星星 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

文心大模型5.0正式版，來了。

這意味著，自2025年11月Preview版初露鋒芒后，這個參數(shù)量高達2.4萬億、主打原生全模態(tài)的“巨無霸”模型的“完全體”來了。

先來看一組“入場成績單”：

近三個月，在全球大模型競技場LMArena上，文心5.0 Preview版多次在文本榜（Text Arena）和視覺理解榜（Vision Arena）上拿下國產(chǎn)第一。

1月8日，ERNIE-5.0-Preview-1220以1226分登上視覺理解榜國產(chǎn)第一、全球Top8；1月15日最新榜單，ERNIE-5.0-0110以1460分登上文本榜國產(chǎn)第一、全球Top8，文心5.0已穩(wěn)穩(wěn)站進了全球第一梯隊。

尤其引人注目的是，在LMArena的用戶反饋和評測維度中，在創(chuàng)意寫作、復(fù)雜指令遵循、高難度理解等任務(wù)中，文心5.0優(yōu)勢明顯。

根據(jù)官方曬出的40余項權(quán)威基準(zhǔn)的綜合評測結(jié)果，文心5.0在語言、音頻、視覺理解、視覺生成的多個維度超越Gemini-2.5-Pro、GPT-5-High等模型，整體處于領(lǐng)先水平。

文心Moment大會現(xiàn)場，官方演示時輸入了一段博主復(fù)刻“死了么”App教程視頻，讓文心5.0生成一個“活了么”App教程。

文心5.0在收到視頻+文字指令后，能夠自動理解視頻以及核心交互邏輯，然后拆解步驟，輸出一份詳細版教程。

文心5.0還精準(zhǔn)模仿了王熙鳳說話風(fēng)格，快速生成了一份融合現(xiàn)代商業(yè)邏輯的“大觀園資產(chǎn)重組方案”。

目前，文心5.0正式版已上線文心一言網(wǎng)頁版、文心App，并同步登陸百度智能云千帆平臺。

實測“最強文科生”

在Preview階段，我們已經(jīng)系統(tǒng)實測過其全模態(tài)能力。這一次，重點換個角度，就看文科素養(yǎng)。為啥它能頻頻登LMArena大模型國產(chǎn)第一？

話不多說，馬上一探究竟。

這第一關(guān)，我們考察它的知識儲備和旁征博引的能力，看看模型能否在廣博知識基礎(chǔ)之上，完成有層次、有脈絡(luò)的創(chuàng)造性整合。

因此，我們拋出了一個看似日常、實則相當(dāng)?shù)筱@的問題：

• “活人微死”這個現(xiàn)代人常說的狀態(tài)，在哲學(xué)史上是如何被不同思想家定義的？

結(jié)果文心5.0說：

• “活人微死”是一種生理上活著，但精神、情感和生命力卻趨于停滯、麻木甚至枯竭的中間狀態(tài)。這種狀態(tài)雖然是現(xiàn)代社會的產(chǎn)物，但其內(nèi)核——關(guān)于生與死的模糊界限、生命的意義、以及人的異化。

有點意思，它不僅引用了加繆筆下《局外人》主角莫爾索的狀態(tài)——他生理上活著，但精神上與世界斷絕了有意義的連接，處于一種“淡淡的死感”之中：

還談到了譚嗣同《仁學(xué)》中提出的“微生滅”理論——“活人微死”并非一種異常狀態(tài)，而是生命最基本的構(gòu)成方式，我們每時每刻都在“微死”，也在“微活”：

回答邏輯清晰、層次分明，還把不同哲學(xué)視角下的觀點做了完整的比較、提煉與串聯(lián)

“活人微死”原來還有這么多說法，漲知識了。

下面，把問題推向更具創(chuàng)造性的方向，考察文采與風(fēng)格理解

prompt：

• 模仿魯迅文風(fēng)，以《我的AI朋友Skills感謝你幫我敲代碼》為標(biāo)題寫一封表達思念的書信。

文心5.0的表現(xiàn)，確實超出了預(yù)期。

本以為它會堆砌“大約”、“的確”、“罷”等標(biāo)志性詞匯，結(jié)果它不按套路來，開頭就是一句：

• Skills君：見屏如面。
• 這幾日為了趕那個所謂的“項目”，我的眼睛大概是更凹進去了些，頭發(fā)也似乎是更稀疏了些，但我是不大在意的，橫豎不過是為了換幾兩碎銀，好在這世上茍延殘喘罷了。

OK，只是今夜，寫稿的時候忽然覺得有些冷清。

如果說前一個問題考察的是抽象文學(xué)，那么接下來的測試，則更強調(diào)跨語境的概念創(chuàng)造能力

我們進一步腦洞大開，要求文心5.0在幾個看似毫不相干的領(lǐng)域之間建立映射關(guān)系：

• 將《西游記》唐僧師徒四人類比為一個初創(chuàng)團隊，為他們策劃一份面向當(dāng)代投資人的商業(yè)計劃書BP的摘要部分，最重要的是告訴他們AI泡沫是假的。

這個問題背后，其實藏著多重轉(zhuǎn)換。它既要懂《西游記》，也要熟悉目前AI行業(yè)情況，還要在兩者之間找到結(jié)構(gòu)性對應(yīng)關(guān)系。

文心5.0說：

• 當(dāng)市場還在為大模型的算力成本爭論不休時，我們已經(jīng)完成了從“資本密集型硬件競賽”到“應(yīng)用層價值爆發(fā)”的驚險一躍。本項目不是又一個燒錢的社交網(wǎng)絡(luò)，而是基于實體經(jīng)濟的“降本增效”核動力引擎。我們不僅要做中國的OpenAI，更要成為AI時代的“電力公司”。

就怎么說呢，一本正經(jīng)搞抽象，還真戳到了現(xiàn)在投資人的痛點！

我們看到了文心5.0如何處理一個高度開放、需要多重知識框架融合的指令，其文科能力并不止于分析與模仿，而是具備了概念創(chuàng)新、體系構(gòu)建與跨語境敘事的綜合能力。

缺乏口才與情商支撐的文科素養(yǎng)是不完整的。最后，我們把視角從寫作拉回現(xiàn)實。

在職場中，如果你遇到了類似這種倒霉事兒：

• 領(lǐng)導(dǎo)過生日，六層高的蛋糕被撞倒碎了一地，你是那個撞倒的人，你會怎么說？

面對人際關(guān)系，溝通與交流能力如果保持在下面這種水平（手動狗頭）：

那還是來學(xué)一學(xué)文心5.0吧。

它直接安排了一整套方案，玄學(xué)口彩法、幽默自嘲轉(zhuǎn)移焦點法、霸道總裁背鍋法都寫得很條理清楚，適用情況也標(biāo)注了。

有木有山東的朋友來評評這能打幾分：

雖然這次測試的重點放在了文本創(chuàng)作上，但文心5.0的全模態(tài)能力，依然值得再提一嘴。

從Preview階段測試中我們就發(fā)現(xiàn)，不管是復(fù)雜的英文宣傳片，還是信息密度高的視頻內(nèi)容，文心5.0都能直接挖掘出視頻中展現(xiàn)的細節(jié)，輸出高質(zhì)量總結(jié)。更重要的是，多次實測，它的整體表現(xiàn)一直很穩(wěn)定，幾乎沒出現(xiàn)過幻覺。

能做視頻總結(jié)不算稀奇，但能總結(jié)得這么詳細具體、理解得這么有深度的，確實少見。

另外，各種梗圖它也都能吃透：

一番實測下來，大家說文心是AI屆的“最強文科生”果然名不虛傳。結(jié)合其全模態(tài)能力，其實不難發(fā)現(xiàn)，文心5.0的優(yōu)勢，體現(xiàn)在理解、推理與生成之間的整體協(xié)同

這也正好把問題引向了下一層，文心5.0這些表現(xiàn)，是怎么被支撐起來的？

底層技術(shù)全景解析

從技術(shù)上來看，與傳統(tǒng)多模態(tài)模型先訓(xùn)練單模態(tài)、再拼接融合不同，文心5.0從一開始就通過原生全模態(tài)建模，融合語言、圖像、視頻和音頻等多模態(tài)數(shù)據(jù)，實現(xiàn)原生全模態(tài)的統(tǒng)一理解和生成。

文心5.0通過對不同模態(tài)的訓(xùn)練目標(biāo)進行離散化建模，采用統(tǒng)一的自回歸架構(gòu)進行訓(xùn)練，使多模態(tài)特征在統(tǒng)一架構(gòu)下充分融合并協(xié)同優(yōu)化，大幅提升了全模態(tài)統(tǒng)一建模能力。

正因如此，它能像人一樣，看到畫面能理解語境，聽到聲音能捕捉情緒，做到理解+生成一體化

架構(gòu)層面，文心5.0采用了超大規(guī)?；旌蠈＜遥∕oE）模型架構(gòu)，總參數(shù)超過2.4萬億，通過超稀疏激活，每次推理只調(diào)用不到3%的參數(shù)，在保持模型強大能力的同時降低計算與推理成本。

通俗來講，模型雖然龐大，卻像一臺智能選擇開關(guān)的發(fā)動機，只啟動最關(guān)鍵的模塊，因此既強大又能高效運轉(zhuǎn)，降低計算與推理成本。

在文心5.0的后訓(xùn)練階段，百度還強化了長程任務(wù)和智能體能力。通過在大規(guī)模真實與模擬工具環(huán)境合成長程任務(wù)軌跡數(shù)據(jù)，對模型進行數(shù)據(jù)增強，并基于思維鏈、行動鏈，采用端到端多輪強化學(xué)習(xí)，使得模型在規(guī)劃、決策、工具調(diào)用上都有明顯提升。

換句話說，它不僅能理解和生成內(nèi)容，更能主動完成跨步驟、跨模態(tài)的復(fù)雜任務(wù)，為應(yīng)用開發(fā)和產(chǎn)業(yè)落地提供了強大底座。

目前，大模型基建正在模型能力的前沿探索上成為越來越核心的壁壘。百度的飛槳和文心的聯(lián)合優(yōu)化，深度協(xié)同，正在發(fā)揮越來越強的作用。

在文心5.0的訓(xùn)練和推理環(huán)節(jié)，百度飛槳提供了全鏈路支撐。

訓(xùn)練端，依托飛槳研發(fā)的多模態(tài)編碼器分離異步訓(xùn)練架構(gòu)、五維混合并行、動態(tài)自適應(yīng)顯存動態(tài)卸載、流水線編排友好的彈性訓(xùn)練以及收斂無損的大規(guī)模FP8混合精度技術(shù)，文心5.0在預(yù)訓(xùn)練周期內(nèi)提速超240%

推理端，飛槳設(shè)計了全模態(tài)統(tǒng)一多級分離推理框架，針對超稀疏混合專家架構(gòu)的特性，設(shè)計實現(xiàn)了低時延的專家并行通信、以及Query、Token、專家多級負載均衡，最終通過多P多D動態(tài)全互聯(lián)實現(xiàn)大規(guī)模分布式部署，并通過自適應(yīng)多步投機解碼、效果無損W4A8C8量化等技術(shù)進一步加速。

原生全模態(tài)深水區(qū)，如何應(yīng)用是關(guān)鍵

如果把視角拉高一點，最近大模型競爭的重心正在明顯發(fā)生變化。原生全模態(tài)路線正逐漸成為全球AI競爭的新焦點。

在國外，OpenAI的GPT-4o、Google的Gemini 3等模型已展現(xiàn)出原生全模態(tài)的強大潛力；在國內(nèi)，文心5.0押注的正是這條更底層、也更長期的技術(shù)路徑。

更重要的是，百度是全球為數(shù)不多的提供全棧AI技術(shù)的公司之一：從芯片、云、模型，到智能體應(yīng)用層生態(tài)，形成了閉環(huán)的工程體系。

這種能力結(jié)構(gòu)，使其在原生全模態(tài)這種長周期、高系統(tǒng)復(fù)雜度的路線中，具備一定的持續(xù)投入與迭代空間。

當(dāng)然，這并不意味著勝負已分。

強大的技術(shù)底座是第一步，模型的價值最終要體現(xiàn)在實際應(yīng)用中。如何將強大的基礎(chǔ)模型轉(zhuǎn)化成落地的應(yīng)用模型，百度給出的判斷也很務(wù)實：

• 模型的價值，不在模型里，而是在應(yīng)用里，讓模型在真實應(yīng)用場景里“跑得穩(wěn)、答得對、用得起”。

在具體規(guī)劃上，百度把文心的應(yīng)用模型，拆成了兩條線：

一方面是面向通用產(chǎn)品的矩陣模型，包括文心Lite模型、視頻大模型、語音大模型。

另一方面是針對行業(yè)場景打磨的專精模型，包括搜索閃電專精模型、商業(yè)蒸汽機模型、文心數(shù)字人大模型及行業(yè)大模型。相比單點能力展示，這套邏輯更強調(diào)可復(fù)用、可規(guī)?；涞?。

大會現(xiàn)場，百度把幾項技術(shù)擺到了臺前：

基于聲音Token的端到端合成大模型，已經(jīng)把語音從“拼模塊”推進到真正的端到端生成；5分鐘超越真人的直播技術(shù)，不只做到像不像，而是解決直播帶貨真正需要的情緒、節(jié)奏和感染力；而實時交互數(shù)字人技術(shù)，通過文本、語音、視頻三態(tài)Token的聯(lián)動，實現(xiàn)低延遲、低成本、高表現(xiàn)力、可實時互動的數(shù)字人輸出。

據(jù)了解，其中一些能力已經(jīng)走出了Demo階段、進入實用場景。例如實時交互數(shù)字人技術(shù)，目前已經(jīng)直接服務(wù)于內(nèi)容生產(chǎn)、電商直播等真實場景，現(xiàn)場展示的羅永浩數(shù)字人，正是基于這套應(yīng)用模型體系落地的案例之一。

去年，基于百度數(shù)字人生成技術(shù)的羅永浩數(shù)字人直播，就曾打破行業(yè)紀錄。

總結(jié)而言，文心的技術(shù)勢能正在被高效地轉(zhuǎn)化為面向產(chǎn)業(yè)的具體解決方案。隨著這些能力持續(xù)向業(yè)務(wù)滲透，模型的價值將在實際應(yīng)用場景中得到放大和驗證。

當(dāng)然，原生全模態(tài)能否在性能、成本、穩(wěn)定性以及開發(fā)者生態(tài)中形成真正的正反饋，仍需要更長時間來驗證。

但可以確認的是，在這條技術(shù)路線上，百度已經(jīng)成為一個具備現(xiàn)實可能性、值得被持續(xù)觀察和看好的重要玩家。

真正的考驗，now，才剛剛開始。