📈 Модель показала превосходство на бенчмарках над GPT-5-High и Gemini-2.5 Pro и использует архитектуру attention 3D block с учетом пространственной, канальной и временной модальностей, визуальный трансформер ViT, LLM с MoE и подход Thinking with Images.
📲 В слайдах разобраны механизм кросс-модального внимания, три этапа обучения и другие детали.
Пост подготовил наш амбассадор Ruslan Dev — практик и исследователь в области современных AI/ML-технологий.
➡️ Подберите оптимальную конфигурацию для хостинга ERNIE-4.5-VL-28B-A3B-Thinking, используя наш каталог моделей и эндпоинтов.