs 仅API：你到底能做什么
2026年10月如何选择AI模型：先看闭源新闻，再看值得下载的开源权重
2026年最便宜的10款ChatGPT替代品：免费本地模型、免费套餐和固定费率计划
船长笔记
2026-10-13 的笔记
ERNIE 4.5 VL 424B A47B 是百度的旗舰多模态 MoE 模型，结合视觉和文本理解，支持 123,000 令牌的上下文。拥有 4240 亿参数，但每次推理仅激活 470 亿，提供了大模型能力却大幅降低计算成本。适合需要严肃视觉加推理工作的团队，想要除西方主流前沿模型外的替代方案。
以……著称
- 从一开始就是多模态：文本和图像联合训练，而非后期拼接。
- MoE 架构使激活参数保持在 470 亿，推理速度快于模型总规模所示。
- 123,000 令牌上下文，能处理长文档和图像。
- 源自百度 ERNIE 4.5 系列，深厚中文及多语言数据基础。
注意
- 权重封闭——无下载，无本地部署，仅限 API 访问。
- 百度未发布详细模型卡，独立基准验证有限。
- 输出令牌成本约为输入的三倍，图像密集型工作负载费用较高。
推荐尝试的提示词
解读图表或示意图
附上一张图表、曲线图或技术示意图。描述其内容，指出关键趋势或发现，并标记数据展示中任何异常或可能误导的地方。
多步视觉推理
附上一张物理场景照片——房间、街道、白板。列出你能识别的所有物体，推断当时的活动，并基于所见解释该环境中可能出现的两种风险。
长文档加图像
我将粘贴一份冗长的研究报告，并附上其中关键图表。请用五个要点总结报告，然后说明附图是否支持论文的主要结论或与之矛盾。[在此粘贴报告文本]
与……比较
- DeepSeek V4.1 Flash开源权重模型1,048,576 令牌上下文 · $0.04/M 输入，$0.68/M 输出
- GLM 5.3 Flash开源权重模型1,048,576 令牌上下文 · $0.02/M 输入，$0.72/M 输出
- MiMo-V2.6-Flash开源权重模型1,050,000 令牌上下文 · $0.14/M 输入，$0.28/M 输出
- Nemotron 3 Ultra开源权重模型262,144 令牌上下文 · $0.60/M 输入，$2.40/M 输出
来自 baidu 的更多文本模型
常见问题
- 我能本地运行 ERNIE 4.5 VL 424B A47B 吗？
- 不能。百度未发布权重，仅提供 API 访问，无法自托管。
- 费用是多少？上下文窗口多大？
- 输入每百万令牌 0.42 美元，输出每百万令牌 1.25 美元，上下文窗口为 123,000 令牌。
- MoE 设计如何影响性能？
- 模型总参数为 4240 亿，但每个令牌仅激活 470 亿，推理速度和成本接近中型密集模型，同时保留了更大模型的能力。
船长评语如果你需要视觉加推理能力，且想要西方主流前沿模型之外的选择，这是一款值得考虑的强大封闭多模态 MoE 模型。
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
ERNIE 4.5 VL 424B A47B 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153