Baidu: ERNIE 4.5 VL 424B A47B
ERNIE 4.5 VL 424B A47B est le grand modèle vision-langage en poids ouverts de Baidu, publié le 30 juin 2025 lors de l'ouverture de la famille ERNIE 4.5. Son architecture est un Mixture-of-Experts hétérogène à routage isolé par modalité (424 milliards de paramètres au total, 47 actifs,…
ERNIE 4.5 VL 424B A47B est le grand modèle vision-langage en poids ouverts de Baidu, publié le 30 juin 2025 lors de l'ouverture de la famille ERNIE 4.5. Son architecture est un Mixture-of-Experts hétérogène à routage isolé par modalité (424 milliards de paramètres au total, 47 actifs, avec des experts dédiés au texte et d'autres à la vision). Il accepte texte et images en entrée, produit du texte, et propose des modes « thinking » et « non-thinking ».
Sa licence Apache 2.0 en fait l'un des rares très gros VLM réellement permissifs issus d'un acteur chinois, juste avant le virage propriétaire d'ERNIE 5.0.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Baidu |
| Licence | Apache 2.0 (open-weights, usage commercial autorisé) |
| Date de sortie | 30 juin 2025 |
| Connaissances jusqu'à | 2025-03-31 |
| Multimodal | oui |
| Paramètres | 424 milliards |
| Paramètres actifs | 47 milliards |
| Fenêtre de contexte | 131 072 tokens |
| Modalités (entrée → sortie) | image,text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 99,5 % | 68ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 99,0 % | 24ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 96,0 % | 102ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 89,0 % | 118ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 88,0 % | 120ᵉ / 217 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 62,0 % | 128ᵉ / 252 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 52,0 % | 181ᵉ / 239 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Ethics (Baseline)
Benchable : General Knowledge (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| NovitaAI | 0,42 $ | 1,25 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 78 % en dessous de la moyenne des LLM similaires, et 11,5 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,03 $ |
| Latence moyenne par benchmark — Benchable | 9 min 20 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. C'est avant tout une brique multimodale ouverte et auditable : des poids librement réutilisables sous Apache 2.0, ce qui est rare à cette échelle. En mode thinking, Baidu revendique un net rapprochement avec les meilleurs modèles propriétaires sur des tâches visuelles exigeantes (MathVista, MMMU). Le routage par modalité vise à préserver les capacités texte tout en ajoutant la vision.
Limites et points d'attention. Le déploiement est lourd (de l'ordre de seize GPU de 80 Go en BF16), ce qui le réserve aux organisations bien dotées. Baidu n'a pas publié de chiffres de benchmarks publics standard en clair, et les mesures tierces disponibles montrent un suivi d'instructions et un raisonnement plus en retrait que les meilleurs scores bruts ne le laissent croire. La latence est élevée. Il s'adresse surtout aux équipes cherchant un socle VLM ouvert à adapter, plutôt qu'un modèle prêt à l'emploi.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).