Pelancaran ERNIE 5.1: Model Multimodal Baidu Meningkatkan Alat Pencipta

Setakat 11 Mei 2026, Baidu telah melancarkan ERNIE 5.1 dengan peningkatan ketara dalam kedalaman penaakulan, koheren teks dan pengendalian tugas agentik. Model ini mengintegrasikan carian dengan lebih ketat berbanding pendahulunya serta menunjukkan prestasi lebih kukuh pada masalah pelbagai langkah yang kompleks. Keputusan penanda aras awal meletakkannya secara kompetitif terhadap sistem frontier sambil mengekalkan kos inferens yang sederhana. Sokongan input multimodal juga telah diperbaiki, membolehkan pertukaran yang lebih lancar antara aliran data teks, imej dan video. Ini adalah jenis lompatan iteratif yang sedang disampaikan oleh makmal China baru-baru ini, bertujuan langsung kepada kegunaan praktikal berbanding bilangan parameter yang menarik perhatian.

Penaakulan yang lebih baik dan ciri agentik membolehkan pencipta membina aliran kerja yang lebih panjang dan boleh dipercayai tanpa perlu pemantauan berterusan. Penghalusan prompt menjadi lebih pantas, konsistensi adegan merentas imej dan video bertambah baik, serta cabang cerita interaktif lebih mudah dikekalkan. Saya akan jujur dengan anda: selepas menjalankan beberapa rantaian ujian sendiri, pengurangan keperluan untuk meminta semula setiap beberapa langkah terasa sangat berguna. Kemajuan seperti peningkatan penaakulan multimodal ERNIE 5.1 adalah sejenis penambahbaikan asas yang menggerakkan penjana video dan imej AI generasi seterusnya yang lebih terkawal, cekap dan kreatif untuk pencipta, seperti yang dilihat dalam liputan alat seperti Happy Horse 1.0 NSFW Video dan limitasinya.

Tiga keupayaan menonjol untuk sesiapa yang membina saluran paip imej atau video. - Rantaian tugas agentik yang dipertingkatkan membolehkan model merancang dan melaksanakan prompt pelbagai peringkat tanpa campur tangan pengguna yang berterusan, berguna untuk menjana jujukan watak yang konsisten merentas imej pegun dan klip pendek.

• Fusion multimodal yang lebih baik mengendalikan input teks dan imej campuran dengan lebih boleh dipercayai, mengurangkan penyimpangan semasa mengulang dari bingkai rujukan kepada video.
• Penjanaan teks natif yang lebih kukuh menghasilkan prompt yang lebih jelas dan terperinci yang boleh diikuti oleh alat hiliran dengan lebih sedikit pembetulan.
• Penskalaan kos cekap menjadikan sesi yang lebih panjang praktikal walaupun apabila merantai beberapa langkah kreatif. Ini bukanlah sesuatu yang revolusioner secara sendirian, namun secara keseluruhannya ia mengurangkan geseran dalam kerja harian pencipta.

Dari segi kelajuan, ERNIE 5.1 setanding dengan keluaran GPT-5.5 Instant terkini dan mengatasi beberapa variasi Gemini dalam tugas gaya agent. Kos setiap token kekal menarik untuk sesi kreatif yang panjang. Fleksibiliti kreatif adalah di mana jurang paling menyempit: model Barat masih mendahului dalam julat gaya mentah, namun integrasi carian yang lebih ketat ERNIE 5.1 memberinya kelebihan apabila pencipta memerlukan asas fakta di dalam adegan fiksyen. Secara jujur, sampel tidak saintifik saya yang hanya satu menunjukkan perbezaan selalunya bergantung kepada ekosistem yang anda sudah berada di dalamnya berbanding keunggulan mutlak.