文心黑板报｜3分钟掌握文心多模态模型API调用方法-平芜编程栈

《文心黑板报》是您了解文心大模型的第一站。在这里，我们将第一时间解读文心系列模型的核心功能与落地场景，同步其前沿的技术突破与研发进展，并提供从零开始的实用入门教程。

欢迎大家来到文心黑板报第一期！

11月11日，百度文心4.5多模态思考模型正式开源，仅3B激活参数，效果媲美顶级大模型，在文档与图表理解能力、理科与文科综合推理、通用视觉推理等任务中表现优异。

基于社区开发者对调用API进行测试和使用的需求，目前我们已在星河社区AI Studio、PH8大模型MaaS平台以及Novita平台完成了该模型的部署上线。本期，文心黑板报为大家带来ERNIE-4.5-VL-28B-A3B-Thinking实战篇，通过模型API调用指南教大家快速上手体验ERNIE-4.5-VL-28B-A3B-Thinking多模态思考模型能力，实现餐饮结算单识别、数学题解答等任务。

更多模型能力欢迎查看：

仅3B激活参数，更强的多模态理解与推理能力，ERNIE-4.5-VL-28B-A3B-Thinking正式开源！

在星河社区AI Studio调用文心大模型

学习实训，高效开发

飞桨星河社区是面向AI学习者的人工智能学习与实训社区。飞桨星河社区以文心大模型和飞桨为核心，集开放数据、开源算法、云端GPU算力及大模型开发工具于一体，在大模型范式下，为开发者提供模型与应用的高效开发环境。

快速开始

进入模型体验场：AI Studio Playground支持选择不同版本的文心大模型，自定义调整参数信息和系统提示词。
模型体验场：
https://aistudio.baidu.com/playground

使用WEB-UI体验：通过选择当前模型，点击立即体验模型效果，即可快速上手使用。

选取了一张即将用于报销流程的餐饮结算单作为测试样本，测试了ERNIE-4.5-VL-28B-Thinking模型的效果，结果显示，该模型在文档解析任务识别准确，其解析效果值得称赞。

使用高性能API调用：获取统一的API-key，根据文档中的调用说明提示进行配置，该方式支持用户学习实训及项目开发，兼容openai接口。

from openai import OpenAIclient = OpenAI( api_key="###########################", # Access Token属于个人账户的重要隐私信息，请谨慎管理，切忌随意对外公开, base_url="https://aistudio.baidu.com/llm/lmapi/v3", # aistudio 大模型 api 服务域名)chat_completion = client.chat.completions.create( model="ernie-4.5-vl-28b-a3b-thinking", messages=[ { "role": "user", "content": "在这里输入你的问题" }], stream=True, extra_body={ "penalty_score": 1 }, max_completion_tokens=128000, temperature=0.6, top_p=0.95, frequency_penalty=0, presence_penalty=0)for chunk in chat_completion: if not chunk.choices or len(chunk.choices) == 0: continue if hasattr(chunk.choices[0].delta, "reasoning_content") and chunk.choices[0].delta.reasoning_content: print(chunk.choices[0].delta.reasoning_content, end="", flush=True) else: print(chunk.choices[0].delta.content, end="", flush=True)

在PH8大模型MaaS平台调用文心大模型

企业级服务保障，7×24小时稳定运行

PH8大模型MaaS平台作为文心大模型合作伙伴，为企业及开发者提供ERNIE-4.5-VL-28B-A3B-Thinking API调用能力；除该模型之外，也在第一时间支持了文心A47B、A3B参数的文本模型和多模态模型，先来看看文心多模态思考模型的数学解题任务效果。

PH8大模型MaaS平台：

https://ph8.co/home

快速开始

进入模型广场：在模型广场找到ERNIE-4.5-VL-28B-A3B-Thinking模型。

使用高性能API调用：获取统一的API-key，根据文档中的调用说明提示进行配置，该方式支持用户高并发调用，兼容openai接口。

from openai import OpenAIimport osbase_url = os.environ.get("OPENAI_BASE_URL", "https://ph8.co/openai/v1")api_key = "sk-xxx"########################### ###########################client = OpenAI(base_url=base_url, api_key=api_key)########################### 基础模式 ###########################response = client.chat.completions.create( model="ernie-4.5-vl-28b-a3b-thinking", messages=[ {"role": "user", "content": "What are some fun things to do in New York?"}], max_tokens=10240, temperature=0.0, stream=True,)for chunk in response: print(chunk.choices[0].delta.content or "", end="", flush=True)print()

更多学习与实践指南

自文心大模型开源以来，文心团队深度拆解文心系列开源模型的技术亮点与多场景实战效果，倾力打造精彩课程内容！诚邀各位小伙伴们回看学习，进一步夯实技能；更期待大家踊跃动手实测，直观感受文心大模型的最新强大能力！

课程回放：