ERNIE 5.0
ERNIE 5.0 est un LLM propriétaire de Baidu, sorti le 22 janvier 2026. Ses poids ne sont pas ouverts, ce qui le place dans la catégorie des modèles contrôlés par leur éditeur.
B
Baidu
Baidu développe une gamme propriétaire de modèles ERNIE pour le texte, la vision et la génération d’images
4 fiches modèlesorties 25 juin 2025 → 15 avril 20262 à poids ouverts2 multimodauxcontexte jusqu'à 131 072 tokens
Fondé en Chine en 2000 par Robin Li et Eric Xu, Baidu s’est d’abord imposé comme un acteur majeur de la recherche sur Internet. L’entreprise a progressivement élargi ses activités aux services numériques, au cloud et à l’intelligence artificielle. Son positionnement associe recherche appliquée et déploiement industriel, avec l’ambition d’intégrer l’IA dans les outils de recherche, la création de contenus et les services aux entreprises.
Dans le catalogue, son offre s’articule autour de la famille ERNIE, notamment ERNIE 4.5, Baidu: ERNIE 4.5 VL 424B A47B et ERNIE 5.0, ainsi que du modèle de génération visuelle ERNIE Image. Plusieurs références prennent en charge des contenus multimodaux, tandis que les modèles de langage proposent une fenêtre de contexte étendue. L’ensemble relève d’une approche propriétaire accessible par API, sans publication des poids. Les fiches les plus documentées par des benchmarks couvrent aussi bien le texte que la vision et la génération d’images.
Ces modèles ciblent principalement les applications conversationnelles, l’analyse de documents, les usages multimodaux et la production de contenus visuels dans des services intégrés ou des environnements professionnels.
Modèles
Modèles LLM
Baidu: ERNIE 4.5 VL 424B A47B
Sorti le 30 juin 2025, Baidu: ERNIE 4.5 VL 424B A47B est déjà ancien à l’échelle de l’IA. Ce modèle multimodal à poids ouverts traite le texte et l’image, avec une architecture MoE de 424 milliards de paramètres au total et 47 milliards activés par token.
ERNIE 4.5
ERNIE 4.5 est un LLM propriétaire de Baidu, lancé le 25 juin 2025. Âgé d’environ un an, il appartient déjà à une génération ancienne à l’échelle de l’IA, où le renouvellement rapide des catalogues tend à reléguer les modèles précédents.