低調追趕的文心，一口氣打出了快、省、開源三張牌

文心這輪追趕夠不夠硬？作者丨周蕾 林傑鑫 編輯丨岑峰 今天，百度文心 5.5 Flash Preview 正式發佈，這已是文心在一週之內的第三次出牌。11月5日，基座模型文心 5.5 Flash Base開源；11月9日，首次披露 RSI 進展，發佈 ERNIE Evolve；11月11日，文心 5.5 Flash Preview 發佈。一週內連續三次出牌，這在文心歷史上並不多見。三次動作環環相扣，從基座模型、RSI 探索到 Preview 模型，逐步展現出百度基礎模型業務的新方向。在外界長期的印象裡，文心的處境有些微妙：啟動夠早，積累不少，存在感卻不夠高。

在大模型競爭的座標裡，文心始終沒能達到相應的預期。今年7月，1997年出生的復旦大學博士孫天祥加入百度，出任基礎模型研發部（BMU）負責人，同時進入百度模型委員會（BMC）。他曾是國產初代類ChatGPT開源大模型MOSS的主導者，也創過業。外界期待他接手基礎模型業務後的第一份答卷。本週的三連擊，或許算是這張答卷的一部分。這次發佈的文心 5.5 Flash Preview，重點放在了效率、成本和開源上。目前模型已上線千帆平臺，Web端與API同步開放。官方表示，模型權重將於11月25日前採用Apache 2.0許可證面向全球開源社區發佈。

在明天百度世界2026上，關於模型的更多信息也將得到披露。先從榜單看起。文心 5.5 Flash Preview 在 Terminal-Bench 4.0、DeepSWE v1.1、AutomationBench、APEX-Agents 1.

1、DRACO、SpreadsheetBench V2、OfficeQA Pro V2、Agents' Last Exam共8項基準測試中，取得了AutomationBench和SpreadsheetBench V2 兩項第一；在納入對比的模型中，DeepSWE、APEX-Agents、DRACO、OfficeQA Pro V2 四項測試位列第二，其餘項目也進入前列。百度官方對這份成績的描述是，“取得了具有競爭力的得分”，措辭相當剋制。需要說明的是，對比圖中帶*號的成績為廠商自評口徑，橫向比較僅供參考榜單位置之外，能力版圖的規劃、實測過程中的工程細節，更能說明一款模型的實際成色。

01能力版圖：編程、視頻、遊戲與3D按照官方口徑，文心 5.5 Flash Preview 主要在四個方向升級：編程、3D建模、知識工作和內容創作。編程方向使用了超過1400萬個可執行代碼任務和多種Agent框架的執行軌跡進行訓練；3D建模針對Blender、CAD等工具做了專項訓練；知識工作後訓練覆蓋金融、法律等領域的30萬個工作空間和1000萬份文件；內容創作方向適配上千項Skill，構建了超過15萬個創作環境，官方口徑累計成片約5300分鐘。AI科技評論在第一時間上手測試了文心 5.5 Flash Preview的遊戲開發能力。

你是一支由資深遊戲製作人、遊戲設計師、2D 美術總監、角色動畫師、音樂設計師和遊戲工程師組成的獨立遊戲團隊。請開發一款受到《節奏天國》玩法理念啟發的原創 2D 節奏遊戲《砰砰退件局！》（PUNCH!RETURN!）遊戲的目標不是實現一個能按節拍出拳的程序 Demo，而是製作一段完整的、可交互的、充滿生命力的卡通音樂喜劇。整個場景必須像一個真實存在的荒誕卡通世界：不只有玩家和發貨機器人，還有周圍不斷出現的小角色、各自獨立的動作、對玩家成功或失敗的反應、不斷變化的環境、突如其來的亂入事件，以及最終所有角色共同參與的高潮演出。以下是文心 5.

5 Flash Preview在本次測試中的表現，遊戲順利完成了角色逐步登場、節拍判定與結算演出等核心環節。經多輪生成，總耗時約7分32秒，最終得到可運行版本。這次測試一定程度上體現了文心 5.5 Flash Preview對高度複合型需求的應對能力，同時考察了該模型的審美、音樂節奏感、畫面編排和動畫製作能力，代碼側還要有大量事件的正確觸發。以角色狀態系統為例，如果狀態機寫得不好，角色在連續擊打失敗後就可能無法從緊張狀態中恢復，進而波及整個場景的連鎖反饋。單一案例不能完全說明模型的穩定產出水平，但這類“一份文檔、多個系統”的長需求題目，本身就是對編程能力最苛刻的考法之一。

官方博客中演示案例覆蓋視頻編排、遊戲開發和3D建模等方向，其中游戲開發是最有分量的一塊。遊戲開發：自我糾錯遊戲開發的代表案例是《雲岫行》：一款第三人稱東方武俠遊戲，場景設定在雲霧繚繞的張家界石峰與崖頂古寺，基於Unreal Engine 5.8構建。整個任務歷時11小時，模型把跨越多代UE引擎的素材合入同一個UE5.8工程，用C++完整實現遊戲。試玩中發現的人物位置懸空、跑動方向不一致、攝影機位置錯位等視覺問題，被模型逐一轉換成可測量的代碼測試問題，再通過不斷完備的測試驅動項目迭代。

“把視覺問題翻譯成測試”，意味著模型建立了一套自我驗證的閉環，這比一次性生成可運行代碼更接近真實開發，也正是長週期開發任務裡最難自動化的環節。官方還披露了更大規模的案例：基於完整遊戲策劃方案，模型構建了近百款手機小遊戲，覆蓋彈幕射擊、肉鴿、塔防、競速、卡牌RPG、城建經營、物理解謎和互動敘事八個品類，其中24款重點作品橫跨Cocos、Unity、LayaAir、PixiJS與原生Canvas 2D等多種技術棧，多數採用規則層與表現層分離的確定性模擬，並通過機器人模擬、狀態空間搜索和關卡回放自動驗證可解性與數值平衡——工程化驗證的思路，與《雲岫行》一脈相承。

視頻編排：節奏、時序與一致性《鵜鶘測試》是一支117秒的2D動畫短片：ERNIE 5.5 Flash Preview 用 Python 從零寫出一部 116 秒的 2D 動畫短片。一隻白鵜鶘騎著自行車，從公元前 4000 年的撒哈拉巖畫一路騎進大模型時代的代碼編輯器，穿越 20 種藝術風格，最後登上“第 21 號鵜鶘發佈會”。全片由上萬行代碼驅動，每一幀都用 Pycairo 矢量繪製，再由 NumPy 和 Pillow 做後期處理。同一只參數化鵜鶘在 20 個場景裡化身漢畫像石拓片、爪哇皮影、示波器光線和 8-bit 像素；換場時畫面像膠片一樣整格拉過，鵜鶘始終連貫地騎過畫框接縫。

《星月夜》一場直接在梵高原作上讓漩渦星空隨踏頻扭動。配樂精選 22 段錄音，從金貝鼓、古琴、加美蘭到馬里奧主題，由模型編寫的剪輯腳本按畫面切換點逐場對齊。部分場景的背景由 ERNIE 5.5 Flash Preview 調用生圖工具完成：唐代白描、清明上河圖、莫臥兒細密畫三場的靜態底圖都出自生圖工具，ERNIE 5.5 Flash Preview 再在底圖上用代碼疊加會動的人物、落花與水紋。概念設計來自 Bilibili 創作者 @近步抱告_。這道題的出題思路值得琢磨。視頻生成競賽裡，單幀畫面質量已經被卷得很高，真正的難點在跨場景一致性和節奏控制。

同一只鵜鶘穿越20種風格而不失形態，一定程度體現了長程狀態管理能力。而在237秒的官方展示片裡，模型圍繞“地球要是也有個環”這個命題，連續完成查資源、寫劇本、設計分鏡、生成畫面四道工序。官方披露的數字顯示，完成一條片子，模型連續工作一到兩個小時，工具調用中位數約170次，其間自己檢查結果、發現問題並修正。3D建模：流水線3D方向的兩個案例都基於Blender完成：其一，兩個基於文心5.

5Flash Preview的智能體使用Blender Python API分工協作：一個負責機場，自主檢索地圖平臺的佈局矢量數據，下載植物、車輛與地面服務設備等授權資產，通過參數化建模構建航站樓及飛行區；另一個負責飛機，通過截面放樣與模塊化裝配構建機身、機翼。隨後兩個工程統一尺度、位置與鏡頭，編排動畫，用Cycles/OptiX GPU分幀渲染和FFmpeg合成視頻。其二，模型自主檢索法隆寺的佈局與建築結構參考，逐步構建建築群，細化到逐層收分、樑柱支承與層疊屋瓦，公開授權的佛像掃描與植物資產被融入場景，表面細節由PBR貼圖與程序化節點材質共同完成。

兩個案例的共同點在於：模型被放進了“檢索—建模—渲染—合成”的完整流水線，而非單點執行一條建模指令。雙智能體之間的任務拆分與協同，也讓案例超出了單模型能力的範疇。02快，從何而來上文的遊戲和視頻案例都是長程任務：連續工作一到兩個小時、工具調用中位數約170次、11小時的完整工程迭代。這類任務對推理速度的消耗遠超日常問答，“快”在其中有實際意義。對多數用戶來說，更直觀的數字是這一條：千帆API單用戶推理速度超過200 tokens/s，約合每秒150個以上的漢字。生成速度到了這個量級，輸出基本追得上閱讀，等待感會顯著降低。官方對“快”的解釋是一套系統的技術設計，可以拆成三層看。

第一層是參數的使用方式。文心 5.5 Flash Preview總參數量2800億，每個token只激活140億。在當前的稀疏配置中算比較激進一檔。總參數決定模型的知識容量，激活參數才決定每個token的實際計算成本。2800億參數更像常備庫存，每生成一個token，只調用其中的一小部分。第二層是顯存。1M tokens的上下文如果每一層都做全量注意力，顯存開銷會大到無法落地。混合稀疏注意力就是對這個問題的回答：43層中，37層把歷史每128個token壓縮為一條緩存條目，保留全局視野；剩下6層保留逐token訪問歷史的能力，配合稀疏選取。

效果是KV cache的佔用大幅下降，長文本里的細節檢索能力仍然保留。第三層是推理階段的加速。FP4把專家權重的存儲壓到4比特，直接節省顯存帶寬；ECHO則讓主幹網絡的最後一層在預測下一個token之外兼任預測後續token的工作，這層同時充當投機解碼的草稿模型——先猜後驗，幾乎不增加參數就換來提速。三層設計指向同一個目標：用更少的激活參數交付夠用的智能，把速度拉起來、成本再降下來。這也是“Flash”這個命名的行業慣例——比起單點極限，效率檔產品線的核心邏輯更強調能力、速度、成本的平衡。

百度這次同步放出了完整的技術博客和模型架構圖03價格、開源，和一個特殊信號定價方面，API每百萬Token輸入忙時2元、閒時1元，輸出忙時8元、閒時4元，目前限時五折——折後，閒時輸入0.5元、輸出2元。在同參數規模的模型中，這是具備一定競爭力的價格。換算一下更直觀：一百萬token約合六十萬到八十萬漢字。以模型支持的最長上下文為例，把一個100萬token的窗口整個填滿，折後的輸入成本不到一元。效率設計為文心 5.5 Flash Preview的低價打開空間：每個token只激活140億參數，FP4壓縮專家權重，推理成本已經被架構壓了下來。

開源方面，模型權重將於11月25日前以Apache 2.0許可證面向全球開源社區發佈，支持SGLang和vLLM部署。對開發者而言，這意味著拉取即可運行，商用沒有協議負擔。另外，今天文心 5.5 Flash Preview 的 API 已上線千帆平臺。值得一提的是，在實測和價格熱議之外，有一條容易被忽略的消息：文心 5.5 Flash Preview的部分推理優化工作，由百度11月9日披露的自動研究系統ERNIE Evolve完成：在崑崙芯P800的低時延場景上，ERNIE Evolve連續探索約168小時，把生成速度做到基線的623.6%；確定性推理吞吐提升至基線的133.

7%，平均每個token的生成時間縮短26%，精度未降。AI參與優化AI，眼下還處在早期，單次優化也說明不了全貌。但它指向的事實說明，模型之間的競爭，正在從參數規模的比拼，延伸到研發迭代效率的比拼。04結語一週之內三次動作，加上一份很有誠意的定價，百度文心這輪進攻的輪廓已經清晰：繞開正面戰場，先在效率、價格和開源三個維度同時落子。顯而易見的是，今年的模型競爭正在分層：旗艦模型卷榜單上限，效率檔模型捲成本曲線，文心選擇的是後者。這條賽道今年格外擁擠，定價、演示和單次實測都只是入場券，能否轉化為開發者的調用量，才是下一階段的分野。

另一個值得記錄的行業變化是：視頻編排和遊戲開發正在成為模型發佈的新展臺。這類任務不依賴跑分，產出可以進入工作流程，正在構成榜單之外的第二條戰線。文心把長板放在這兩個場景，是順著行業節奏出牌，也讓自己最容易被看見。把時間線拉長看，這段口碑承壓的日子，恰好也是文心埋頭進步、低調追趕的時期。業界仍然對百度文心有所期待，期待它能追上有著豐厚技術積累的那個自己。在漫長的蟄伏期之後，它還會交出怎樣的答卷？AI科技評論也將持續關注。