模型发布档案

最新发布模型

聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。

按发布时间倒序7 种语言
清除

27 个模型

按发布时间倒序
Baidu

ERNIE-Wizshot-ME

ERNIE-Wizshot-ME,即文心一镜微表情大模型,是百度面向人物表现的视频生成应用模型,通过百度智能云千帆提供 API。百度于 2026-11-12 发布该模型。(prnewswire.com) 使用人物形象图、文本和参考音频驱动视频生成,让图片中的人物开口演绎;重点表现近景或特写中的眉眼、嘴角和视线等微表情。(cloud.baidu.com) 百度产品页列出的输出规格为 4–15 秒、1…

了解模型简体中文
Baidu

ERNIE-Light-DT-1.0

ERNIE-Light-DT-1.0 是百度千帆提供的轻量级、长上下文文本生成模型,输入和输出均为文本。百度官方公告将 ERNIE Light Deep Thinking 描述为面向复杂请求和工具调用的应用模型。(cloud.baidu.com) 采用百度稀疏注意力机制 BSA 和反馈式历史压缩,以降低历史信息的存储及计算开销,支持较长上下文。 支持开启或关闭思考模式,最大输出为 128K…

了解模型简体中文
Baidu

ERNIE 5.5 Flash Preview

ERNIE 5.5 Flash Preview 是基于 ERNIE 5.5 Flash Base 的后训练基础模型预览版,面向编程、智能体、知识工作和内容创作。发布日期为 2026-11-11。(ernie.baidu.com) 规格:总参数量 280B,每个 token 激活 14B;支持 1M tokens 上下文。百度千帆将其列为文本输入、文本输出模型,并标示默认输出 64K tokens。…

了解模型简体中文
Baidu

ERNIE 5.5 Flash Base

ERNIE 5.5 Flash Base 是百度发布的纯文本稀疏混合专家(MoE)基座模型。它是预训练结束时的权重检查点,尚未经过中期训练或后训练,主要供开发者进一步训练,而非直接作为经过指令调优的聊天模型使用。(ernie.baidu.com) 总参数量为 280B,每个 token 激活 14B;预训练数据量为 33.5T tokens。预训练上下文最长为 128K tokens,微调和推理支…

了解模型简体中文
Baidu

Apollo World

Apollo World 是百度 Apollo 面向物理 AI 的智能体驱动全模态世界模型,重点用于自动驾驶环境模拟、训练与验证。百度于 2026 年 11 月 3 日在深圳举行的百度 AI Day·Apollo 专场首次披露该模型。(sohu.com) 构建虚拟交通环境,让车辆、行人等智能体根据无人车的动作进行交互,而非仅按固定脚本运行。 实时生成相机画面、激光雷达点云等观测数据,并根据驾驶系统…

了解模型简体中文
Baidu

文心 Unlimited OCR 2

百度于 2026-10-27 发布并开源的多模态长文档解析模型。官方称其采用 SR-SWA 和无限解码机制,旨在降低超长文档解析的计算与显存开销;文档解析云服务于 2026-11-05 商用。(ai.baidu.com) 识别文本、表格、公式及版面元素,提取结构层级和阅读顺序;支持跨页表格与段落合并。文档解析服务可输出 JSON 或 Markdown。(cloud.baidu.com) 可用于合同…

了解模型简体中文
Baidu

端到端语音语言大模型(Flex)

百度面向灵活交互和任务型场景的端到端语音语言大模型。2026年9月16日官方公告宣布开启公测;官方API文档仍将接口标注为公测阶段。(cloud.baidu.com) 支持实时自然语音交互、可打断对话,以及服务端自动语音活动检测(VAD)和客户端手动提交音频。(cloud.baidu.com) 支持Function Call连接外部工具和业务系统、联网搜索,以及70余种预置音色。(cloud.ba…

了解模型简体中文
Baidu

HPD-Parsing

HPD-Parsing 是面向高吞吐文档解析的轻量级视觉语言模型,参数规模约 10 亿。模型权重以 Apache-2.0 许可发布。(huggingface.co) 使用层级并行解码:主布局分支协调页面结构,动态生成并发的局部内容分支;渐进式多 token 预测(P-MTP)进一步减少解码步数,适合长文档和批量解析。(github.com) 官方报告在 OmniDocBench v1.6 上取得…

了解模型简体中文
Baidu

Unlimited-OCR

Unlimited-OCR 是百度发布的开源端到端 OCR 与长文档解析模型,基于 DeepSeek-OCR 构建,采用约 30 亿总参数、5 亿激活参数的混合专家架构。模型代码和权重公开,模型卡标注为 MIT 许可证。(arxiv.org) 使用参考滑动窗口注意力(R-SWA),在解码过程中保持 KV 缓存大小恒定,以降低长输出的注意力计算和内存压力。 官方论文称,在标准 32K 最大长度设置下…

了解模型简体中文
Baidu

PP-OCRv6_medium_rec

PP-OCRv6_medium_rec 是 PaddleOCR 的 PP-OCRv6 系列中等规模文本识别模型,主要面向服务端及较高精度需求的 OCR 场景。官方提供推理和训练模型,模型卡标注 Apache-2.0 许可证。(github.com) 单模型支持简体中文、繁体中文、英文、日文及 46 种拉丁语系语言,共 50 种语言;可用于文档、街景和工业字符等场景。(github.com) 基于…

了解模型简体中文
Baidu

PP-OCRv6_medium_det

PP-OCRv6_medium_det 是百度飞桨 PP-OCRv6 系列的中等规模文本检测模型,适合服务端部署。它以图像为输入,定位文字区域;采用 PPLCNetV4 骨干网络和 RepLKFPN 特征金字塔。官方模型列表标注的模型存储大小约为 60 MB。(paddlepaddle.github.io) 可作为 OCR 流水线的文字定位组件,适用于文档、截图、自然场景和工业图像等场景;检测结果…

了解模型简体中文
Baidu

PP-OCRv6_small_rec

PP-OCRv6_small_rec 是 PP-OCRv6 的 small 档文本识别模型,面向移动端和桌面端等轻量部署场景。它是 OCR 流程中的识别模块,而非完整的文本检测与识别系统。官方模型卡列出约 520 万参数;PaddleOCR 文档列出的模型存储大小为 20.4 MB。(paddleocr.ai) 接收文字图像并识别文本;可与文本检测等模块配合,用于多语言文档、场景文字和工业文字处理…

了解模型简体中文
Baidu

PP-OCRv6_small_det

PP-OCRv6_small_det 是百度飞桨 PaddleOCR 团队开发的 PP-OCRv6 小型文本检测模型,适合移动端部署。模型约有 248 万参数,采用 LCNetV4 骨干和 RepLKFPN 特征金字塔;官方文档列出的模型存储大小为 9.6 MB。模型卡标注采用 Apache-2.0 许可证。(huggingface.co) 输入图像,定位并输出包含文字的区域框,可作为 OCR 流…

了解模型简体中文
Baidu

PP-OCRv6_tiny_rec

PP-OCRv6_tiny_rec 是 PaddleOCR PP-OCRv6 系列中最轻量的文本识别模型,面向端侧等资源受限环境。官方模型卡标注约 110 万参数,模型文件约 4.4 MB,采用 Apache-2.0 许可。(huggingface.co) 将图像中的文字区域转换为可编辑、可搜索的文本;可与文本检测模块组合构建 OCR 流程。 单模型支持 49 种语言,可用于多语言文档、图片文字提…

了解模型简体中文
Baidu

PP-OCRv6_tiny_det

PP-OCRv6_tiny_det 是 PaddleOCR 团队开发的 PP-OCRv6 系列超轻量文本检测模型,约有 43 万参数,面向端侧和物联网等资源受限场景。其骨干网络为 LCNetV4,检测特征金字塔采用 RepLKFPN。(huggingface.co) 输入图像,定位其中的文本区域,可用于印刷、手写、旋转、弯曲及艺术文字等场景。 可作为 OCR 流水线的检测模块,配合文本识别模型,用…

了解模型简体中文
Baidu

ERNIE 5.0 Preview

ERNIE 5.0 Preview 是百度 ERNIE 5.0 原生全模态基础模型的预览版本。百度于 2025 年 11 月 13 日在 Baidu World 2025 公布该模型及预览版。(prnewswire.com) 百度称,ERNIE 5.0 统一建模文本、图像、音频和视频,面向多模态理解与生成;其能力包括指令遵循、创意写作、事实性推理、智能体规划和工具使用。可用于多模态内容理解、内容创…

了解模型简体中文
Baidu

文心大模型X1.1

文心大模型X1.1是百度于2025年9月9日发布的深度思考模型,发布时已上线百度智能云千帆平台,面向企业客户和开发者。X1.1主要采用迭代式混合强化学习训练框架。(cloud.baidu.com) 支持深度推理问答、指令遵循、逻辑推理、数学、代码任务、智能体规划和工具调用。(cloud.baidu.com) 百度称,与文心X1相比,X1.1的事实性、指令遵循和智能体能力分别提升34.8%、12.5…

了解模型简体中文
Baidu

Qianfan-IPCharacter

Qianfan-IPCharacter 是百度千帆面向社交文娱场景的垂类模型,已上线千帆 ModelBuilder。(qianfan.cloud.baidu.com) 官方称模型基于超过 2 万亿 token 的高质量多源对话数据训练,并融合影视、综艺等真实语料,可模拟人类情感与行为。 支持多角色设定;官方称其角色一致性较强。适用场景包括情感陪伴和游戏陪玩。(qianfan.cloud.baidu…

了解模型简体中文
Baidu

Qianfan-EngCard-VL

Qianfan-EngCard-VL 是百度面向教育场景的垂类专精图像理解模型。百度千帆将其列为推理服务 API V2 的图像理解模型。(cloud.baidu.com) 针对已经完成区域切割的英文答题卡填空部分,模型可按题目原有顺序自动识别答案,适用于辅助教学评阅。(qianfan.cloud.baidu.com) 官方描述的适用输入是已完成区域切割的英文答题填空部分;不能据此推断模型支持整张答…

了解模型简体中文
Baidu

Qianfan-SinglePicOCR

百度千帆的垂类专精图像理解模型,面向单张图片的信息识别与提取;官方社区将其列为教育垂类模型。(cloud.baidu.com) 识别并抽取单张图片中的信息,输出便于工程处理的 YAML 格式。 可用于教育场景中的图片内容提取及后续结构化处理。(qianfan.cloud.baidu.com) 官方说明聚焦单张图片输入,不能据此推定支持多图输入。 官方公告未说明该模型的准确率、支持语言、图片尺寸限制…

了解模型简体中文