模型發布檔案

最新發布模型

彙整模型發布動態,按發布時間瀏覽,探索值得關注的新模型。

按發布時間倒序7 種語言
清除

17 個模型

按發布時間倒序
Baidu

ERNIE-Light-DT-1.0

ERNIE-Light-DT-1.0 是百度面向長上下文與深度思考的輕量文字模型,可透過百度智能雲千帆 API 使用。百度於 2026 年 11 月 12 日的公告將其稱為 ERNIE Light Deep Thinking。(prnewswire.com) 文字輸入、文字輸出;支援開啟或關閉思考模式。 採用百度稀疏注意力機制 BSA 與回饋式歷史壓縮,以降低長上下文的 KV 儲存與運算開銷。 適…

了解模型繁體中文
Baidu

ERNIE 5.5 Flash Preview

ERNIE 5.5 Flash Preview 是百度文心系列的基礎模型預覽版,基於 ERNIE 5.5 Flash Base 後訓練,著重程式編寫、智慧代理、知識工作及內容創作。官方公告日期為 2026 年 11 月 11 日。(ernie.baidu.com) 總參數量為 280B,每個 token 啟用 14B;支援 1M token 上下文。百度國內產品頁標示預設輸出為 64K token…

了解模型繁體中文
Baidu

ERNIE 5.5 Flash Base

ERNIE 5.5 Flash Base 是僅處理文字的稀疏混合專家(MoE)基礎語言模型。百度公開的是預訓練結束、尚未經過中期訓練或後訓練的權重,主要作為進一步訓練與研究的起點。(huggingface.co) 總參數量為 2,800 億,每個 token 啟用 140 億參數;預訓練使用 33.5 兆個 token。 預訓練上下文上限為 131,072 tokens;微調與推論支援 1,048…

了解模型繁體中文
Baidu

文心 Unlimited OCR 2

百度於 2026 年 10 月 27 日發布並開源的多模態長文件解析模型,約有 33 億總參數、5 億啟用參數,採用混合專家架構與 SR-SWA,主要用於多頁文件的連續解析。(cloud.baidu.com) 可解析文字、表格、公式、版面與閱讀順序,並支援跨頁表格及段落合併;百度文件解析服務可返回 JSON 或 Markdown 結構化結果。(ai.baidu.com) 支援圖片與 PDF 混合輸…

了解模型繁體中文
Baidu

端到端语音语言大模型(Flex)

百度於 2026 年 9 月 16 日公告推出 Flex 公測版,定位為注重靈活性與任務執行的端到端語音語言大模型,提供自然語音互動與語音合成。(ai.baidu.com) 支援伺服器自動語音活動偵測(VAD)與手動提交音訊兩種互動模式。 支援 Function Call,可連接外部工具與業務系統執行任務。 支援 70 種以上預設音色及音色切換,並提供搜尋與指令遵循能力。 發布公告稱知識庫檢索增強…

了解模型繁體中文
Baidu

HPD-Parsing

HPD-Parsing 是約 10 億參數的輕量級視覺語言模型,專為高吞吐量文件解析設計。模型權重以 Apache 2.0 授權發布。(huggingface.co) 解析文件頁面影像,識別文字、版面結構與閱讀順序,並處理公式及表格等內容,適合文件數位化與批次解析。(arxiv.org) 使用階層式平行解碼:主版面分支協調整體結構,並動態啟動局部內容分支;漸進式多 token 預測(P-MTP)進…

了解模型繁體中文
Baidu

Unlimited-OCR

Unlimited-OCR 是百度發布的開源光學字元辨識(OCR)與長文件解析模型,本文所述為 2026 年 6 月 22 日發布的初代版本,不是後續的 Unlimited-OCR 2。模型權重採 MIT 授權。(github.com) 可解析單張文件圖片及連續多頁文件;官方範例會先將 PDF 頁面轉為圖片,再進行多頁解析。(huggingface.co) 採用參考滑動視窗注意力機制(R-SWA)…

了解模型繁體中文
Baidu

PP-OCRv6_medium_rec

PP-OCRv6_medium_rec 是 PP-OCRv6 的 medium 級文字辨識模型,主要面向伺服器部署;它是 OCR 流程中的文字辨識元件,而非完整的文字偵測與辨識流程。模型採用 PPLCNetV4、LightSVTR 與 CTC/NRTR 多頭解碼架構,官方列出的模型儲存大小為 73.3 MB。(github.com) 單一模型支援 50 種語言,包括簡體中文、繁體中文、英文、日文及…

了解模型繁體中文
Baidu

PP-OCRv6_medium_det

PP-OCRv6_medium_det 是百度 PaddleOCR 的中等規模文字偵測模型,適合伺服器端部署;其架構為 PPLCNetV4 + RepLKFPN,官方列出的模型儲存大小為 59.4 MB。(paddleocr.ai) 模型接收影像,定位含文字的區域並輸出邊界框,可作為 OCR 流程的前段,供後續文字辨識模型使用。PP-OCRv6 整體方案適用於文件、街景、證件及工業零組件等場景;官…

了解模型繁體中文
Baidu

PP-OCRv6_small_rec

PP-OCRv6_small_rec 是 PP-OCRv6 系列的輕量化文字辨識模型,適合行動端等注重效率的部署場景。它是 OCR 流程中的文字辨識模組,而非完整的文字偵測與辨識流程;模型約有 520 萬個參數。(huggingface.co) 接收文字影像,輸出辨識文字;單一模型支援 50 種語言,包括簡體中文、繁體中文、英文、日文及 46 種拉丁語系語言。 可用於文件數位化、影像文字擷取,以及…

了解模型繁體中文
Baidu

PP-OCRv6_small_det

PP-OCRv6_small_det 是 PaddleOCR 團隊開發的 PP-OCRv6 small 級文字偵測模型,用於定位影像中的文字區域,並非單獨完成文字辨識的生成式模型。官方模型卡列出約 248 萬個參數,採用 LCNetV4 骨幹與 RepLKFPN 特徵金字塔。(huggingface.co) 可定位手寫、印刷、旋轉、彎曲及藝術字等多種文字區域,適用於文件、街景及工業影像等 OCR…

了解模型繁體中文
Baidu

PP-OCRv6_tiny_rec

PP-OCRv6 系列的超輕量文字識別模型,適合邊緣裝置與物聯網場景。官方模型卡載明約 110 萬個參數;官方文件列出的模型儲存大小為 4.4 MB,並提供推論與訓練模型。(huggingface.co) 將文字區域影像識別為文字,可用於多語言文件、圖片及工業場景的 OCR 流程。 支援 49 種語言,包括繁體中文、簡體中文、英文及 46 種拉丁文字語言。 官方內部多場景評估的文字識別加權平均準確…

了解模型繁體中文
Baidu

PP-OCRv6_tiny_det

PP-OCRv6_tiny_det 是百度飛槳 PaddleOCR 團隊的 PP-OCRv6 系列超輕量文字偵測模型,主要面向邊緣裝置與物聯網部署。模型約有 0.43M 個參數,官方文件列出的模型儲存大小為 1.9 MB;採用 LCNetV4 骨幹與 RepLKFPN 偵測頸部。(huggingface.co) 從影像中定位文字區域,可處理手寫、印刷、旋轉、彎曲及藝術字等多種文字外觀,適用於文件、…

了解模型繁體中文
Baidu

NAVA

NAVA(Native Audio-Visual Alignment for Generation)是用於聯合生成音訊與影片的研究模型與框架,模型規模為 63 億參數。它先建立音訊與影片之間的對應,再以外部條件引導聯合去噪,目標是產生時間同步、語意一致的影音內容。(arxiv.org) 可依文字提示生成影音,也可使用首影格圖片作為影片生成條件;官方程式另列有純文字轉音訊模式。 支援以參考語音控制生…

了解模型繁體中文
Baidu

PaddleOCR-VL-1.6

PaddleOCR-VL-1.6 是百度飛槳推出的輕量級多模態文件解析模型,以 PaddleOCR-VL-1.5 為基礎優化,視覺語言模型參數量為 0.9B。它隨 PaddleOCR v3.6.0 於 2026 年 5 月 28 日發布,並提供開源模型權重。(github.com) 解析文件版面、閱讀順序、文字、公式、表格與圖表;加強中文古籍、生僻字、印章及文字偵測辨識能力。 適用於掃描件、拍攝文…

了解模型繁體中文
Baidu

ERNIE 5.1

ERNIE 5.1 是百度文心系列的通用大型模型,繼承 ERNIE 5.0 的預訓練基礎,著重智能體、知識、推理、深度搜尋與創意寫作。官方公告日期為 2026 年 5 月 9 日。(ernie.baidu.com) 可用於文字生成、創意寫作、長篇敘事、知識問答、推理及智能體應用。官方也描述了指令遵循與工具呼叫相關的訓練。(ernie.baidu.com) 百度稱,相較 ERNIE 5.0,模型總參…

了解模型繁體中文