模型情报.
追踪变化,读懂每一次更新。
百度 ERNIE-Wizshot-ME:如何用图片和音频生成口播视频?
2026 年 11 月 12 日,百度在百度世界 2026 开幕式上介绍了面向口播与近景特写场景的视频生成模型 ERNIE-Wizshot-ME(文心一镜微表情大模型),百度智能云千帆产品页与 API 参考文档(文档更新日期为 11 月 11 日)已同步列出该模型的接入规范与计费标准。
最新文章04
最新发布百度 ERNIE-Wizshot-ME:如何用图片和音频生成口播视频?
2026 年 11 月 12 日,百度在百度世界 2026 开幕式上介绍了面向口播与近景特写场景的视频生成模型 ERNIE-Wizshot-ME(文心一镜微表情大模型),百度智能云千帆产品页与 API 参考文档(文档更新日期为 11 月 11 日)已同步列出该模型的接入规范与计费标准。
百度发布 ERNIE 5.5 Flash Preview:正式 ID 为 ernie-5.5-flash-preview,这是基于此前 Flash Base 的首个后训练中间版本,千帆 API 已上线并支持 1M 上下文
2026年11月11日,百度发布 ERNIE 5.5 Flash Preview,这是基于此前发布的 ERNIE 5.5 Flash Base 的首个后训练版本,正式 ID 为 ernie-5.5-flash-preview。总参数 280B,激活参数 14B,支持 1M 上下文。官方称之为后训练过程中的中间版本:训练尚未结束,后续正式版本还会改进。模型 API 已在百度千帆平台上线,并同时列入「文本生成」与「深度思考」。千帆按量后付费官方价以元/千tokens 计价(文档更新时间 2026-11-10),按高峰 8:00–22:00、空闲 22:00–次日 8:00 分别给出活动价与原价;价表未标注时区。中文官宣写明权重将于11月25日前开源,目前尚未公开。官方同时公布了评测图和完整结果表。既有 Flash Base 稿是另一篇,这次写的是 Preview 的 API 发布,不是 Base 权重更新。
从 ERNIE-5.5-Flash-Base 到可用助手还差什么
百度公布 ERNIE-5.5-Flash-Base 权重,为自建模型的团队提供了一个后续训练的起点。若要用它承担客服、知识问答或代码任务,团队还需要准备相应的数据、算力和评估方案。 官方说明,这份 Base 权重来自预训练结束时的检查点,尚未经过中期训练或后训练,可用于领域适配和指令微调。业务规则遵循、输出格式和资料不足时的回答方式,都需要在后续训练与测试中确认。
百度开源 Unlimited OCR 2:超长文档一次解析
2026 年 10 月 27 日,百度开源 Unlimited OCR 2(MIT),Hugging Face/GitHub 可取;参数量约 3.3B。卖点是 SR-SWA:把超长图文的 text-visual attention 压成固定大小的工作引用集,文档变长时逐步解码延迟仍接近恒定。百度称在 MPDocBench、MarathonDocBench 上达到 SOTA,均为厂商自报。多页可用 infer_multi 一次请求解析;推理支持 Transformers 与 SGLang。