ernie-5.1百度文心通用文本模型,侧重知识问答、创意写作、推理及多步智能体任务;支持函数调用和联网搜索,官方详情列出 119K 输入、60K 思维链及 64K 输出上限。
比較同一模型在不同供應商的價格與服務表現。
| 供應商 | Discount | 檔位 | 輸入/M | 輸出/M | ||||
|---|---|---|---|---|---|---|---|---|
Baidu | 省35% | 输入≤32K輸入 ≤ 32768 tokens | $0.39 | $1.755 | ||||
输入>32K輸入 > 32768 tokens | $0.585 | $2.145 |
左右滑動表格,查看完整價格與效能。
標準化評測得分。百分比越高越好,並展示排名百分位。
指標來源:Artificial Analysis 2026-09-30·Ernie 5.1
目前基準快照不包含此模型。
缺少模型或測量值不代表零分。
基準圖表保留來源中的模型選擇和推理設定。缺少模型或測量值不代表零分,基準成本或速度也不是本站的服務承諾。
百度文心通用文本模型,侧重知识问答、创意写作、推理及多步智能体任务;支持函数调用和联网搜索,官方详情列出 119K 输入、60K 思维链及 64K 输出上限。
适合通用问答、写作、复杂问题分析与多步工具任务。官方介绍其训练采用异步强化学习和智能体后训练,以改善长任务的执行能力。模型为文本输入、文本输出,支持函数调用和联网搜索,不支持结构化输出、前缀读写或 FIM。模型详情的输入上限为 119K、思维链为 60K、输出为 64K;本站输入长度字段按详情页记录为 121856 tokens。价格页的 128K 是分档范围,不应替代详情页的实际输入限制。参数量及知识截止日期未公开。
单位:美元 / 百万 token。按当前站内汇率 1 USD = ¥6.8 将官方人民币单价换算为美元,再对每项单价向上取整到小数点后 1 位;分组倍率另计。缓存读取与普通输入分别取整。
| 档位 | 输入 | 输出 | 缓存读取 |
|---|---|---|---|
| 输入≤32K | $0.6 | $2.7 | 未单独定价 |
| 输入>32K | $0.9 | $3.3 | 未单独定价 |
按完整输入 token 数分档,32K 按 32768 tokens 计算;边界值属于低档。输出采用对应输入档位的单价。官方未列出独立缓存价,因此不额外设置缓存折扣。联网搜索属于上游可选工具,其按次费用不包含在普通 token 单价中。
单位:人民币 / 百万 token。
| 档位 | 输入 | 输出 | 缓存读取 |
|---|---|---|---|
| 输入≤32K | ¥4 | ¥18 | 未列出 |
| 输入>32K | ¥6 | ¥22 | 未列出 |
资料核实日期:2026-11-12。模型资料与报价已核对;本站渠道的真实推理及缓存结算尚未在本次操作中测试。
向本站 OpenAI 兼容接口发送请求:
POST /v1/chat/completions
Authorization: Bearer YOUR_API_KEY
Content-Type: application/json
{
"model": "ernie-5.1",
"messages": [
{
"role": "user",
"content": "请将这份材料整理为要点、依据和待确认事项。"
}
],
"max_tokens": 2048,
"stream": false
}
工具任务需由应用提供函数定义、执行工具并回传结果。长材料任务请说明输出字段和判断标准,并为最终回答预留输出空间。示例依据接口资料整理,本次未进行真实模型调用。
/v1/chat/completions| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度;越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
替換 <YOUR_API_KEY> 替換為 API 金鑰頁面中的金鑰。
所有請求必須攜帶 Authorization: Bearer <TOKEN> 請求頭。Anthropic 格式的端點也接受 x-api-key 請求頭。
在「令牌」頁面生成 API Key,可以按模型、分組、IP、速率等維度精細化授權。
| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度;越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
| 供應商 | RPM | TPM | RPD |
|---|---|---|---|
| Baidu | 無限制 | 無限制 | 無限制 |
無限制
百度文心通用文本模型,侧重知识问答、创意写作、推理及多步智能体任务;支持函数调用和联网搜索,官方详情列出 119K 输入、60K 思维链及 64K 输出上限。
Create an API key with access to ernie-5.1, then use the exact model ID and a supported endpoint from the API access section. Request fields depend on the selected endpoint.
Pricing depends on the selected provider group and the model billing unit. The current input, output, request, or media prices are shown on this page before sign-up.
The model catalog lists a context window of 121856 tokens. Check the selected endpoint for request limits.
The model catalog lists a maximum output of 65536 tokens. Your request settings may set a lower limit.
Start with the use cases and prompting guidance on this page, then evaluate the model with representative inputs from your project.
