Baidu выпускает ERNIE Image: открытую модель генерации изображений с поддержкой весов

Введение: Новый этап мультимодальности от Baidu

1 апреля 2026 года компания Baidu объявила о значительном расширении своей экосистемы искусственного интеллекта, представив ERNIE Image. После успеха текстовых моделей серии ERNIE 5.1 и 5.5, китайский технологический гигант переносит свои наработки в область диффузионных моделей и генеративного визуального контента.

Этот релиз знаменует собой стратегический сдвиг: в отличие от многих проприетарных решений, Baidu предоставляет доступ к весам (open weights) через Hugging Face. Это открывает перед разработчиками и AI-инженерами беспрецедентные возможности для локального развертывания, тонкой настройки (fine-tuning) и интеграции в частные инфраструктуры, что делает ERNIE Image серьезным игроком на рынке open-source генеративных моделей.

• Дата релиза: 1 апреля 2026 года
• Доступность: Open weights на Hugging Face
• Варианты: Базовая модель и высокопроизводительная ERNIE Image Turbo
• Назначение: Генерация высококачественных изображений по текстовым описаниям

Архитектура и ключевые особенности

ERNIE Image построена на базе передовых архитектурных решений, которые Baidu развивала в рамках своих последних LLM (Large Language Models). Модель демонстрирует глубокое понимание семантики текста, что позволяет ей точно интерпретировать сложные промпты, включая пространственные отношения и специфические художественные стили.

Особое внимание уделено интеграции с семейством ERNIE. Благодаря преемственности от моделей ERNIE 5.1 и 5.5 Flash, ERNIE Image обладает улучшенным когнитивным пониманием контекста. Это означает, что модель не просто «рисует по словам», а понимает логику сцены, освещение и композицию, заложенную в запросе.

• Мультимодальная интеграция с семейством ERNIE 5.x
• Поддержка сложных семантических конструкций
• Оптимизация под архитектуру Kunlun для ускорения инференса
• Возможность локального развертывания благодаря открытым весам

Производительность и бенчмарки

Согласно данным Artificial Analysis (AA), ERNIE Image демонстрирует впечатляющие результаты в категории визуального качества. Базовая модель получила рейтинг Elo 910, в то время как оптимизированная версия Turbo достигла показателя 915. Эти цифры подтверждают, что модель не только качественная, но и крайне эффективная в плане соотношения «качество/скорость».

Масштаб использования модели подтверждается статистикой платформы AA: каждая из моделей имеет более 11 000 выборок (samples) в базе бенчмарков, что свидетельствует о высокой интенсивности тестирования и реального использования в индустрии. Модель позиционируется как решение 'value-tier', предлагая топовое качество по значительно более низкой цене, чем закрытые конкуренты.