百度推出轻量级推理模型ERNIE-4.5-21B-A3B-Thinking：原生支持函数调用，可联网查天气、调数据库

百度推出ERNIE-4.5-21B-A3B-Thinking，一款专为复杂推理任务优化的轻量级 MoE（Mixture of Experts）大模型。该模型在原有 ERNIE-4.5 基础上显著提升了推理能力，在逻辑、数学、科学、编程等任务中表现更优，同时具备高效的工具调用能力，支持联网查询、数据库访问等现实场景。

• 模型：https://huggingface.co/baidu/ERNIE-4.5-21B-A3B-Thinking

模型核心参数

该模型采用 稀疏激活架构，在保持高推理能力的同时控制计算开销，兼顾性能与效率。

核心亮点

✅ 显著提升复杂推理能力

ERNIE-4.5-21B-A3B-Thinking 经过后训练优化，显著增强了在以下任务中的表现：

• 逻辑推理：如多步推导、因果分析
• 数学解题：支持代数、微积分、应用题求解
• 科学理解：物理、化学、生物等领域的知识推理
• 代码生成：理解复杂逻辑并生成可执行代码
• 学术任务：在需要专业知识的基准测试中表现优异

百度强调，该模型特别适用于高度复杂的推理场景，推荐在需深度思考的任务中使用。

✅ 高效工具使用能力

模型原生支持 函数调用（Function Calling），可无缝集成外部工具，实现：

• 联网查询实时信息（如天气、股价）
• 调用数据库执行 CRUD 操作
• 调用 API 完成自动化任务

这一能力使其从“纯语言模型”向“智能代理”演进，可应用于智能客服、数据分析、自动化办公等场景。

✅ 增强的长上下文理解

支持 128K 上下文长度，能够处理超长文档，如：

• 完整的技术白皮书
• 多章节小说或剧本
• 复杂法律合同
• 大型代码仓库

结合 MoE 架构，模型能在长文本中精准定位关键信息，避免信息丢失。

与前代模型的演进

ERNIE-4.5-21B-A3B-Thinking 是对 ERNIE-4.5-21B-A3B 的深度优化版本，主要改进在于：

• 增加“思考深度”：通过强化后训练，提升多步推理链的稳定性；
• 优化专家路由机制，提升任务匹配精度；
• 增强工具调用的准确性和响应速度。

尽管总参数为 21B，但因采用 MoE 架构，实际推理时仅激活 3B 参数，大幅降低计算资源消耗，适合部署在中高端 GPU 上。