百度发布 ERNIE 5.5 Flash Preview,总参数 280B、激活 14B、支持 1M 上下文
来源标题:Ernie 5.5 Flash Preview
百度发布 ERNIE 5.5 Flash Preview,这是基于此前发布的 ERNIE 5.5 Flash Base 完成训练的首个模型。它总参数 280B、激活参数 14B,支持 100 万 token 上下文,在编程、3D 建模、知识工作与内容创作上表现突出,并兼顾推理效率。该模型已在千帆平台开放 API,权重将按 Apache 2.0 协议开源。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
今天,我们发布 ERNIE 5.5 Flash Preview,这是基于此前发布的 ERNIE 5.5 Flash Base 训练的首个后训练模型。它拥有 280B 总参数、14B 激活参数和 1M token 上下文,在编程、3D 建模、知识工作和内容创作方面表现出色。
它在能力与推理效率之间取得了平衡,在主要基准测试中得分具有竞争力,同时保持较快的解码速度。API 现已在千帆平台上线,权重将很快以 Apache 2.0 协议开源。
以下是 ERNIE 5.5 Flash Preview 在游戏开发、3D 建模与设计、知识工作和视频创作等真实任务中产出的作品。该模型在 agent harness 内端到端完成了每一部分。外部资产和工具已在每件作品旁注明来源。
ERNIE 5.5 Flash Preview 支持广泛的编程任务,从修复和迭代真实世界的代码库,到构建复杂应用和完整项目。它尤其擅长长周期任务,具备强大的规划、执行和迭代优化能力。我们通过领域特定的训练数据和专用评估框架,进一步提升了它的游戏开发能力,重点关注游戏机制实现、玩法逻辑编排、运行时状态管理和资产管线。我们还增强了对主要游戏引擎的支持,包括 Unreal Engine、Unity 和 Godot,使其能够有效适配各引擎的开发范式、工具和工作流。这使模型能够处理游戏开发过程中的实际任务,从游戏设计和玩法实现到场景创建。
用 Unreal Engine 制作武侠游戏:云岫行:一款使用 Unreal Engine 5.8 制作的第三人称游戏,背景设定在张家界云雾缭绕的砂岩峰林和悬崖顶部的寺庙之中。在一次长达 11 小时的编程任务中,模型将为多代 Unreal Engine 制作的资产合并到一个 UE 5.8 项目中,并用 C++ 编写了整个游戏。由于它是纯文本模型,无法看到屏幕,它将试玩中发现的问题——例如角色悬浮在地面上方、奔跑方向不一致和摄像机位置错误——转化为代码中可测量的测试。不断增长的测试套件和试玩反馈推动了每一次迭代,直到所有开发目标达成。外部资产:张家界山地环境和武侠女主角角色包。· 查看 / 下载视频
从设计文档到可玩游戏(使用 Cocos、Unity、LayaAir、PixiJS 和 Canvas 2D 构建):基于完整的游戏设计文档,模型构建了近 100 款手机小游戏,每款都包含玩法、内容、美术和音效。它们涵盖弹幕射击、roguelike、塔防、竞速、卡牌 RPG、城市建造、物理谜题和互动小说,视频展示了其中 24 款。其中大多数将游戏规则与表现层分离,并将规则作为确定性模拟运行,因此机器人试玩、状态空间搜索和关卡回放可以自动检查每个关卡是否可通关以及游戏是否平衡。Boss 对话、故事分支以及角色和关卡名称都与每款游戏的主题相匹配。外部资产:使用 Z-Image、Animagine XL、FLUX.2 和 Stable Diffusion XL 生成的美术;来自 Quaternius、Kenney (CC0) 和 CraftPix 的资产包;SIL OFL 协议下的字体。音效和音乐在代码中合成。· 查看 / 下载视频
通过在 Blender 和 CAD 等专业工具中的专项训练,我们显著增强了 ERNIE 5.5 Flash Preview 在 3D 建模和设计方面的能力。ERNIE 擅长参数化建模和空间推理。借助工具,它能够准确解读文本描述,推断形状、比例和空间关系,并利用这些洞察通过程序化建模创建可用的 3D 模型。它还能灵活整合和复用现有资产,将外部资源无缝纳入既有工作流,创建大规模、细节丰富的 3D 场景。
在 Blender 中构建机场和客机:两个运行 ERNIE 5.5 Flash Preview 的 agent 使用 Blender Python API,一个构建机场,另一个构建飞机。对于机场,模型自行在地图平台上找到布局矢量数据,按需下载植被、车辆和地面保障设备等配套资产,并通过参数化建模构建航站楼和飞行区。对于飞机,它从横截面放样机身和机翼,并按模块组装,然后用预先提供的生成资产布置驾驶舱、两层客舱和货舱。随后,模型匹配两个项目的比例、位置和摄像机,编排展示动画,使用 Cycles 和 OptiX 在 GPU 上逐帧渲染,并用 FFmpeg 合成视频。与真实生产一样,任务被拆分为多个子任务,分别推进但保持协调。外部资产:来自 OpenStreetMap 及其贡献者的矢量地图数据 (ODbL);来自 Poly Haven 的植被、道路和停机坪 PBR 纹理 (CC0);来自 Sketchfab 的车辆和地面保障设备 (CC BY 4.0 或 Sketchfab Free Standard);使用 Tripo AI 生成的座椅、货柜和植被模型(通过其 API 访问,已获许可)。· 查看 / 下载视频
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。