進(jìn)入2025年，百模大戰(zhàn)的參賽者數(shù)量收斂了一個(gè)數(shù)量級(jí)，基模牌桌上已經(jīng)由200多家淘汰至十幾家。盡管如此，基模競(jìng)賽仍然未到終局。

從模型能力看，多模態(tài)大模型僅達(dá)到LLM大語(yǔ)言模型兩年前的水平，仍在加速進(jìn)化中。LLM大語(yǔ)言模型的上限也還有提升空間，年初DS帶火的基于長(zhǎng)思維鏈實(shí)現(xiàn)慢思考的推理能力，各家都積極探索。

從市場(chǎng)格局看，領(lǐng)先者座次也在動(dòng)態(tài)變化中。中國(guó)信通院的調(diào)研發(fā)現(xiàn)，2024年4月還是OAI處于領(lǐng)先，到年底文心就超過了GPT，國(guó)內(nèi)模型能力在快速上升。

百模大戰(zhàn)至今，仍未塵埃落定。說明模型競(jìng)賽是一場(chǎng)技術(shù)馬拉松，靠的不是一時(shí)一刻的領(lǐng)先，而是持續(xù)不停地奔跑。ChatGPT、文心、DS等現(xiàn)象級(jí)產(chǎn)品，本質(zhì)上都是大模型從高技術(shù)領(lǐng)域轉(zhuǎn)入普及型全民應(yīng)用的一個(gè)產(chǎn)品，并不是AI大模型技術(shù)體系的全部。

模型的創(chuàng)新之花持續(xù)綻放，常開不敗，離不開底層AI技術(shù)體系的長(zhǎng)期積累。而放眼國(guó)內(nèi)，百度的AI底蘊(yùn)，尤其是它的技術(shù)全棧布局確實(shí)是有目共睹的。

5月20日百度AI Day活動(dòng)上，百度集團(tuán)副總裁吳甜也分享了文心大模型最新技術(shù)進(jìn)展。在現(xiàn)場(chǎng)，我們感受到，文心4.5系列在多模態(tài)、深度思考、復(fù)雜推理、智能體等技術(shù)方向上，持續(xù)演進(jìn)。

那么，百度能否戰(zhàn)至基模終局？我們深入文心4.5的技術(shù)機(jī)理，為大家扒開百度的AI根系。

當(dāng)下，基礎(chǔ)模型創(chuàng)新已經(jīng)進(jìn)入了技術(shù)摸高階段，低處易摘的果實(shí)都被摘完了，高處的果實(shí)又很難被摘下。比如確定性場(chǎng)景下的幻覺問題，類推理模型的深度思考能力還無(wú)法解決現(xiàn)實(shí)復(fù)雜難題等，都很具挑戰(zhàn)性，但又是行業(yè)應(yīng)用大模型時(shí)的痛點(diǎn)。

基模還能出現(xiàn)大幅度的升級(jí)迭代嗎？這時(shí)候，文心大模型帶來了肯定的答案。近兩個(gè)月以來，文心大模型的技術(shù)創(chuàng)新，在速度和銳度上都很突出：

進(jìn)化速度快，3月16日百度對(duì)外發(fā)布了文心4.5和深度思考模型文心X1。1個(gè)多月之后，就發(fā)布了文心4.5 Turbo和X1 Turbo。硬剛的百度又重回大模型視野中心。

創(chuàng)新點(diǎn)硬核，具有技術(shù)銳利度和識(shí)別度，比如文心4.5T/X1 T的最新更新，所采用的技術(shù)方法就跟此前和業(yè)界主流有較大突破。中國(guó)信通院的大模型推理能力評(píng)估結(jié)果也顯示，百度文心X1 Turbo在24項(xiàng)能力評(píng)估中，綜合評(píng)級(jí)獲當(dāng)前最高級(jí)“4+級(jí)”，成為國(guó)內(nèi)首款通過該測(cè)評(píng)的大模型。

主要在兩個(gè)領(lǐng)域有較大突破：

一是多模態(tài)領(lǐng)域。文心大模型4.5是多模態(tài)基礎(chǔ)大模型，文心4.5 Turbo源自文心4.5。文心4.5系列模型實(shí)現(xiàn)了文本、圖像和視頻的混合訓(xùn)練。通過構(gòu)建針對(duì)不同模態(tài)的“異構(gòu)專家”，為每種模態(tài)設(shè)計(jì)專門的處理模塊。這些模塊能夠根據(jù)各自模態(tài)的特點(diǎn)進(jìn)行優(yōu)化，例如圖像模塊專注于視覺特征提取，文本模塊專注于語(yǔ)言理解，而視頻模塊則結(jié)合了時(shí)間和空間信息的處理能力。這種設(shè)計(jì)使得文心4.5 Turbo能夠充分照顧到不同模態(tài)的特點(diǎn)，文本、圖像和視頻數(shù)據(jù)無(wú)縫融合，從而實(shí)現(xiàn)更高效的多模態(tài)學(xué)習(xí)。

結(jié)果就是，文心4.5/4.5T的多模態(tài)理解能力有比較大的提升，也讓不少相關(guān)AI應(yīng)用如虎添翼。比如OCR翻譯，文心4.5 Turbo可以迅速識(shí)別單據(jù)中的外文并翻譯出來；解答理科題目，可以對(duì)圖像進(jìn)行更好地理解與分析，明確已知條件和所求問題，再整合工具獲取到的信息和自身知識(shí)，給出最終答案。

二是推理模型reasoning model的深度思考能力。文心X1升級(jí)到X1 Turbo，得益于文心4.5 Turbo多模態(tài)大模型的增益，X1 Turbo在深度思考上更進(jìn)一步，實(shí)現(xiàn)了更先進(jìn)的思維鏈，可進(jìn)行多步驟的邏輯推理、工具調(diào)用和多模態(tài)理解能力。

具體來說，深度思考模型爆火之后，各家都在探索進(jìn)一步優(yōu)化。但大多數(shù)優(yōu)化都集中于單步驟，讓模型通過單步思考、單步調(diào)用工具來解決問題。但全靠人一步步填鴨式教學(xué)，教AI怎么做，不僅效率低下，而且模型能力提升有限。因此，需要讓模型自主進(jìn)行多步思考，學(xué)會(huì)舉一反三。

百度在后訓(xùn)練環(huán)節(jié)，設(shè)計(jì)了多元統(tǒng)一獎(jiǎng)勵(lì)機(jī)制，提升模型對(duì)結(jié)果質(zhì)量的判別。有了這種多元評(píng)判能力，大模型就可以思考很多步，謀定而后動(dòng)，最后做出最優(yōu)行動(dòng)決策。這種多元獎(jiǎng)勵(lì)機(jī)制的強(qiáng)化學(xué)習(xí)，可以讓模型探索出更復(fù)雜、多步驟的思維鏈和行動(dòng)鏈，讓模型在解決真實(shí)的長(zhǎng)程、復(fù)雜性的任務(wù)上會(huì)有更好的表現(xiàn)。

最硬核的創(chuàng)新之花，同時(shí)出現(xiàn)在多模態(tài)和推理領(lǐng)域。這說明，哪怕是在創(chuàng)新難度更大的技術(shù)摸高階段，百度仍穩(wěn)穩(wěn)站在第一梯隊(duì)。

“百度2019年發(fā)布文心1.0，從那時(shí)到現(xiàn)在，百度大模型技術(shù)發(fā)展是一脈相承的”，吳甜說到。

大模型持續(xù)演進(jìn)，為什么技術(shù)根脈很重要？ AI不是一招鮮，而是需要通盤考量的綜合問題。

在吳甜看來，模型上限仍有提升空間，而打開空間是需要很多前提條件的：

1.數(shù)據(jù)層面來看，在大模型基礎(chǔ)體系中，很多人覺得數(shù)據(jù)建設(shè)就是一些標(biāo)記、清洗等簡(jiǎn)單處理工作，但數(shù)據(jù)建設(shè)的許多問題如果解決好了，模型會(huì)更高效地學(xué)到東西。比如文心4.5 Turbo是多模態(tài)模型，所以在多模態(tài)數(shù)據(jù)建設(shè)方面，就有許多新的工作，像是多模態(tài)的平行數(shù)據(jù)的構(gòu)建，讓模態(tài)和模態(tài)之間的知識(shí)和信息能夠共享。此外，模型融合線上反饋的數(shù)據(jù)進(jìn)行挖掘，讓模型可以有針對(duì)性地改進(jìn)和提升。

2.知識(shí)角度，基于知識(shí)點(diǎn)的大規(guī)模稀缺數(shù)據(jù)構(gòu)建也是這次模型的重要?jiǎng)?chuàng)新點(diǎn)。比如通過百度積累的知識(shí)體系，可以檢測(cè)模型的數(shù)據(jù)分布上有一些地方是欠缺數(shù)據(jù)的，是冷門的、沒什么人用的知識(shí)，再針對(duì)性地積累和挖掘。更完備的知識(shí)體系，可以為文心大模型提供高質(zhì)量的訓(xùn)練數(shù)據(jù)。

3.算法層面，文心4.5 Turbo和X1 Turbo在多模態(tài)能力上的表現(xiàn)出色，也與百度多年所積累的算法研發(fā)能力相關(guān)。除了前面說到的多模態(tài)異構(gòu)專家建模，百度還引入了時(shí)空信息編碼技術(shù)、自適應(yīng)模態(tài)感知損失計(jì)算等前沿技術(shù)。綜合下來，讓文心4.5 Turbo在訓(xùn)練過程當(dāng)中學(xué)習(xí)效率提高了1.98倍，多模態(tài)理解效果也有相應(yīng)的提升。

而在深度思考方面，百度研制了自反饋增強(qiáng)的技術(shù)框架，來優(yōu)化整個(gè)模型訓(xùn)練的過程，讓訓(xùn)練的過程更加有效率，而且顯著降低了模型幻覺，模型理解和處理復(fù)雜任務(wù)的能力大幅提升。

當(dāng)前模型算法層面還需要不斷創(chuàng)新，去提升大模型性能。百度的AI信仰、技術(shù)底蘊(yùn)與人才厚度，支撐著文心持續(xù)演進(jìn)。

4.基礎(chǔ)設(shè)施infra。大模型性能提升的同時(shí)，成本下降也是至關(guān)重要的。基礎(chǔ)設(shè)施層面的積累，對(duì)文心4.5 Turbo/X1 Turbo的研發(fā)起到了關(guān)鍵作用。文心4.5 Turbo是一個(gè)MoE架構(gòu)的多模態(tài)模型，不同模態(tài)差異帶來的問題更加凸顯，不同模型的損失計(jì)算協(xié)同通信也是難題。而且模型的訓(xùn)練周期很長(zhǎng)，訓(xùn)練過程當(dāng)中，故障中斷的解決、自動(dòng)的恢復(fù)等，對(duì)基礎(chǔ)設(shè)施提出了很高要求。繞到文心大模型背后，會(huì)發(fā)現(xiàn)是深度學(xué)習(xí)平臺(tái)飛槳多年的積累以及不斷扎實(shí)的整個(gè)平臺(tái)的技術(shù)能力，支撐著文心大模型的快速迭代。

上述因素，也只是百度AI根系的冰山一角。百度龐大而復(fù)雜的AI根系，以及全棧式的AI布局滋養(yǎng)著文心大模型的創(chuàng)新常在。隨著大模型走向技術(shù)摸高，百模大戰(zhàn)也臨近終局，我們?cè)絹碓綇?qiáng)烈地感受到，基模很難靠單一技術(shù)熱點(diǎn)就能屹立不倒。

一方面，摘下高技術(shù)領(lǐng)域的果實(shí)，需要多要素的長(zhǎng)期投入和跨領(lǐng)域協(xié)作。另外，進(jìn)入技術(shù)無(wú)人區(qū)，當(dāng)主流技術(shù)路線遭遇瓶頸時(shí)，擁有完整技術(shù)體系的企業(yè)可以快速切換路徑，或嘗試多技術(shù)交叉的新路徑。

所以，當(dāng)基模競(jìng)爭(zhēng)的烈度進(jìn)一步加劇，在風(fēng)云變幻的技術(shù)浪潮中，根系深厚者才可以穿越周期，持續(xù)領(lǐng)跑。

文心能否站到終點(diǎn)？做科技媒體這么多年，一直會(huì)有讀者問我們，“百度AI說得那么強(qiáng)，怎么總是趕不上熱席”。但只要讓子彈飛一會(huì)兒，等到真的需要跟世界一流掰手腕的時(shí)候，百度卻從未缺席。這是為什么？百度AI的獨(dú)特性，被一位高一的小朋友敏銳洞察到了。

來自福建省惠安第三中學(xué)的陳君航，在本次開放日上分享了自己使用文心的感受：“技術(shù)真正的魅力不是驚艷誰(shuí)，而是真正解決一個(gè)又一個(gè)真實(shí)的問題?！?/p>

他從2023年開始，用文心一言中考備考，定制學(xué)習(xí)計(jì)劃，解析搜題軟件中無(wú)法解析的原創(chuàng)題目，還用文心一言編程寫代碼，為媽媽做了一款“智能文案生成器”的軟件。

教育、解題、編程，這些都是現(xiàn)實(shí)場(chǎng)景中復(fù)雜的任務(wù)要求，需要AI大模型控制幻覺、嚴(yán)密思考推理，確保可信及可用性。這種與場(chǎng)景更適配的使用感，是靠多種技術(shù)體系協(xié)同解決，以及工程上的系統(tǒng)性創(chuàng)新才能實(shí)現(xiàn)。文心大模型，就是在做這樣實(shí)用的AI。

可以說，文心大模型一直走的是真實(shí)實(shí)用的路線，演進(jìn)方向在思考能力建設(shè)上的體現(xiàn)是結(jié)構(gòu)化和專業(yè)化。

比如X1的先進(jìn)思維鏈與多模態(tài)能力，就可以讓個(gè)人和行業(yè)伙伴/企業(yè)用戶去完成更復(fù)雜的任務(wù)，基于文心的基模能力，打造代碼智能體、直播數(shù)字人，可以真正幫助程序員、企業(yè)營(yíng)銷人員解決現(xiàn)實(shí)難題。

所以，文心大模型，不是看得見摸不著的海市蜃樓，而是可以真正被個(gè)人和企業(yè)移栽到自身生活工作場(chǎng)景中去的AI綠洲，生長(zhǎng)著文心系列的一棵棵巨樹，可以被嫁接到真實(shí)場(chǎng)景，結(jié)合各行各業(yè)的獨(dú)特水土，培育出自己的AI根苗。

進(jìn)一步讓AI在產(chǎn)業(yè)落地生根，百度多年來也在生態(tài)上做了大量基礎(chǔ)工作，幫助行業(yè)育苗樹人。目前，飛槳和文心整個(gè)生態(tài)上有開發(fā)者2815萬(wàn)，支持的企事業(yè)單位有67萬(wàn)，模型已經(jīng)達(dá)到了110萬(wàn)。在這個(gè)繁榮的AI生態(tài)中，智能中國(guó)也蔚然成蔭。

進(jìn)入2025，大眾與行業(yè)都很關(guān)切：百模大戰(zhàn)，文心能否站到終點(diǎn)？我們不妨拆解為三個(gè)小問題：

根在技術(shù)的百度，有世界一流的創(chuàng)新能力與首屈一指的技術(shù)團(tuán)隊(duì)，能否始終確保文心大模型的先進(jìn)性？

根在全局的百度，具備快速調(diào)整技術(shù)路徑的戰(zhàn)略縱深，在瞬息萬(wàn)變的技術(shù)領(lǐng)域，相比押注單一主流技術(shù)趨勢(shì)的模廠，百度是否更具彈性和韌性？

根在現(xiàn)實(shí)的百度，擁有自主研發(fā)的昆侖芯/計(jì)算集群、飛槳框架、文心系列模型、繁榮技術(shù)生態(tài)，那么走向產(chǎn)業(yè)時(shí)，文心大模型是否更容易被信任？

臨近決賽圈的基模格局正風(fēng)云變幻，但AI根系深厚扎實(shí)的文心，或許才是最無(wú)懼風(fēng)雨的那一個(gè)。

審核編輯 黃宇