ERNIE-4.5-21B-A3B-Base

系统要求

不同量化方法和上下文大小的显存要求

没有可用的 ERNIE-4.5-21B-A3B-Base 评估基准。

关于 ERNIE-4.5-21B-A3B-Base

ERNIE-4.5-21B-A3B-Base 模型是一款以文本为核心的混合专家（MoE）Transformer 模型，是百度文心（ERNIE）4.5 模型系列的核心组件。该特定变体通过模态特定提取过程衍生而来，从涉及数万亿 token 的大规模多模态预训练阶段中分离出文本相关的参数。其架构特征在于异构 MoE 结构，支持在训练期间跨模态共享参数，同时为特定数据类型保留专用专家。这种设计确保了文本表征不会因多模态联合训练而受损，从而在中文和英文的自然语言理解与生成方面实现高性能。

在技术层面，该模型采用稀疏架构，每层包含 64 个专家，通过路由机制为每个 token 激活 6 个专家，使得每次前向传播约有 30 亿个激活参数。这种稀疏性显著降低了计算开销，同时保持了 210 亿参数大模型的表征能力。注意力机制采用分组查询注意力（GQA），包含 20 个查询头和 4 个键值头，优化了显存带宽和推理速度。二维旋转位置嵌入（2D RoPE）的集成以及对 131,072 token 上下文窗口的支持，使其在处理长文档和复杂推理任务时非常高效。

为便于高效部署，文心 4.5 系列基于飞桨（PaddlePaddle）框架构建，并结合了多项硬件级优化，包括 FP8 混合精度训练和多专家并行协作。该模型支持 4 位和 2 位无损压缩等先进量化技术，使其能够在降低显存需求的情况下在多种硬件平台上运行。通过利用模态隔离路由和专用路由损失，该模型实现了极高的参数效率，适用于从复杂摘要到生产环境下的跨模态推理等工业级应用。

技术规格

资源

关于 ERNIE 4.5

百度 ERNIE 4.5 系列包含十个大规模多模态模型。该系列采用异构专家混合（MoE）架构，在支持跨模态参数共享的同时，也为特定模态配置了专用参数，从而实现了高效的语言和多模态处理。

其他 ERNIE 4.5 模型

• ERNIE-4.5-0.3B-Base
• ERNIE-4.5-0.3B
• ERNIE-4.5-21B-A3B
• ERNIE-4.5-VL-28B-A3B-Base
• ERNIE-4.5-VL-28B-A3B
• ERNIE-4.5-300B-A47B-Base
• ERNIE-4.5-300B-A47B
• ERNIE-4.5-VL-424B-A47B
• ERNIE-4.5-VL-424B-A47B-Base