百度于 11 月 12 日举行的百度世界 2026 大会上,发布两款面向应用场景的 ERNIE 模型:深度思维模型 ERNIE Lightning,以及微表情视频模型 ERNIE-Wizshot-ME。两款模型均已上线百度 AI 云端千帆平台,并向企业客户与合作伙伴开放 API 接口。
发布场合与上线平台
据报道,百度于 2026 年 11 月 12 日举行的百度世界 2026 大会上发布两款 ERNIE 模型:
ERNIE Lightning:深度思维模型
ERNIE-Wizshot-ME:微表情视频模型,已上线千帆平台
两款模型均已在百度 AI 云端千帆平台上线,并向企业客户与合作伙伴开放 API 接口。百度应用模型研发部负责人贾磊于会上介绍相关模型。
ERNIE Lightning 的开发背景
据百度介绍,ERNIE Lightning 最初是为百度搜索开发。随着搜索从检索转向答案、智能代理与多步骤任务,模型必须能理解复杂请求、进行推理并调用工具,同时在海量用户下保持快速响应。
ERNIE Lightning 的架构与思考模式
据百度说明,ERNIE Lightning 的主要设计如下:
稀疏注意力:使用百度稀疏注意力机制 BSA,基于反馈驱动的键值缓存压缩,重建标准 Transformer 模型
快慢思维循环:快速思考的模型处理实时请求,慢速思考的模型则作为评判者,提供改进反馈
运行模式:提供思考模式与非思考模式
任务涵盖:编码、逻辑推理、智能代理与文字处理
运行环境与推理成本
据百度说明,借助昆仑鑫协同优化,ERNIE Lightning 可在一台八卡昆仑鑫服务器上快速进行推理,并将推理引擎成本降低 30% 以上。以上为百度的自述数据,尚未获独立验证。
相关模型的命名说明
据报道,百度在千帆与 OpenRouter 上另列出 ERNIE-Light-DT-1.0,称其基于开源 GLM 模型,并结合百度搜索 Lightning 模型的研究成果。报道指出,百度并未说明这是否为同一款产品,读者宜以官方信息为准。
ERNIE-Wizshot-ME 的功能设计
据百度说明,ERNIE-Wizshot-ME 专注于 AI 视频中的情绪表达,主要设计如下:
多模态整合:将文字、视觉与语音融为一体
脚本长度:支持最多 4000 个字符的脚本
情绪描述系统:采用六个维度、200 个子维度的细致描述,将情绪线索转化为面部表情、肢体动作与情绪变化
段落级配音:可一次完成整个剧本的配音,而非拼接约 30 秒的片段,以维持语调与节奏一致
视频规格与价格:静态人像可生成 4 至 15 秒 1080p 视频
据千帆产品页面,ERNIE-Wizshot-ME 的主要规格与价格如下:
输入:静态人像照片,使人物说话
输出:4 至 15 秒的 1080p 视频
价格:每秒 0.7 元
百度另称,此模型的视频制作成本比行业平均低 50%,其快速版本可于约一分钟内产出一分钟的视频。以上为百度自述,未获独立验证。
尚未公布的信息:独立基准测试、参数数量与上下文长度均未公布
据报道,百度目前尚未公布以下信息:
· 两款模型的独立基准测试结果
· 参数数量
· 上下文长度
读者在评估模型性能与适用范围时,宜待第三方测试与官方技术文件进一步公布后再作判断。
常见问题
百度此次在百度世界 2026 发布的两款 ERNIE 模型分别是什么?
据报道,两款模型分别为 ERNIE Lightning(深度思维模型,最初为百度搜索开发)与 ERNIE-Wizshot-ME(微表情视频模型,可将静态人像转为 4 至 15 秒 1080p 视频)。两款模型均已上线千帆平台,并开放 API 接口。
ERNIE Lightning 在运行成本上有哪些主张?
据百度说明,借助昆仑鑫协同优化,ERNIE Lightning 可在一台八卡昆仑鑫服务器上快速进行推理,推理引擎成本据称降低 30% 以上;此为百度自述数据,尚未获独立验证。
ERNIE-Wizshot-ME 的定价与主要功能为何?
据千帆产品页面,ERNIE-Wizshot-ME 的价格为每秒 0.7 元,可由静态人像生成 4 至 15 秒的 1080p 视频。功能方面,支持最多 4000 字符脚本,采用细致情绪描述系统,并可一次完成整个剧本的段落级配音。
免责声明:以上内容(如有图片或视频亦包括在内)均为平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。
本站尊重他人的知识产权、名誉权等法律法规所规定的合法权益!如网页中刊载的文章或图片涉及侵权,请提供相关的权利证明和身份证明发送邮件到qklwk88@163.com,本站相关工作人员将会进行核查处理回复