ERNIE 5.0 от Baidu бросает вызов GPT-5

Спустя всего несколько часов после того, как OpenAI обновила свою флагманскую базовую модель GPT-5 до версии GPT-5.1, пообещав в целом сократить расход токенов, сделать её более «дружелюбной» и добавить больше предустановленных настроек, китайский поисковый гигант Baidu представил базовую модель нового поколения ERNIE 5.0, а также пакет обновлений ИИ-продуктов и стратегическое расширение на международном рынке.

Цель — занять позицию глобального игрока на всё более конкурентном рынке корпоративного искусственного интеллекта.

Представленная на мероприятии Baidu World 2025, модель ERNIE 5.0 является проприетарной и изначально мультимодальной (omni-modal). Она разработана для одновременной обработки и генерации контента в форматах текста, изображений, аудио и видео.

В отличие от недавно выпущенной модели Baidu ERNIE-4.5-VL-28B-A3B-Thinking, которая имеет открытый исходный код и распространяется по дружественной для бизнеса и либеральной лицензии Apache 2.0, ERNIE 5.0 является проприетарной моделью. Она доступна только через веб-сайт Baidu’s ERNIE Bot (мне потребовалось вручную выбрать её в выпадающем списке моделей) и через интерфейс программирования приложений (API) облачной платформы Qianfan для корпоративных клиентов.

Параллельно с запуском модели Baidu представила крупные обновления своей платформы цифровых людей, инструментов без написания кода (no-code) и универсальных ИИ-агентов — всё это направлено на расширение присутствия компании в сфере ИИ за пределами Китая.

Компания также представила ERNIE 5.0 Preview 1022 — вариант, оптимизированный для задач с интенсивным использованием текста, наряду с общей предварительной моделью, которая обеспечивает баланс между различными модальностями.

В Baidu подчеркнули, что ERNIE 5.0 знаменует собой сдвиг в подходах к масштабному внедрению искусственного интеллекта. Генеральный директор Робин Ли заявил: «Когда вы интериоризируете ИИ, он становится встроенной способностью и превращает интеллект из статьи расходов в источник производительности».

В чём ERNIE 5.0 превосходит GPT-5 и Gemini 2.5 Pro

Результаты тестирования ERNIE 5.0 в бенчмарках показывают, что Baidu добилась паритета — или близкого к нему состояния — с ведущими западными базовыми моделями в самом широком спектре задач.

На слайдах с результатами публичных бенчмарков, показанных на Baidu World 2025, модель ERNIE 5.0 Preview превзошла или показала результаты на уровне OpenAI GPT-5-High и Google Gemini 2.5 Pro в мультимодальных рассуждениях, понимании документов и ответах на вопросы по изображениям (Visual QA), а также продемонстрировала сильные навыки языкового моделирования и выполнения кода.

Компания подчеркнула способность модели работать с совместными входами и выходами для разных модальностей вместо использования пост hoc объединения модальностей, назвав это своим техническим отличительным преимуществом.

В визуальных задачах ERNIE 5.0 завоевала лидирующие позиции в OCRBench, DocVQA и ChartQA — трёх бенчмарках, которые проверяют распознавание документов, понимание текста и работу со структурированными данными.

В Baidu утверждают, что модель обошла и GPT-5-High, и Gemini 2.5 Pro в этих бенчмарках по работе с документами и диаграммами. Компания описывает эти направления как ключевые для корпоративных приложений, таких как автоматическая обработка документов и финансовый анализ.

Что касается генерации изображений, то согласно внутренней оценке Baidu на базе GenEval, ERNIE 5.0 не уступила Google Veo3 или превзошла её в таких категориях, как семантическое соответствие и качество картинок. В компании заявили, что мультимодальная интеграция модели позволяет ей генерировать и интерпретировать визуальный контент с более высоким уровнем контекстуального восприятия, чем у моделей, использующих специализированные под конкретную модальность энкодеры.

В задачах, связанных с обработкой аудио и речи, модель ERNIE 5.0 продемонстрировала конкурентные результаты на бенчмарках понимания звука MM-AU и TUT2017, а также в ответах на вопросы на основе голосового ввода. Её аудиовозможности, хотя и не акцентируются так сильно, как зрение или текст, указывают на широкий потенциал для поддержки полномасштабных мультимодальных приложений.

В языковых задачах модель показала отличные результаты в следовании инструкциям, ответах на фактические вопросы и математических рассуждениях — ключевых областях, которые определяют полезность больших языковых моделей для бизнеса.

Вариант ERNIE 5.0 Preview 1022, оптимизированный для работы с текстом, продемонстрировал ещё более высокие результаты в тестах языка на этапе раннего доступа для разработчиков. Хотя Baidu не заявляет о безоговорочном превосходстве в общих языковых рассуждениях, её внутренние тесты показывают, что ERNIE 5.0 Preview 1022 сокращает разрыв с ведущими англоязычными моделями и превосходит их в задачах на китайском языке.

Хотя Baidu не опубликовала полные детали бенчмарков или «сырые» баллы, позиционирование модели указывает на осознанную попытку представить ERNIE 5.0 не как нишевую мультимодальную систему, а как флагманскую модель, способную конкурировать с крупнейшими закрытыми моделями в сфере универсальных рассуждений.

Там, где Baidu заявляет о явном лидерстве — это понимание структурированных документов, визуальный анализ диаграмм и интеграция нескольких модальностей в единую нативную архитектуру модели. Независимая проверка этих результатов еще впереди, но заявленный широкий спектр возможностей делает ERNIE 5.0 серьезной альтернативой в экосистеме мультимодальных базовых моделей.

Стратегия корпоративного ценообразования

Модель ERNIE 5.0 позиционируется в премиальном сегменте ценовой политики Baidu. Компания установила конкретные расценки на использование API на своей платформе Qianfan, выровняв стоимость с другими топовыми предложениями от китайских конкурентов вроде Alibaba.

Разница в стоимости между ERNIE 5.0 и более ранними моделями, такими как ERNIE 4.5 Turbo, подчёркивает стремление Baidu разграничить высокопроизводительные недорогие модели и решения с расширенными возможностями для сложных задач и мультимодального анализа.

По сравнению с альтернативами из США цены остаются на среднем уровне:

Глобальная экспансия: продукты и платформы

Параллельно с выпуском модели Baidu расширяет своё международное присутствие:

• GenFlow 3.0, насчитывающая уже более 20 млн пользователей, является крупнейшим универсальным ИИ-агентом компании с расширенной памятью и возможностью работы с мультимодальными задачами.

• Famou, саморазвивающийся агент, способный динамически решать сложные проблемы, теперь доступен коммерчески по приглашениям.

• MeDo, международная версия no-code конструктора Miaoda от Baidu, запущена по всему миру на сайте medo.dev.

• Oreate, рабочее пространство для повышения продуктивности с поддержкой документов, презентаций, изображений, видео и подкастов, собрало более 1,2 млн пользователей по всему миру.

Платформа цифровых людей от Baidu, которая уже запущена в Бразилии, также является частью глобальной стратегии. Согласно данным компании, 83% стримеров во время прошедшего в Китае фестиваля шопинга «День холостяка» (Double 11) использовали технологию цифровых людей от Baidu, что обеспечило рост GMV на 91%.

Между тем сервис автономного заказа такси Apollo Go преодолел отметку в 17 миллионов поездок, управляя парками беспилотных автомобилей в 22 городах и удерживая титул крупнейшей в мире сети роботакси.

Открытая визуально-языковая модель привлекает внимание индустрии

За два дня до анонса флагманской ERNIE 5.0 компания Baidu также выпустила мультимодальную модель с открытым исходным кодом по лицензии Apache 2.0: ERNIE-4.5-VL-28B-A3B-Thinking.

Как сообщал мой коллега Майкл Нуньес из VentureBeat, модель активирует всего 3 миллиарда параметров при общем их числе в 28 миллиардов, используя архитектуру смешения экспертов (Mixture-of-Experts, MoE) для эффективного инференса.

Ключевые технические инновации включают:

• «Мышление с использованием изображений» (Thinking with Images), обеспечивающее динамический визуальный анализ с возможностью масштабирования

• Поддержку интерпретации графиков, понимания документов, визуального сопоставления (visual grounding) и временного восприятия в видео

• Работу на одном графическом процессоре с 80 ГБ памяти, что делает модель доступной для организаций среднего размера

• Полную совместимость с инструментариями Transformers, vLLM и Baidu FastDeploy

Этот релиз усиливает давление на конкурентов с закрытым исходным кодом. Благодаря лицензии Apache 2.0 модель ERNIE-4.5-VL-28B-A3B-Thinking становится жизнеспособной базовой моделью для коммерческого применения без лицензионных ограничений — то, что могут предложить лишь немногие высокопроизводительные модели этого класса.

Отзывы сообщества и реакция Baidu

После запуска ERNIE 5.0 разработчик и специалист по оценке ИИ Лисан аль Гаиб (@scaling01) опубликовал неоднозначный отзыв в X (бывший Twitter). Хотя изначально он был впечатлен результатами модели в бенчмарках, он сообщил о постоянной проблеме: ERNIE 5.0 неоднократно вызывала сторонние инструменты во время создания SVG-графики — даже тогда, когда имелся прямой запрет на это.

«Бенчмарки ERNIE 5.0 выглядели безумно круто, пока я сам её не протестировал… к сожалению, она повреждена обучением с подкреплением (RL), либо у них серьезные проблемы с чат-платформой или системным промптом», — написал Лисан.

Буквально через несколько часов ориентированный на разработчиков аккаунт поддержки Baidu @ErnieforDevs дал официальный ответ:

«Спасибо за отзыв! Это известная ошибка — определённый синтаксис может стабильно её провоцировать. Мы уже работаем над исправлением. Пока что вы можете попробовать переформулировать запрос или изменить промпт, чтобы избежать этого».

Столь быстрая реакция отражает растущее внимание Baidu к коммуникации с разработчиками, особенно на фоне продвижения как проприетарных, так и открытых решений на международном рынке.

Перспективы Baidu и семейства базовых языковых моделей ERNIE

Модель Baidu ERNIE 5.0 знаменует собой стратегическое обострение борьбы в глобальной гонке базовых моделей. Заявляя о производительности на уровне самых передовых систем от OpenAI и Google, а также предлагая сочетание премиальных тарифов и открытых альтернатив, Baidu демонстрирует амбиции стать не просто лидером на внутреннем рынке ИИ, но и надежным глобальным инфраструктурным провайдером.

В эпоху, когда корпоративные пользователи ИИ всё сильнее нуждаются в мультимодальности, гибком лицензировании и эффективности развёртывания, подход Baidu по принципу двух третей (платные хостинг-API и открытый исходный код) может расширить популярность компании как в бизнес-среде, так и среди разработчиков.

Пока еще предстоит выяснить, подтвердятся ли заявления компании о производительности в ходе независимого тестирования. Однако в условиях растущих затрат, сложности моделей и нехватки вычислительных мощностей ERNIE 5.0 и сопутствующая ей экосистема обеспечивают Baidu сильные конкурентные позиции для следующей волны внедрения ИИ.