Baidu lança os modelos Wenxin 4.5 e X1 com preços significativamente reduzidos

AIbase基地

Publicado emNotícias e Informações de IA · 4 minutos de leitura · Mar 16, 2025

Recentemente, o Baidu lançou oficialmente seus mais recentes modelos de linguagem grandes, o Wenxin 4.5 e o Wenxin X1, que os usuários podem experimentar gratuitamente no site oficial do Wenxin Yiyin. O Wenxin 4.5 é o primeiro modelo multimodal nativo do Baidu, focado na compreensão multimodal e raciocínio lógico, com desempenho superior ao GPT-4.5 em vários testes de referência, e seu preço de chamada da API é apenas 1% do último. Essa vantagem de preço significativa, sem dúvida, atrairá a atenção de mais desenvolvedores e empresas.

O Wenxin 4.5 obteve avanços significativos na compreensão multimodal, possuindo capacidades de raciocínio gráfico, análise de gráficos e até mesmo compreensão de memes, quadrinhos, músicas e filmes. Em vários testes, a pontuação média do Wenxin 4.5 atingiu 79,6, superando os 79,14 do GPT-4.5, demonstrando sua forte competitividade.

Baidu, Wenxin Yiyin, Wenxin Modelo de Linguagem Grande

Já o Wenxin X1 é conhecido como o "modelo de pensamento profundo", com desempenho comparável ao DeepSeek-R1, focando em tarefas como perguntas e respostas de conhecimento em chinês, criação literária e raciocínio lógico. O X1 não apenas possui a vantagem de "cadeias de pensamento longas", mas também adicionou capacidades multimodais, podendo compreender e gerar imagens, além de chamar ferramentas para gerar códigos e gráficos, tornando o conteúdo mais rico. Este modelo utiliza tecnologias-chave como aprendizado por reforço progressivo e sistema de recompensa unificado multifacetado, melhorando a capacidade geral de raciocínio e a relação custo-benefício.

Atualmente, ambos os modelos já estão disponíveis no site oficial do Wenxin Yiyin, e os usuários podem experimentá-los gratuitamente após o login. Empresas e desenvolvedores também podem acessar esses novos modelos por meio da plataforma de modelos de linguagem grandes Qianfan da Baidu Smart Cloud. O preço de entrada do Wenxin 4.5 é de 0,004 yuan/mil tokens, e o preço de saída é de 0,016 yuan/mil tokens. Já o Wenxin X1 tem um preço mais acessível, com entrada de apenas 0,002 yuan/mil tokens e saída de 0,008 yuan/mil tokens, marcando uma forte presença do Baidu no campo dos modelos de linguagem grandes.

Com o avanço contínuo da tecnologia e a popularização dos preços, os modelos de linguagem grandes Wenxin do Baidu proporcionarão serviços inteligentes mais convenientes e eficientes para mais usuários, abrindo um novo capítulo para os aplicativos de IA.

Google lança o modelo multimodal Gemma-3 de nova geração: desempenho superior e custo 10 vezes menor

O CEO do Google, Sundar Pichai, anunciou em um evento de lançamento que o Google lançou o mais recente modelo multimodal de larga escala, o Gemma-3. Este modelo é notável por sua alta performance e baixo custo. O Gemma-3 oferece quatro opções de tamanho de parâmetros, com 1 bilhão, 4 bilhões, 12 bilhões e 27 bilhões de parâmetros. Surpreendentemente, o modelo de 27 bilhões de parâmetros, o maior, requer apenas uma GPU H100 para inferência eficiente, enquanto modelos semelhantes geralmente exigem dez vezes mais poder computacional.

DeepSeek lança novo modelo multimodal de IA, Janus-Pro, com recursos aprimorados

A DeepSeek, empresa de modelos de linguagem de grande porte, lançou o novo modelo multimodal Janus-Pro, marcando sua entrada oficial no campo da geração de imagens por texto. Este lançamento representa um avanço significativo na tecnologia de IA multimodal da DeepSeek. Em testes de referência como GenEval e DPG-Bench, o Janus-Pro-7B não apenas superou o DALL-E3 da OpenAI, mas também modelos populares como Stable Diffusion e Emu3-Gen. O Janus-Pro utiliza licença MIT.

A Alibaba DAMO Academy lança o modelo multimodal Valley 2 para cenários de comércio eletrônico

A Alibaba DAMO Academy lançou recentemente um modelo de linguagem grande multimodal chamado Valley2, projetado para cenários de comércio eletrônico. Ele visa melhorar o desempenho em várias áreas e expandir os limites de aplicação em comércio eletrônico e vídeos curtos por meio de uma arquitetura de linguagem visual escalável. O Valley2 utiliza o Qwen2.5 como base do LLM, juntamente com o codificador visual SigLIP-384, combinando camadas MLP e convoluções para uma conversão de recursos eficiente.

Ex-especialista em visão da Microsoft, Hu Han, junta-se à Tencent para liderar o desenvolvimento do modelo multimodal HunYuan

Hu Han, ex-chefe de pesquisa do grupo de computação visual do Microsoft Research Asia, juntou-se oficialmente à Tencent, assumindo o desenvolvimento do modelo multimodal HunYuan, substituindo Liu Wei, ex-líder de tecnologia do modelo HunYuan, que deixou a empresa. Esta notícia chamou a atenção da indústria. Hu Han possui um sólido background acadêmico. Em 2008, graduou-se na Universidade Tsinghua e, em 2014, obteve seu doutorado sob a orientação do renomado professor Zhou Jie. Sua tese de doutorado recebeu o Prêmio de Excelência em Teses de Doutorado da Sociedade Chinesa de Inteligência Artificial em 2016. Em 2012, Hu Han trabalhou na Universidade da Pensilvânia...