百度发布 ERNIE Lightning 与 ERNIE-Wizshot-ME,已上线千帆平台并开放 API

关键要点

  • 百度于11月12日在百度世界2026大会上发布ERNIE Lightning与ERNIE-Wizshot-ME两款模型,均已在千帆平台开放API。
  • ERNIE Lightning采用稀疏注意力机制与快慢思维循环,据称可使推理引擎成本降低30%以上。
  • ERNIE-Wizshot-ME可根据静态人像生成4至15秒的1080p视频,定价为每秒0.7元,支持最长4000字符的脚本及细致的情绪描述系统。

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:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论