前言
ERNIE-4.5在GitCode社区发布了，发布地址是：http://gitCode社区ERNIE4.5模型列表
是一个专门的栏目，有整个的ERNIE4.5的模型列表，可以支持各类的应用，并且还可以gitCode平台进行快速部署实操，真的是方便至极，小模型部署不足10分钟即可正式访问，下面我们进入具体操作。
目录
一、易用性——超快速部署ERNIE-4.5-0.3B-Paddle
二、ERNIE-4.5-21B-A3B-Base-Paddle
测试模型说明
整体对三个模型进行了测试，这里是整体的架设过程的基础数据，可供参考。
| 模型型号 | 显卡型号 | 部署时间 | token效率 |
| ERNIE-4.5-0.3B-Paddle | A800 | 实测6分半 | 10次访问均291.4/秒 |
| ERNIE-4.5-21B-A3B-Base-Paddle | A800 | 实测17分钟 | 10次访问均36.72/秒 |
| ERNIE-4.5-VL-28B-A3B-PT | A100 | 实测21分钟 | 未测评 |
所测基础模型参数：
| ERNIE-4.5-0.3B | ERNIE-4.5-21B-A3B-Base | ERNIE-4.5-VL-28B-A3B | |||
|---|---|---|---|---|---|
| 关键字 | 值 | 关键字 | 值 | 关键字 | 值 |
| 模态 | 文本 | 模态 | 文本 | 模态 | 文本 & 视觉 |
| 训练阶段 | 后训练 | 训练阶段 | 预训练 | 训练阶段 | 后训练 |
| 参数量 | 0.36B | 参数量（总 / 激活） | 21B / 3B | 参数（总 / 激活） | 28B / 3B |
| 层数 | 18 | 层数 | 28 | 层数 | 28 |
| 头数 (Q/KV) | 16/2 | 头数（Q/KV） | 20/4 | 头数（Q/KV） | 20/4 |
| 上下文长度 | 131072 | 文本专家（总 / 激活） | 64 / 6 | 文本专家（总 / 激活） | 64 / 6 |
| 视觉专家（总 / 激活） | 64 / 6 | 视觉专家（总 / 激活） | 64 / 6 | ||
| 共享专家 | 2 | 共享专家 | 2 | ||
| 上下文长度 | 131072 | 上下文长度 | 131072 | ||
完整测试视频
文心4.5开源模型易用性评测：0.3至28B模型
一、易用性——超快速部署ERNIE-4.5-0.3B-Paddle
ERNIE-4.5-0.3B 是一个文本密集型后训练模型。
模型地址：GitCode - 全球开发者的开源社区,开源代码托管平台
A100快，但是A800也够用。
获取的Python命令，如果运行不了就是环境的问题，需要预先安装写环境的依赖，依赖在下方我留下了：
python -m fastdeploy.entrypoints.openai.api_server \
--model baidu/ERNIE-4.5-0.3B-Paddle \
--port 8180 \
--metrics-port 8181 \
--engine-worker-queue-port 8182 \
--max-model-len 32768 \
--max-num-seqs 32依赖下载提示，这个需要依据具体的服务器型号来看啊，在这里有说明：https://github.com/PaddlePaddle/FastDeploy
python -m pip install paddlepaddle-gpu==3.1.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/
python -m pip install fastdeploy-gpu -i https://www.paddlepaddle.org.cn/packages/stable/fastdeploy-gpu-80_90/ --extra-index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple
apt install libgomp1
需要下载一会，这里就等会吧，可以看到网速还算挺快，网速慢就没法愉快的玩耍了哦。
ERNIE-4.5-0.3B-Paddle服务启动
这里我们只需要等待完毕既可以看到对应的服务启动。
可以在最后面看到running的状态，并且有访问路径。
基础访问测试
构建请求代码：
import requests
import json
def main():
# 设置API端点
url = "http://127.0.0.1:8180/v1/chat/completions"
# 设置请求头
headers = {
"Content-Type": "application/json"
}
# 构建请求体
data = {
"model": "baidu/ERNIE-4.5-0.3B-PT",
"messages": [
{
"role": "user",
"content": "你能帮我做什么"
}
]
}
try:
# 发送请求
response = requests.post(url, headers=headers, data=json.dumps(data))
# 检查响应状态
response.raise_for_status()
# 解析响应
result = response.json()
# 打印响应结果
print("状态码:", response.status_code)
print("响应内容:")
print(json.dumps(result, indent=2, ensure_ascii=False))
# 提取并打印AI的回复内容
if "choices" in result and len(result["choices"]) > 0:
ai_message = result["choices"][0]["message"]["content"]
print("\nAI回复:")
print(ai_message)
except requests.exceptions.RequestException as e:
print(f"请求错误: {e}")
except json.JSONDecodeError:
print(f"JSON解析错误，响应内容: {response.text}")
except Exception as e:
print(f"发生错误: {e}")
if __name__ == "__main__":
main()访问效果：
连续请求测试
这里做一个连续请求测试看看效果，连续访问10次。
代码段：
import requests
import json
import time
from statistics import mean
def send_request():
"""发送单次请求并返回响应时间和结果"""
# 设置API端点
url = "http://127.0.0.1:8180/v1/chat/completions"
# 设置请求头
headers = {
"Content-Type": "application/json"
}
# 构建请求体
data = {
"model": "baidu/ERNIE-4.5-0.3B-PT",
"messages": [
{
"role": "user",
"content": "你能帮我做什么"
}
]
}
try:
# 记录开始时间
start_time = time.time()
# 发送请求
response = requests.post(url, headers=headers, data=json.dumps(data))
# 检查响应状态
response.raise_for_status()
# 解析响应
result = response.json()
# 计算响应时间（毫秒）
response_time = (time.time() - start_time) * 1000
return {
"success": True,
"response_time": response_time,
"status_code": response.status_code,
"result": result
}
except requests.exceptions.RequestException as e:
print(f"请求错误: {e}")
return {"success": False, "error": str(e)}
except json.JSONDecodeError as e:
print(f"JSON解析错误: {e}")
return {"success": False, "error": f"JSON解析错误: {str(e)}"}
except Exception as e:
print(f"发生错误: {e}")
return {"success": False, "error": str(e)}
def main():
# 请求次数
request_count = 10
# 存储响应时间
response_times = []
# 存储成功请求数
success_count = 0
print(f"开始执行 {request_count} 次请求...\n")
# 执行多次请求
for i in range(request_count):
print(f"请求 {i+1}/{request_count} 执行中...")
# 发送请求
result = send_request()
if result["success"]:
success_count += 1
response_times.append(result["response_time"])
print(f"请求 {i+1} 成功，响应时间: {result['response_time']:.2f} 毫秒")
# 只打印第一次请求的详细结果
if i == 0:
print("状态码:", result["status_code"])
print("响应内容:")
print(json.dumps(result["result"], indent=2, ensure_ascii=False))
# 提取并打印AI的回复内容
if "choices" in result["result"] and len(result["result"]["choices"]) > 0:
ai_message = result["result"]["choices"][0]["message"]["content"]
print("\nAI回复:")
print(ai_message)
else:
print(f"请求 {i+1} 失败: {result.get('error', '未知错误')}")
print("-" * 50)
# 如果不是最后一次请求，添加短暂延迟以避免请求过于频繁
if i < request_count - 1:
time.sleep(0.5)
# 计算统计信息
if response_times:
avg_response_time = mean(response_times)
min_response_time = min(response_times)
max_response_time = max(response_times)
print("\n请求统计信息:")
print(f"总请求数: {request_count}")
print(f"成功请求数: {success_count}")
print(f"失败请求数: {request_count - success_count}")
print(f"平均响应时间: {avg_response_time:.2f} 毫秒")
print(f"最小响应时间: {min_response_time:.2f} 毫秒")
print(f"最大响应时间: {max_response_time:.2f} 毫秒")
else:
print("\n所有请求均失败，无法计算响应时间统计信息。")
if __name__ == "__main__":
main()效果：
AI回复:
当然可以！你有什么具体需求或问题吗？无论是学习新技能、处理任务，还是想聊点有趣的话题，我都很乐意帮你！比如：- 推荐适合你的学习资料/工具？
- 解答一些生活/工作上的疑问？
- 分享有趣的小故事或生活小窍门？
- 聊聊最近喜欢的电影/音乐/美食？
- 任何需要帮忙的地方（比如写一篇短文/整理资料/翻译一段话）都可以告诉我！ 😊
--------------------------------------------------
请求 2/10 执行中...
请求 2 成功，响应时间: 1560.42 毫秒
--------------------------------------------------
请求 3/10 执行中...
请求 3 成功，响应时间: 1196.12 毫秒
--------------------------------------------------
请求 4/10 执行中...
请求 4 成功，响应时间: 500.15 毫秒
--------------------------------------------------
请求 5/10 执行中...
请求 5 成功，响应时间: 389.99 毫秒
--------------------------------------------------
请求 6/10 执行中...
请求 6 成功，响应时间: 426.98 毫秒
--------------------------------------------------
请求 7/10 执行中...
请求 7 成功，响应时间: 1566.50 毫秒
--------------------------------------------------
请求 8/10 执行中...
请求 8 成功，响应时间: 345.84 毫秒
--------------------------------------------------
请求 9/10 执行中...
请求 9 成功，响应时间: 1605.62 毫秒
--------------------------------------------------
请求 10/10 执行中...
请求 10 成功，响应时间: 327.39 毫秒
--------------------------------------------------请求统计信息:
总请求数: 10
成功请求数: 10
失败请求数: 0
平均响应时间: 903.63 毫秒
最小响应时间: 327.39 毫秒
最大响应时间: 1605.62 毫秒
大规模token提问
我们刚才做的是基础测试，这回我来一个大的，共计需要上传的token数量为1277个，这已经是很大的量了，我们依据这些数据计算当前的天气情况。
运势计算
请根据当前的具体黄道信息计算，当前的天气情况。
天干地支:乙巳壬午癸酉午时
属相:蛇
阴历时间:二〇二五年六月初九
具体时辰:12
六壬月:大安
六壬天:空亡
六壬日:速喜
月相:九夜月
物候:半夏生
节气:夏至
三元九运:下元九运
日禄:子命互禄辛命进禄
六爻:友引
七曜:木
彭祖天干:癸不词讼理弱敌强
彭祖地支:酉不会客醉坐颠狂
八字:乙巳壬午癸酉戊午
纳音:覆灯火-杨柳木-剑锋金-天上火
日宜:祭祀
沐浴
理发
整手足甲
修饰垣墙
平治道涂
馀事勿取
日忌:开市
入宅
出行
修造
词讼
时宜:订婚
嫁娶
开市
安葬
修造
时忌:祈福
求嗣
乘船
吉神:民日
天巫
福德
天仓
不将
续世
除神
鸣吠
凶神:劫煞
天贼
五虚
五离
每日相冲生肖:兔
每日相冲方位:东
星宿:獬
星宿吉凶:吉
星宿歌曲:斗星造作主招财
文武官员位鼎台
田宅家财千万进
坟堂修筑贵富来
开门放水招牛马
旺蚕男女主和谐
遇此吉宿来照护
时支福庆永无灾.
阳贵神方位:东南
阴贵神方位:正东
喜神方位:东南
福神方位:东北
财神方位:正南
月胎神:占床仓
今日胎神:房床门外西南
太岁方向:东南
十二值星:平日
北斗九星-年份-九数:三
北斗九星-年份-七色:碧
北斗九星-年份-五行属性:木
方位:正东
北斗九星:天玑
北斗九星名称:禄存
北斗九星-吉凶:凶
北斗九星-奇门:天冲
北斗九星-八门:伤门
北斗九星-八门吉凶:小吉
北斗九星-八门-奇门阴阳:阳
北斗九星-太乙名称:轩辕
北斗九星-太乙类型:安神
北斗九星-太乙九神歌诀:出入会轩辕
凡事必缠牵
相生全不美
相克更忧煎
远行多不利
博彩尽输钱
九天玄女法
句句不虚言.
北斗九星详解:三碧木震(正东)天玑玄空[禄存凶]奇门[天冲小吉伤门阳]太乙[轩辕安神]
整体请求代码
import requests
import json
import time
from statistics import mean
def send_request():
"""发送单次请求并返回响应时间和结果"""
# 设置API端点
url = "http://127.0.0.1:8180/v1/chat/completions"
# 设置请求头
headers = {
"Content-Type": "application/json"
}
# 构建请求体
data = {
"model": "baidu/ERNIE-4.5-0.3B-PT",
"messages": [
{
"role": "user",
"content": """
请根据当前的具体黄道信息计算，当前的天气情况。
天干地支:乙巳壬午癸酉午时
属相:蛇
阴历时间:二〇二五年六月初九
具体时辰:12
六壬月:大安
六壬天:空亡
六壬日:速喜
月相:九夜月
物候:半夏生
节气:夏至
三元九运:下元九运
日禄:子命互禄辛命进禄
六爻:友引
七曜:木
彭祖天干:癸不词讼理弱敌强
彭祖地支:酉不会客醉坐颠狂
八字:乙巳壬午癸酉戊午
纳音:覆灯火-杨柳木-剑锋金-天上火
日宜:祭祀
沐浴
理发
整手足甲
修饰垣墙
平治道涂
馀事勿取
日忌:开市
入宅
出行
修造
词讼
时宜:订婚
嫁娶
开市
安葬
修造
时忌:祈福
求嗣
乘船
吉神:民日
天巫
福德
天仓
不将
续世
除神
鸣吠
凶神:劫煞
天贼
五虚
五离
每日相冲生肖:兔
每日相冲方位:东
星宿:獬
星宿吉凶:吉
星宿歌曲:斗星造作主招财
文武官员位鼎台
田宅家财千万进
坟堂修筑贵富来
开门放水招牛马
旺蚕男女主和谐
遇此吉宿来照护
时支福庆永无灾.
阳贵神方位:东南
阴贵神方位:正东
喜神方位:东南
福神方位:东北
财神方位:正南
月胎神:占床仓
今日胎神:房床门外西南
太岁方向:东南
十二值星:平日
北斗九星-年份-九数:三
北斗九星-年份-七色:碧
北斗九星-年份-五行属性:木
方位:正东
北斗九星:天玑
北斗九星名称:禄存
北斗九星-吉凶:凶
北斗九星-奇门:天冲
北斗九星-八门:伤门
北斗九星-八门吉凶:小吉
北斗九星-八门-奇门阴阳:阳
北斗九星-太乙名称:轩辕
北斗九星-太乙类型:安神
北斗九星-太乙九神歌诀:出入会轩辕
凡事必缠牵
相生全不美
相克更忧煎
远行多不利
博彩尽输钱
九天玄女法
句句不虚言.
北斗九星详解:三碧木震(正东)天玑玄空[禄存凶]奇门[天冲小吉伤门阳]太乙[轩辕安神]
"""
}
]
}
try:
# 记录开始时间
start_time = time.time()
# 发送请求
response = requests.post(url, headers=headers, data=json.dumps(data))
# 检查响应状态
response.raise_for_status()
# 解析响应
result = response.json()
# 计算响应时间（秒）
response_time = time.time() - start_time
# 获取token数量
completion_tokens = result.get('usage', {}).get('completion_tokens', 0)
prompt_tokens = result.get('usage', {}).get('prompt_tokens', 0)
total_tokens = result.get('usage', {}).get('total_tokens', 0)
# 计算每秒token数量
tokens_per_second = total_tokens / response_time if response_time > 0 else 0
return {
"success": True,
"response_time": response_time,
"status_code": response.status_code,
"result": result,
"completion_tokens": completion_tokens,
"prompt_tokens": prompt_tokens,
"total_tokens": total_tokens,
"tokens_per_second": tokens_per_second
}
except requests.exceptions.RequestException as e:
print(f"请求错误: {e}")
return {"success": False, "error": str(e)}
except json.JSONDecodeError as e:
print(f"JSON解析错误: {e}")
return {"success": False, "error": f"JSON解析错误: {str(e)}"}
except Exception as e:
print(f"发生错误: {e}")
return {"success": False, "error": str(e)}
def main():
# 请求次数
request_count = 1
# 存储统计数据
response_times = []
tokens_per_second_list = []
completion_tokens_list = []
prompt_tokens_list = []
total_tokens_list = []
# 存储成功请求数
success_count = 0
print(f"开始执行 {request_count} 次请求...\n")
# 执行多次请求
for i in range(request_count):
print(f"请求 {i+1}/{request_count} 执行中...")
# 发送请求
result = send_request()
if result["success"]:
success_count += 1
response_times.append(result["response_time"])
tokens_per_second_list.append(result["tokens_per_second"])
completion_tokens_list.append(result["completion_tokens"])
prompt_tokens_list.append(result["prompt_tokens"])
total_tokens_list.append(result["total_tokens"])
print(f"请求 {i+1} 成功:")
print(f"响应时间: {result['response_time']:.3f} 秒")
print(f"完成tokens: {result['completion_tokens']}")
print(f"提示tokens: {result['prompt_tokens']}")
print(f"总tokens: {result['total_tokens']}")
print(f"每秒tokens: {result['tokens_per_second']:.2f}")
# 只打印第一次请求的详细结果
if i == 0:
print("\n第一次请求详细信息:")
print("状态码:", result["status_code"])
print("响应内容:")
print(json.dumps(result["result"], indent=2, ensure_ascii=False))
# 提取并打印AI的回复内容
if "choices" in result["result"] and len(result["result"]["choices"]) > 0:
ai_message = result["result"]["choices"][0]["message"]["content"]
print("\nAI回复:")
print(ai_message)
else:
print(f"请求 {i+1} 失败: {result.get('error', '未知错误')}")
print("-" * 50)
# 如果不是最后一次请求，添加短暂延迟以避免请求过于频繁
if i < request_count - 1:
time.sleep(0.5)
# 计算统计信息
if response_times:
avg_response_time = mean(response_times)
min_response_time = min(response_times)
max_response_time = max(response_times)
avg_tokens_per_second = mean(tokens_per_second_list)
avg_completion_tokens = mean(completion_tokens_list)
avg_prompt_tokens = mean(prompt_tokens_list)
avg_total_tokens = mean(total_tokens_list)
print("\n请求统计信息:")
print(f"总请求数: {request_count}")
print(f"成功请求数: {success_count}")
print(f"失败请求数: {request_count - success_count}")
print("\n时间统计:")
print(f"平均响应时间: {avg_response_time:.3f} 秒")
print(f"最小响应时间: {min_response_time:.3f} 秒")
print(f"最大响应时间: {max_response_time:.3f} 秒")
print("\nToken统计:")
print(f"平均完成tokens: {avg_completion_tokens:.1f}")
print(f"平均提示tokens: {avg_prompt_tokens:.1f}")
print(f"平均总tokens: {avg_total_tokens:.1f}")
print(f"平均每秒tokens: {avg_tokens_per_second:.2f}")
else:
print("\n所有请求均失败，无法计算统计信息。")
if __name__ == "__main__":
main()请求效果：
AI回复:
### 当前天气情况
当前时辰为卯时（14:00），此时为黄道吉时，未出现不利天气因素，适宜出行、休息等。### 今日吉宿
今日对应生肖为蛇，与所持吉宿（兔）相冲，即日时冲煞，煞气冲撞不利。### 吉神方位
- **喜神**：东南
- **福神**：东北
- **财神**：正南
- **阳贵神**：东南### 月胎神
方位为房床门外西南，未遇不利之事。### 时支福庆
今日无吉庆之事，福禄寿全无灾。### 十二值星
- **平日**：无
- **三**：木
- **七色**：碧
- **五行属性**：木
- **方位**：正东### 北斗九星
- **正东**：天玑
- **天冲**：伤门
- **小吉**：阳
- **太乙**：轩辕### 吉凶分类
- **凶**：天冲、小吉
- **奇门**：天冲、伤门
- **八门**：无
- **阴阳**：阳### 具体事项
- **沐浴**：可进行
- **理发**：可进行
- **整手足甲**：可进行
- **修饰垣墙**：可进行
- **平治道涂**：可进行
- **馀事勿取**：可进行
- **日忌**：无
- **日宜**：订婚、嫁娶、开市、安葬、修造
- **时忌**：祈福、求嗣、乘船
--------------------------------------------------请求统计信息:
总请求数: 1
成功请求数: 1
失败请求数: 0时间统计:
平均响应时间: 4.063 秒
最小响应时间: 4.063 秒
最大响应时间: 4.063 秒Token统计:
平均完成tokens: 399.0
平均提示tokens: 785.0
平均总tokens: 1184.0
平均每秒tokens: 291.40
回答的结果对的，刚下过雨，雨过天晴，现在是吉时，且响应的时间也还是可以的，毕竟整个上传的token量还是比较大的。
二、ERNIE-4.5-21B-A3B-Base-Paddle
升级一下，现在使用21B的模型，启动方式与0.3b是一样的。
我这里做了几次访问，上下拉动了一下，有些窜行，但能看到具体的版本：
21B文本测试过程
代码部分，这里需要对模型的名称进行修改，再进行分析。
# 构建请求体
data = {
"model": "baidu/ERNIE-4.5-21B-A3B-Base-Paddle",
"messages": [
{
"role": "user",
"content": """
你作为一位人工智能能帮我发财吗？有什么渠道，请简洁的帮我说一下，吸引我的兴趣。
"""
}
]
}AI回复:
作为一位人工智能，我虽然无法直接帮你发财，但我可以为你提供一些可能有助于你实现财务目标的建议和渠道。以下是一些简洁的要点：1. **投资理财**：
- **股票市场**：通过研究公司基本面、行业趋势，选择有潜力的股票进行投资。
- **基金投资**：选择合适的基金产品，如指数基金、混合基金等，分散风险。
- **债券投资**：投资国债、企业债等固定收益类产品，获取稳定收益。2. **创业创新**：
- 寻找市场空白，开发新产品或服务，满足消费者需求。
- 利用人工智能技术，开发智能产品或服务，提高效率，降低成本。3. **技能提升**：
- 持续学习新知识，提升个人技能，增加职场竞争力。
- 参加专业培训课程，获得相关证书，提高薪资待遇。4. **副业赚钱**：
- 利用业余时间，开展副业，如自媒体创作、电商销售、在线教育等。
- 寻找兼职机会，如翻译、设计、编程等，增加收入来源。5. **房地产投资**：
- 购买房产，通过租金收入或房产增值获得收益。
- 关注房地产市场动态，选择合适的投资时机。6. **保险规划**：
- 购买合适的保险产品，如人寿保险、健康保险等，为未来提供保障。
- 了解保险产品的特点和优势，选择适合自己的保险方案。请注意，以上建议仅供参考，具体投资决策需根据个人情况谨慎考虑。同时，投资有风险，入市需谨慎。在追求财务目标的过程中，务必保持理性，避免盲目跟风或冲动投资。
10次访问进行测试：
大规模token提问
这次我们进行八方位吉凶的提问：
根据下方的黄道日期，计算当前八方位的吉凶。
天干地支:乙巳壬午癸酉午时
属相:蛇
阴历时间:二〇二五年六月初九
具体时辰:12
六壬月:大安
六壬天:空亡
六壬日:速喜
月相:九夜月
物候:半夏生
节气:夏至
三元九运:下元九运
日禄:子命互禄辛命进禄
六爻:友引
七曜:木
彭祖天干:癸不词讼理弱敌强
彭祖地支:酉不会客醉坐颠狂
八字:乙巳壬午癸酉戊午
纳音:覆灯火-杨柳木-剑锋金-天上火
日宜:祭祀
沐浴
理发
整手足甲
修饰垣墙
平治道涂
馀事勿取
日忌:开市
入宅
出行
修造
词讼
时宜:订婚
嫁娶
开市
安葬
修造
时忌:祈福
求嗣
乘船
吉神:民日
天巫
福德
天仓
不将
续世
除神
鸣吠
凶神:劫煞
天贼
五虚
五离
每日相冲生肖:兔
每日相冲方位:东
星宿:獬
星宿吉凶:吉
星宿歌曲:斗星造作主招财
文武官员位鼎台
田宅家财千万进
坟堂修筑贵富来
开门放水招牛马
旺蚕男女主和谐
遇此吉宿来照护
时支福庆永无灾.
阳贵神方位:东南
阴贵神方位:正东
喜神方位:东南
福神方位:东北
财神方位:正南
月胎神:占床仓
今日胎神:房床门外西南
太岁方向:东南
十二值星:平日
北斗九星-年份-九数:三
北斗九星-年份-七色:碧
北斗九星-年份-五行属性:木
方位:正东
北斗九星:天玑
北斗九星名称:禄存
北斗九星-吉凶:凶
北斗九星-奇门:天冲
北斗九星-八门:伤门
北斗九星-八门吉凶:小吉
北斗九星-八门-奇门阴阳:阳
北斗九星-太乙名称:轩辕
北斗九星-太乙类型:安神
北斗九星-太乙九神歌诀:出入会轩辕
凡事必缠牵
相生全不美
相克更忧煎
远行多不利
博彩尽输钱
九天玄女法
句句不虚言.
北斗九星详解:三碧木震(正东)天玑玄空[禄存凶]奇门[天冲小吉伤门阳]太乙[轩辕安神]请求效果：
根据提供的黄道日期和相关信息，我们可以分析当前八方位的吉凶情况。以下是详细的解析：
### **一、八方位吉凶总览**
| 方位 | 吉凶 | 吉凶详解 |
|------|------|----------|
| **正东** | 凶 | 北斗九星天玑（禄存，凶） |
| **正南** | 小吉 | 八门伤门（阳） |
| **正西** | 吉 | 星宿獬（吉） |
| **正北** | 吉 | 星宿吉凶：吉 |
| **东南** | 吉 | 太乙轩辕（安神） |
| **西南** | 吉 | 星宿吉凶：吉 |
| **西北** | 吉 | 星宿吉凶：吉 |
| **东北** | 吉 | 福神方位东北 |### **二、各方位详细解析**
#### **1. 正东（凶）**
- **北斗九星**：天玑（禄存，凶）
- **奇门**：天冲（小吉）
- **八门**：伤门（阳）
- **太乙**：轩辕（安神）
- **星宿**：獬（吉）
- **吉凶结论**：整体为凶，但星宿吉。#### **2. 正南（小吉）**
- **八门**：伤门（阳）
- **奇门**：天冲（小吉）
- **星宿**：獬（吉）
- **吉凶结论**：小吉，整体偏向吉。#### **3. 正西（吉）**
- **星宿**：獬（吉）
- **吉凶结论**：吉。#### **4. 正北（吉）**
- **星宿**：獬（吉）
- **吉凶结论**：吉。#### **5. 东南（吉）**
- **太乙**：轩辕（安神）
- **星宿**：獬（吉）
- **吉凶结论**：吉。#### **6. 西南（吉）**
- **星宿**：獬（吉）
- **吉凶结论**：吉。#### **7. 西北（吉）**
- **星宿**：獬（吉）
- **吉凶结论**：吉。#### **8. 东北（吉）**
- **福神方位**：东北
- **吉凶结论**：吉。### **三、其他关键信息**
- **星宿**：獬（吉），象征公正与威严，吉星高照。
- **太乙轩辕**：安神，表示安详宁静。
- **北斗九星**：天玑（禄存，凶），需谨慎。
- **八门伤门**：小吉，但需注意不利。### **四、总结**
- **整体吉凶**：以正东为凶，其余方位以吉为主，其中正南、正西、正北、东南、西南、西北、东北均为吉，正东为凶。
- **注意事项**：正东方位需谨慎行事，其余方位可进行重要活动。
回复的比较详细，响应时间23秒，虽然时间稍微长一些，但是整体效果还是非常可以的。
三、ERNIE-4.5-VL-28B-A3B-PT
这回测试个大的：ERNIE-4.5-VL-28B-A3B-PT的支持图像，使用的服务器也要升级一下，这个用A100来跑，这回再来看看效果。
GitCode开源模型地址：GitCode - 全球开发者的开源社区,开源代码托管平台
实际测试
测试代码：
import requests
import json
def main():
# 设置API端点
url = "http://127.0.0.1:8180/v1/chat/completions"
# 设置请求头
headers = {
"Content-Type": "application/json"
}
# 构建请求体
data = {
"model": "baidu/ERNIE-4.5-VL-28B-A3B-PT",
"messages": [
{
"role": "user",
"content": [
{"type": "text", "text": "细致分析，当前的这张图片中门是开着的还是关着的，返回[开] [关]。"},
{"type": "image_url", "image_url": {"url": "door (1).jpg"}},
]
}
]
}
try:
# 发送请求
response = requests.post(url, headers=headers, data=json.dumps(data))
# 检查响应状态
response.raise_for_status()
# 解析响应
result = response.json()
# 打印响应结果
print("状态码:", response.status_code)
print("响应内容:")
print(json.dumps(result, indent=2, ensure_ascii=False))
# 提取并打印AI的回复内容
if "choices" in result and len(result["choices"]) > 0:
ai_message = result["choices"][0]["message"]["content"]
print("\nAI回复:")
print(ai_message)
except requests.exceptions.RequestException as e:
print(f"请求错误: {e}")
except json.JSONDecodeError:
print(f"JSON解析错误，响应内容: {response.text}")
except Exception as e:
print(f"发生错误: {e}")
if __name__ == "__main__":
main()测试图片：
返回结果，从结果中说的【开】最开始我很迷茫，但是后来看了一下，竟然注意到最下面有条缝，并且高度很高。
理解能力相对来说是非常的高的，且很细致。
测试总结
整体测试了三个模型0.3B(文本)、21B(文本)、28B(多模态)，其中0.3B部署时间不足10分钟即可正式使用，21B下载的时间稍长也是在20分钟内完成，28B差不多的时间，只有硬件需要匹配一下，相对来说想使用文心开源模型的时间成本非常低，部署起来也很方便，对应的300B和424B没有进行测试，但是毕竟是开源模型针对于一般技术人员，全血版本的企业来跑划算一些，我们跑28B的模型完全够用了呢，本次测评的效果非常不错，强烈推荐哦。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
