最新更新的LMArena排名里，文心 ERNIE-5.0拿下 1206 分，直接坐上國(guó)內(nèi)視覺理解模型的頭把交椅。

不過我沒有很驚訝，因?yàn)橹坝玫母惺苁且恢碌模杏X就是正常發(fā)揮。

很多國(guó)產(chǎn)模型之前登上LMArena成績(jī)不錯(cuò)，但視覺理解賽道是另一回事。

視覺是工業(yè)質(zhì)檢、醫(yī)學(xué)影像、視頻解讀的主戰(zhàn)場(chǎng)，也是最能暴露底層能力的地方。能進(jìn)榜的就不多，能在榜上和 Claude4、GPT-5同一水平線并排的，目前只有文心。

只說技術(shù)先進(jìn)、參數(shù)大，那都是場(chǎng)面話。關(guān)鍵走的路線，別人還真沒法輕易復(fù)刻。

行業(yè)主流做法是“先做語言模型，再往上貼視覺模塊”，像給大腦外掛一只眼睛；

文心 5.0 選擇的則是原生多模態(tài)，直接從訓(xùn)練第一天起，就是多模態(tài)一起進(jìn)化：語言、圖像、視頻、音頻統(tǒng)統(tǒng)統(tǒng)一到一個(gè)自回歸架構(gòu)里。

我之前用文心 5.0 Preview 做幾次測(cè)試，印象深的不是它能看懂圖，是它能“串邏輯”。

比如短劇內(nèi)容讓它幫忙代看，它能把爽點(diǎn)、反轉(zhuǎn)、時(shí)間節(jié)點(diǎn)標(biāo)得有板有眼。

復(fù)雜的圖表、混剪視頻、跨模態(tài)任務(wù)？它幾乎沒有“讀錯(cuò)”的情況。
所以對(duì)真正用過的人來說，看到它在視覺理解榜第一，應(yīng)該不會(huì)震驚，會(huì)覺得“終于輪到你公布成績(jī)了”。
文心 5.0 這次視覺理解第一，其實(shí)是 11 月以來的第二次“全球沖榜”。

11 月 8 日它剛在 LMArena 文本榜拿下全球并列第二、中國(guó)第一，海外研究圈一堆人出來討論。

今天視覺理解榜一出，相當(dāng)于又補(bǔ)了一刀——不是文本強(qiáng)，整體都挺強(qiáng)。

更有意思的是，海外學(xué)者對(duì)文心的評(píng)價(jià)，也都很技術(shù)向：
斯坦福研究員：文心 5.0 的全模態(tài)架構(gòu)“印象深刻”。
亞利桑那州立大學(xué)研究員：極高評(píng)價(jià)它的“原生全模態(tài)世界表征”，認(rèn)為它是在從底層重寫多模態(tài)模型的認(rèn)知方式。
……
他們看重的未必是分?jǐn)?shù)，但是百度技術(shù)路線的未來可能性更值得關(guān)注。
模型這東西，上不了國(guó)際討論區(qū)都沒意義；但文心這次不僅上了，還被認(rèn)真分析

這次，它在視覺理解榜上的成績(jī)，真正在全球序列里排到了前列的位置，也是不說自明的國(guó)產(chǎn)之光。

我的判斷是：未來一年，中國(guó)模型真正能走向海外開發(fā)者社區(qū)的，會(huì)是文心 5.0 這一類“路線獨(dú)立、底層原創(chuàng)”的模型

這次視覺理解榜第一，是個(gè)開始，而不是終點(diǎn)

#文心5.0 #文心大模型 #視覺理解 #百度 #互聯(lián)網(wǎng)大廠 #AI異類弗蘭克