Ra Mắt ERNIE 5.1: Mô Hình Đa Phương Tiện Baidu Nâng Tầm Công Cụ Sáng Tạo

Từ ngày 11 tháng 5 năm 2026, Baidu đã triển khai ERNIE 5.1 với những cải tiến rõ rệt về độ sâu suy luận, tính mạch lạc của văn bản và khả năng xử lý tác vụ agentic. Mô hình tích hợp tìm kiếm chặt chẽ hơn so với phiên bản trước và thể hiện hiệu suất mạnh mẽ hơn trên các vấn đề phức tạp nhiều bước. Các kết quả benchmark ban đầu đặt nó cạnh tranh với các hệ thống tiên phong trong khi giữ chi phí suy luận ở mức khiêm tốn. Hỗ trợ đầu vào đa phương thức cũng đã được cải thiện, cho phép chuyển đổi mượt mà hơn giữa các luồng dữ liệu văn bản, hình ảnh và video. Đây là loại bước nhảy lặp lại mà các phòng lab Trung Quốc đang cung cấp gần đây, nhắm thẳng vào khả năng sử dụng thực tế thay vì số lượng tham số nổi bật.

Khả năng suy luận và tính năng agentic tốt hơn cho phép người sáng tạo xây dựng quy trình làm việc dài hơn, đáng tin cậy hơn mà không cần hỗ trợ liên tục. Việc tinh chỉnh prompt trở nên nhanh hơn, tính nhất quán cảnh quay giữa hình ảnh và video được cải thiện, đồng thời các nhánh câu chuyện tương tác dễ duy trì hơn. Thật lòng mà nói, sau khi tự chạy vài chuỗi thử nghiệm, việc giảm nhu cầu nhắc lại sau mỗi vài bước thực sự rất hữu ích. Những tiến bộ như nâng cấp suy luận đa phương thức của ERNIE 5.1 chính là nền tảng giúp các công cụ tạo video và hình ảnh AI thế hệ tiếp theo trở nên dễ kiểm soát, hiệu quả và sáng tạo hơn cho người dùng, như đã thấy trong các đánh giá về công cụ như Happy Horse 1.0 NSFW Video và những hạn chế của nó.

Ba khả năng nổi bật dành cho ai đang xây dựng pipeline hình ảnh hoặc video. - Chuỗi tác vụ agentic nâng cao cho phép mô hình lập kế hoạch và thực thi các prompt đa giai đoạn mà không cần can thiệp liên tục từ người dùng, rất hữu ích khi tạo chuỗi nhân vật nhất quán giữa ảnh tĩnh và clip ngắn.

• Khả năng hợp nhất đa phương thức cải thiện xử lý đầu vào kết hợp văn bản và hình ảnh ổn định hơn, giảm sai lệch khi lặp lại từ khung tham chiếu sang video.
• Khả năng tạo văn bản gốc mạnh mẽ hơn tạo ra các prompt rõ ràng, chi tiết mà các công cụ downstream có thể tuân theo với ít chỉnh sửa.
• Khả năng mở rộng tiết kiệm chi phí giúp các phiên làm việc dài vẫn thực tế ngay cả khi kết hợp nhiều bước sáng tạo. Những điểm này tuy không mang tính cách mạng riêng lẻ nhưng khi kết hợp lại sẽ giảm đáng kể ma sát trong công việc hàng ngày của người sáng tạo.

Về tốc độ, ERNIE 5.1 sánh ngang với bản GPT-5.5 Instant mới nhất và nhỉnh hơn một số biến thể Gemini trong các tác vụ kiểu agent. Chi phí mỗi token vẫn hấp dẫn cho các phiên sáng tạo kéo dài. Tính linh hoạt sáng tạo là nơi khoảng cách thu hẹp nhất: các mô hình phương Tây vẫn dẫn đầu về phạm vi phong cách thô, tuy nhiên tích hợp tìm kiếm chặt chẽ hơn của ERNIE 5.1 mang lại lợi thế khi người sáng tạo cần nền tảng thực tế trong các cảnh hư cấu. Thành thật mà nói, mẫu thử nghiệm hoàn toàn không khoa học của tôi cho thấy sự khác biệt thường phụ thuộc vào hệ sinh thái bạn đang dùng hơn là sự vượt trội tuyệt đối.