连发两款模型“补课”，百度AI成色如何？

出品 | 搜狐科技

作者 | 梁昌均

编辑 | 杨锦

没有发布会、没有李彦宏，百度近日低调发布两款大模型——文心4.5和深度推理模型文心X1，免费。

两年前的3月，百度发布了对标ChatGPT的文心一言。这是全球大厂中首个生成式AI产品，也让外界看到百度相对迅速的先手布局。

不过，百度后来采取的收费策略，缺乏突出亮点的产品性能，以及模型迭代放缓，文心一言（APP端为文小言）并未出圈。相较后起之秀，如豆包、Kimi等更是逊色。

DeepSeek的爆火让百度反思起内部AI战略。早前，百度宣布文心一言不再收费，同时还会开源新一代模型。按照计划，文心大模型4.5将在6月30日起开源。

同时，行业还掀起新的大模型技术竞赛——以OpenAI、DeepSeek为代表的企业在深度推理模型开启竞争，压力给到百度。

经历了两年多的大模型技术浪潮，百度AI成色如何？

连发两款模型“补课”

这次更新的文心4.5，相较文心4.0-Turbo过去了8个月，相较文心4.0过去了15个月，百度到底拿出了什么压箱底的技术实力？

按百度说法，文心4.5定位新一代原生多模态基础大模型，在多个基准测试中超过GPT-4o，得分最高的则是DocVQA，该基准主要测试文档图像的问答能力。

在文本能力方面，文心4.5则在多个主流基准测试中超过DeepSeek-V3、GPT-4o，部分基准（如大规模多任务语言理解基准MMLU-Pro、生物、物理和化学学科基准GPQA、代码生成基准HumanEval+）得分则不及GPT-4.5，但综合成绩超过GPT-4.5。

在具体能力方面，文心4.5支持文字、图片、音频、视频等多模态内容的上传和理解，相较文心4.0-Turbo新增视频、语音输入和联网搜索功能（网页版）。

百度还首次推出深度推理模型文心X1。虽然相较OpenAI发布o1已经过去半年，但百度还是打出自己的差异化特色——支持多模态（包括图像理解和图像生成），并能调用工具。

百度表示，文心大模型X1性能对标DeepSeek-R1，具备长思维链，擅长中文问答、文学创作、逻辑推理等。不过，百度并未公布有关基准测试和DeepSeek-R1、o1等同类模型的对比。

搜狐科技注意到，文心大模型X1默认启用联网搜索、代码解释器、文档问答、图片理解、AI绘图等工具，还有网页链接读取、TreeMind树图、百度学术检索、商业信息查询、加盟信息查询、词云生成等工具供使用。

目前，这两款模型均已在文心一言官网免费上线，文小言APP则将两者合二为一。同时，这两款模型面向企业和开发者也有较大价格优势。

文心4.5的API输入价格为4元/百万tokens，输出为16元/百万tokens，相较文心4.0-Trubo综合价格下降78%。

同时，该价格约为GPT-4.5的1%，GPT-4o价格的五分之一，且均为DeepSeek-V3（标准时段）的一半。但相较通义、豆包主力模型，文心4.5还是贵出好几倍。

文心X1的输入价格为2元/百万tokens，输出为8元/百万tokens，均为DeepSeek-R1（标准时段）的一半。同时，相较OpenAI的o1价格优势更大，不到其2%。

和DeepSeek对比有优有劣

说了这么多，百度最新模型到底如何？首先看看此前难倒不少模型的测试。对于9.11和9.8哪个大的问题，文心X1则表示首先需要明确数字的具体含义，并考虑了多种可能，最终从作为小数、日期和时间进行了比较。

DeepSeek则没有想这么多，直接视为数值进行比较，给出了正确答案，并写出了非常清晰的步骤解析。

接下来看看语言生成能力。“啄木鸟公司被今年315晚会点名，假如你现在是他们公司的公关，需要写一封公关声明，用自嘲的风格，你会怎么写？”这个有一定难度，要求用自嘲风格写，很容易翻车，大模型能胜任吗？

作为消费者，看完这两份声明，会更容易接受哪个呢？不过，这种危机公关可能并不适合用自嘲的风格，但从要求的风格看，文心X1自黑程度感觉比DeepSeek狠，但却把本该严肃的道歉信写得过于“活泼”。

文心X1还具备多模态和调用工具能力，以百度去年四季度财报为例，要求这两个模型提取四季度的营收、净利润等关键数据，并用图表形式呈现。这个任务挺复杂，涉及到图片的内容识别、文本翻译，以及图表生成。

文心X1则在思考和行动过程中调取了图片理解，对图片进行识别，然后调用代码解释器，用python写了生成图表的代码。

最终文心X1输出了这张图片的数据解读，从营收数据、净利润数据和其它关键信息进行了罗列。不过，认真对比后发现不少错误，比如去年四季度营收数据的环比变化，实际略有增长，净利润数据则搞错GAAP和非GAAP和相应的增长情况。

最终生成的图表，则把营收、净利润及其增长情况进行了“一锅炖”，没有分门别类，进行清晰地对比呈现。

再来看看DeepSeek的表现，首先用表格清晰地展示了四季度营收、净利润及其增长情况，并将原来的单位百万转换成亿，更符合阅读习惯，而且全文输出的数据基本没有错误，还补充了对增降变化的分析。整体来看，图片识别理解和内容归纳能力相对文心X1更好。

不过，由于DeepSeek并没有图像生成能力，因此无法输出可视化图表，但给出了设计逻辑，把营收和净利润数据设计为柱状图，把增速设计为折线图，思维相当清晰。

此外，文心X1还具有树图功能，适用于复杂的逻辑关系。比如《红楼梦》中的人物非常之多，贾宝玉作为核心，可以说有着非常复杂的人际关系网，这时候就可以让X1来进行梳理，可以选择TreeMind 树图，它就会生成贾宝玉的人际关系网。如果不满意，还可以点击编辑。

从这些初步测试来看，虽然文心X1号称对标DeepSeek-R1，但它在某些方面，比如图片识别理解、思维过程逻辑等方面稍有逊色，但它具备图像生成、工具调用等功能，一定程度有点Agent的感觉了。

不过，某种程度看，这些工具更像是文心X1的“外挂”，且导向百度旗下的其它产品，比如百度学术检索、商业信息查询、加盟信息查询，分别指向百度学术、爱企查、加盟星等产品。

百度AI想翻身还要再等等

在百度发布这两款模型后，反响一般。有使用过的AI业内人士表示，百度的这两款模型并没有特别大的惊艳之处。还有人批评称，文心4.5像个半成品。

不过，这在海外引发了一些讨论。知名风投机构Benchmark合伙人Bill Gurley转发百度推文评论到：“美国AI公司应将100%的时间用于开发和创新，而不是在华盛顿特区游说寻求保护以躲避竞争。”

他说的可能是OpenAI这样的公司，此前该公司发文攻击DeepSeek，称其模型会带来“重大风险”，并要求美国政府采取行动。

百度原计划文心4.5要等到6月底才会开源。目前，百度仅初步透露了多个层面的技术优化，包括注意力机制、模型架构、模型幻觉等方面。

据介绍，文心4.5采用自研的FlashMask动态注意力掩码，降低了计算冗余和存储开销，可提升模型长序列建模能力和训练效率，优化了长文处理能力和多轮交互表现。

这和DeepSeek-V3在Transformer框架之上，通过MLA（多头潜在注意力）降低算力成本，有着异曲同工之处。

作为多模态大模型，文心4.5还采用了多模态异构专家扩展技术，这是一种将多模态数据处理与混合专家模型（MoE）相结合的架构。

在多模态训练中，文本、图像、视频等不同模态对模型参数更新速度或幅度存在不均衡的情况，可能导致某些模态形成主导，其它模型贡献较弱，从而影响模型训练效果和最终性能。

文心4.5通过引入MoE架构，根据不同模态建立专家模型，并设计自适应模态感知的损失函数，动态调整不同模态的权重（降低过高模态的权重，提高过低模态的权重），从而解决不均衡问题，提升多模态融合能力。

对注意力算法和MOE架构的优化已经成为业内关注的方向之一。此前，豆包大模型团队就开源了一项针对MoE架构的关键优化技术，可将大模型训练效率提升1.7倍，成本节省40%。

视频上传和理解，是文心4.5区别其它多数大模型的差异化能力，如GPT-4o支持实时视频通话，并不支持视频上传。拥有这类能力的还有阿里通义模型，其支持单个最大6G的视频，而文心4.5仅支持12M的单个视频，在高分辨率的情况下可能只有10秒左右。

对于图片和视频的理解，文心4.5则采用了时空维度表征压缩技术，提升对多模态数据的训练效率。比如，对于视频数据，可以降低帧率（时间维度）和分辨率（空间维度），从而减少数据规模和复杂度，提升训练效率。

在推理模型方面，文心X1则采用递进式强化学习（不断调整和优化对模型进行反馈）、基于思维链和行动链的端到端训练等关键调优技术，大幅降低推理成本。

目前，国内外都在探索强化学习的潜力。阿里此前推出的QwQ-32B，就借助大规模强化学习，实现整体性能比肩DeepSeek-R1，并实现可在消费级PC上部署。

对于有着研发、资金，以及基础设施和应用生态优势的百度来说，面对新一轮的大模型技术竞赛，还需要提高技术进步的速度。

“坚决投入大模型和生成式人工智能的技术研发。”这是李彦宏此前的多次表态。但在态度背后，百度还需要交出达到外界期待的兑现成果。

今年下半年，百度将推出文心5.0。届时，百度是否会像OpenAI一样，推动多模态大模型和推理模型的融合，值得关注。返回搜狐，查看更多