百度ERNIE系列再推新品，ERNIE-4.5-21B-A3B-Thinking版本正式发布，重点强化模型推理能力与复杂任务处理效率，标志着轻量级大语言模型在高端任务领域的竞争力进一步提升。
【免费下载链接】ERNIE-4.5-21B-A3B-Thinking项目地址: https://ai.gitcode.com/hf_mirrors/baidu/ERNIE-4.5-21B-A3B-Thinking
当前大语言模型领域正呈现"双向发展"趋势：一方面，千亿级参数模型持续刷新性能上限；另一方面，轻量化模型通过架构优化与能力聚焦，在特定场景展现出性价比优势。据相关研究显示，21-70B参数区间的模型因平衡性能与部署成本，已成为企业级应用的主流选择，尤其在推理任务优化上的技术突破，正成为各厂商竞争的核心焦点。
ERNIE-4.5-21B-A3B-Thinking作为百度最新迭代的轻量级模型，核心亮点集中在三大维度：首先是推理能力的全面升级，在逻辑推理、数学运算、科学问答、代码生成等专业领域实现性能跃升，特别针对需要人类专家级知识的学术基准测试表现突出；其次是工具使用效率的提升，模型能更精准地理解并调用外部工具，扩展了实际应用场景；最后是128K超长上下文理解能力的增强，可处理更长文本序列，满足复杂文档分析等需求。
从技术架构看，该模型采用文本MoE（混合专家）后训练模式，总参数210亿，单token激活参数30亿，通过64个文本专家（每次激活6个）与2个共享专家的协同机制，实现了推理性能与计算效率的平衡。官方特别提示，新版本思考长度有所增加，强烈建议用于高度复杂的推理任务场景。
如上图所示，该图片展示了ERNIE-4.5-21B-A3B-Thinking在各类推理任务基准测试中的性能表现。通过与前代模型及同类产品的对比，直观呈现了新模型在复杂推理场景下的优势，为开发者选择合适模型提供了数据参考。
在实际部署方面，模型提供了灵活的接入方式。支持FastDeploy、vLLM及Transformers库等主流部署工具，其中FastDeploy需80GB单GPU资源及2.2以上版本，vLLM需0.10.2版本（不含0.11.0），同时兼容PyTorch与PaddlePaddle生态。官方提供的代码示例显示，通过简单几行代码即可实现模型加载与文本生成，降低了开发者的使用门槛。
该模型的推出将加速轻量级大语言模型在企业级场景的落地。对于金融风控、科研辅助、智能客服等需要深度推理的领域，ERNIE-4.5-21B-A3B-Thinking在保持部署成本优势的同时，能提供更接近大型模型的推理质量；而128K长上下文能力则使其在法律文档分析、医疗记录解读等长文本处理场景具备独特价值。随着工具使用能力的增强，该模型还可作为智能助手的核心引擎，连接各类专业工具形成完整解决方案。
ERNIE-4.5-21B-A3B-Thinking的发布，不仅体现了百度在大语言模型领域的持续投入，更代表了行业对"精准发力"技术路线的认可——通过聚焦核心能力突破而非单纯参数堆砌，轻量化模型正逐步打破"小模型做不了复杂任务"的固有认知。未来，随着推理优化技术的不断成熟，我们或将看到更多轻量级模型在垂直领域挑战传统大型模型的应用地位，推动AI技术在更多中小企业的普及落地。
【免费下载链接】ERNIE-4.5-21B-A3B-Thinking项目地址: https://ai.gitcode.com/hf_mirrors/baidu/ERNIE-4.5-21B-A3B-Thinking
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
