11月21日，百度公布ERNIE-5.0-Preview-1120在LMArena视觉榜单中的测试表现，并进一步披露ERNIE 5.0的原生全模态方向。

与在语言模型外部连接视觉模块的方案不同，原生全模态路线尝试在统一框架中训练文本、图像、音频和视频信息，使模型能够在不同模态之间建立更直接的关联。

对于商品资料、培训视频、客服录音和图文文档，统一模型有望减少多套工具之间的信息传递损耗。但不同模态的准确率和稳定性仍需拆分测试。

官方榜单结果反映模型在特定评测中的表现，企业选型仍应使用自身图片、视频和业务问题验证效果。

*本文为基于官方发布信息的中文摘要，详情以原文链接为准。