國產開源大模型再添新成員。 就在今天，百度又開源了一個多模態思考模型：ERNIE-4.5-VL-28B-A3B-Thinking。 僅僅3B 活化參數，多模態理解與推理能力就逼近了GPT-5-High 與Gemini-2.5-Pro 模型。 這次最大亮點是它的「圖像思考」 能力，可以主動放大、縮小圖片，仔細觀察圖片細節再進行思考回答。 就像人一樣，當看到一張圖，經過大腦思考理解，然後告訴大家有什麼內容。 以下是官方給的測試案例，一起來看看：
一張打工人實際工作量的老梗圖（圖1）。 模型能讀懂其中的笑點，並詳細闡述了這張圖如何精準戳中當代打工人的痛點（圖2）。
一張已經過期了的月餅照片，上面的生產過期日期很模糊（圖1）。 即使人把照片放到最大也只能勉強看清，但它依然能正確看到「月餅已經過期了」（圖2）。
還有，一張在深圳北拍攝的夜景圖（圖1）。 不給任何提示，它能根據圖中的建築特徵，判斷出具體的拍攝位置（圖2）。 而且是有理有據的，真的有點厲害。
總的來看，這次模型引入的「圖像思考」 能力，確實挺強的，似乎真的能看懂並理解圖片資訊。 目前還沒有線上體驗位址，不過模型已經開源。 模型下載：https://t.co/WOYawrwuZL