ERNIE-Wizshot-ME
この言語の紹介は準備中です。
モデルディレクトリ
新しいモデルを公開日順に見つけられます。
この言語の紹介は準備中です。
ERNIE-Light-DT-1.0は、長いコンテキストを低コストで扱うための軽量なテキスト入力・テキスト出力モデルです。Baiduの2026年11月12日の発表では「ERNIE Light Deep Thinking」と呼ばれ、百度智能云の製品ページには「ERNIE-Light-DT-1.0」と記載されています。発表日とモデルの初回提供日が同一かは確認できません。(prnewswire.com)…
2026年11月11日に発表された、ERNIE 5.5 Flash Baseを基に事後学習した基盤モデルのプレビュー版です。総パラメータ数は280B、トークンごとの活性化パラメータ数は14Bで、1Mトークンのコンテキストに対応します。百度は生成速度を200トークン/秒超と説明しています。(ernie.baidu.com) コーディング、複数段階の計画・実行、ツールを使うエージェント業務、長文資料の…
ERNIE 5.5 Flash Baseは、追加学習や研究の出発点として重みが公開された、テキスト生成用の基盤言語モデルです。事前学習終了時点のチェックポイントであり、中間学習や事後学習は行われていません。リリース日は 2026年11月5日 です。(ernie.baidu.com) スパースMoE構造を採用し、総パラメータ数は280B、トークンごとの活性化パラメータ数は14Bです。 33.5Tトー…
百度が2026年10月27日に公開・オープンソース化した、長文書向けのマルチモーダル文書解析モデル。総パラメータ約3.3B、活性化パラメータ約0.5BのMoEモデルで、SR-SWAと無限視野デコーディングを用いて長文書の解析時の計算・メモリ負荷を抑える。(ai.baidu.com) 見出し、段落、表、数式、画像などの領域を認識し、位置、種類、階層、読順を伴う構造化文書を出力する。ページをまたぐ表や…
Flexは、柔軟な設定とタスク実行を重視したエンドツーエンドの音声言語モデルです。2026年9月16日に公開ベータが発表されました。自然なリアルタイム音声対話と音声合成を基盤に、音声による指示から外部システムを使った処理までを支援します。(cloud.baidu.com) サーバー側の自動VADと、クライアント側で音声送信・応答開始を制御する手動モードに対応します。 Function Callを通…
HPD-Parsingは、高スループットの文書解析を目的とした軽量な視覚言語モデルです。モデル規模は約10億パラメータで、重みはApache-2.0ライセンスで公開されています。(huggingface.co) 文書画像のレイアウトを解析し、ブロックの種類、位置座標、テキストを含む構造化結果を出力します。大量の文書ページの解析や、後続処理用の構造化に利用できます。(paddleocr.ai) 主レ…
PP-OCRv6_tiny_recは、PP-OCRv6シリーズの軽量な文字認識モデルです。画像内の文字列を読み取る認識モジュールであり、エッジ・IoT環境での利用を想定しています。推論モデルと学習モデルが公開されています。(paddleocr.ai) 簡体字中国語、繁体字中国語、英語、ラテン文字系言語など、49言語に対応します。(paddleocr.ai)…
PP-OCRv6_tiny_detは、PaddleOCRチームが開発したPP-OCRv6系列の超軽量文字領域検出モデルです。約43万パラメータ、モデル保存サイズは1.9 MBで、エッジ端末やIoT向けに設計されています。PPLCNetV4系バックボーンとRepLKFPNを使用します。(github.com) 画像中の文字領域を検出し、印刷文字、手書き、回転・湾曲した文字、装飾文字などの位置特定に利…