Rilis ERNIE 5.1: Model Multimodal Baidu Tingkatkan Alat Kreator

Per 11 Mei 2026, Baidu meluncurkan ERNIE 5.1 dengan peningkatan nyata dalam kedalaman penalaran, koherensi teks, dan penanganan tugas agen. Model ini mengintegrasikan pencarian lebih erat dibandingkan pendahulunya dan menunjukkan performa lebih kuat pada masalah multi-langkah yang kompleks. Hasil benchmark awal menempatkannya secara kompetitif melawan sistem frontier sambil menjaga biaya inferensi tetap rendah. Dukungan input multimodal juga telah ditingkatkan, memungkinkan transisi yang lebih mulus antara aliran data teks, gambar, dan video. Ini adalah jenis lompatan iteratif yang sedang disampaikan oleh laboratorium China akhir-akhir ini, ditujukan langsung pada kegunaan praktis daripada jumlah parameter yang mencolok.

Fitur penalaran dan agen yang lebih baik memungkinkan kreator membangun alur kerja yang lebih panjang dan andal tanpa bantuan konstan. Penyempurnaan prompt menjadi lebih cepat, konsistensi adegan di seluruh gambar dan video meningkat, dan cabang cerita interaktif menjadi lebih mudah dipertahankan. Saya akan jujur dengan Anda: setelah menjalankan beberapa rantai uji sendiri, berkurangnya kebutuhan untuk mengulang prompt setiap beberapa langkah terasa sangat berguna. Kemajuan seperti peningkatan penalaran multimodal ERNIE 5.1 persis merupakan jenis peningkatan dasar yang mendukung generator video dan gambar AI generasi berikutnya yang lebih dapat dikontrol, efisien, dan kreatif bagi kreator, seperti yang terlihat dalam liputan alat seperti Happy Horse 1.0 NSFW Video dan keterbatasannya.

Tiga kemampuan menonjol bagi siapa pun yang membangun pipeline gambar atau video. - Rantai tugas agen yang ditingkatkan memungkinkan model merencanakan dan mengeksekusi prompt multi-tahap tanpa intervensi pengguna konstan, berguna untuk menghasilkan urutan karakter yang konsisten di seluruh still dan klip pendek.

• Fusi multimodal yang ditingkatkan menangani input teks dan gambar campuran dengan lebih andal, mengurangi penyimpangan saat mengiterasi dari frame referensi ke video.
• Generasi teks asli yang lebih kuat menghasilkan prompt yang lebih jelas dan detail yang dapat diikuti alat hilir dengan lebih sedikit koreksi.
• Skalabilitas hemat biaya menjaga sesi yang lebih panjang tetap praktis bahkan saat merantai beberapa langkah kreatif. Ini bukan revolusioner sendiri, namun bersama-sama mereka mengurangi friksi dalam pekerjaan kreator sehari-hari.

Dalam hal kecepatan, ERNIE 5.1 mampu bersaing dengan rilis GPT-5.5 Instant terbaru dan unggul atas beberapa varian Gemini dalam tugas bergaya agen. Biaya per token tetap menarik untuk sesi kreatif yang panjang. Fleksibilitas kreatif adalah tempat di mana kesenjangan paling menyempit: model Barat masih memimpin dalam jangkauan gaya mentah, namun integrasi pencarian ERNIE 5.1 yang lebih ketat memberinya keunggulan saat kreator membutuhkan dasar faktual di dalam adegan fiksi. Sejujurnya, sampel saya yang sama sekali tidak ilmiah menunjukkan bahwa perbedaannya sering bergantung pada ekosistem mana yang sudah Anda tinggali daripada superioritas mutlak.