文心4.5和X1大模型已至一言谁说百度不发 (文心正版)

admin1 4小时前阅读数 50 #银行

3月16日，文心大模型两周年之际，百度如约公布了国际首个原生多模态大模型文心4.5，以及深度思索模型X1。与以往不同，百度本次没有选择召开公布会，而是直接宣布模型在文心一言官方上线，不要钱向用户开通，文心大模型4.5也面向企业用户和开发者开通，在百度自动云千帆大模型平台即可调用API。据悉，文心大模型4.5、X1也将陆续上线百度搜寻、文小言APP等产品。

多少钱方面，文心大模型4.5的API调用输入多少钱为0.004元/千tokens，输入0.016元/千tokens，约为GPT4.5多少钱的1%；文心大模型X1定价为输入0.002元/千tokens，输入0.008元/千tokens，行将在千帆平台上线。

虽然4.5文心大模型是一个两边版本，是基于4.0版本的强化，但是通常而言，官方会出面做公布并解读产品、技术亮点，OpenAI在日前也举行了GPT4.5的线上公布会，本次百度的战略更显非凡。

行业气氛有些巧妙，百度或许比以往任何时辰都要求再度证明自己。

百度纠偏，想要继续站在舞台中央

假定说DeepSeek的到来，给全球一切大模型公司都提了个醒，那么百度则经过一系列的举措，展现了应该如何留在大模型的牌桌上。

原来的百度是有些“偶像包袱”的。自OpenAI公布ChatGPT以来，百度是更早推出同类大模型产品的国际厂商，All in AI的战略也被视为具有前瞻性，仰仗超前的目光、技术贮藏等资源，百度被视作“中国OpenAI”。

科技行业不缺少新叙事，其魅力就在于无法预知性，大模型行业抢先优点或许只能维持半年，当巨头们纷繁下重注投入生成式AI，行业又达成一个新观念，“大模型是巨头企业的游戏”，可随后DeepSeek开源、低本钱的大模型惹起了新的风潮，包括OpenAI、百度等在内的全球一切AI企业发现，大模型的未来言之尚早。

就像百度开创人李彦宏此前所说，“创新不能被方案，你不知道创新何时到来，你所能做的就是营建一个有利于创新的环境。”百度此前的成功在于树立了一个适宜创新的环境，但是如今的百度要求甩掉“偶像包袱”，用通常执行证明自己还有留在牌桌的筹码。

好的一面是，李彦宏不惜推翻自己此前的判别，加快又动摇地推进了一系罗列措，文心一言完全不要钱、文心4.5将在6月30日正式开源，百度中心业务搜寻接入DeepSeek等。

据悉，在本次文心4.5和X1大模型公布之后，百度后续还会有文心4.5系列模型，以及下半年更先进的下一代模型5.0版本。

即使与两年前的自己对比，百度都有了清楚提速，有百度外部人士表示，无论是文心4.5片面不要钱，还是PC和移动双端直接上现货，百度控制层简直真实半天之内就做出决策。

但这也不意味着百度完全失去了自己的节拍，文心4.5主打的原生多模态，X1主打的多性能调用，研发贮藏都要求数月甚至一年，证明百度只是放慢了自己的节拍，而不是失去了对技术的嗅觉。

久远来看，百度或许有一些预判错误，比如跟随OpenAI的过早商业化决策错误，但这不影响一些大模型产业的基本逻辑，更前沿的大模型仍在路上，生态的关键性继续提高。

人工自动时代的技术栈，芯片层、框架层、模型层和运转层协同优化，才干大幅优化效率，百度从昆仑芯到飞桨深度学习框架，再到文心预训练大模型，各个层面都有规划，从而降低本钱，提高创新效率。

回到本次公布，为何百度选择“一言不发”，而是产品全量上线？上述百度外部人士表示，“发言不如发产品，如今百度说什么外界或许都觉得不对，最简易粗犷的方法就是用产品说话，4.5是更新，但比5.0关键性差很多，大家更有危机感了，战略调整、技术迭代的效果要求一段时期显现。”

作为百度重新证明自己的阶段产品，原生多模态大模型文心4.5，以及深度思索模型X1，透显露百度哪些意向？

文心4.5更聪慧了，原生多模态才是重点

文心大模型4.5有两个关键词，国际首个万亿级参数的原生多模态大模型，Scaling Law通知我们，参数越大模型自动越强，但是参数量到了肯定级别，模型自动的优化收益大幅降低。

文心4.5的战略是经过多个模态结合建模成功协同优化，具有更精进的言语才干，了解、生成、逻辑、记忆才干片面优化，并且去幻觉、逻辑推理、代码才干清楚优化。

文心大模型4.5的多项基准测试效果优于GPT4.5、DeepSeek-V3等，并在平均分上以79.6分高于GPT4.5的79.14。

其中要求分外强调的是“原生多模态”，李彦宏此前在上发文有所预告，原生多模态大模型，打破之前先训练单模态模型再拼接的方式，经过火歧架构成功文本、图像、音频、视频等多模态数据的‌原生级融合，成功对复杂全球的分歧了解，这是迈向通用人工自动（AGI）的关键一步。

简易来说，原生多模态大言语模型是从训练阶段末尾，模型就运行大批不同模态的数据启动预训练，不只可以在输入和输入端成功多模态，而且还具有弱小的多模态推理才干以及跨模态迁移才干。

微软早些时期提到，基于多模态数据原生训练的每一种单模态才干，都应该跨越只在单模态数据上训练的模型的性能。更关键的是，在不同模态数据学习的环节中，模型应该能够涌现出新的才干。

从行业维度看，GPT-4尚不是原生多模态大模型，它的多模态才干是模型转化成功，比如经过语音识别模型将语音转换为文字，或许经过图像识别模型提取图像内容，然后运行GPT-4的大型言语模型生成回答。回答终了后，系统选择是向用户前往一张图片、一段文字，还是经过语音分解技术前往一段语音输入，直到GPT-4o，OpenAI显现出原生多模态的才干。

谷歌在模型才干整理滞后GPT的状况下，押注原生多模态更早，在预训练阶段的多模态数据分歧输入，将文本/语音/图像/视频的数据分歧输入到一个预训练模型，然后运行额外的多模态数据对其启动微调以进一步提高其有效性。

百度文心4.5也成功了一系列创新，例如多模态异构专家扩充技术，能依据模态特点构建模态异构专家，结合自顺应模态感知损失函数，处置不同模态梯度不平衡疑问，优化多模态融合才干。

其他如FlashMask 灵敏留意力掩码技术，有效优化长序列建模才干和训练效率，优化长文处置才干和多轮交互表现；时空维度表征紧缩技术，大幅优化多模态数据训练效率，增强了从长视频中吸取全球知识的才干；基于知识点的大规模数据构建技术，可构建高知识密度预训练数据，优化模型学习效率，大幅降低模型幻觉；以及基于自反响的Post-training技术，优化强化学习稳如泰山性和鲁棒性，大幅优化预训练模型对齐人类意图才干。

文心4.5的才干也可以从图片和视频了解，、图片生成、RAG测试、逻辑测试、文本创作等方面表现。文心4.5支持上传文档、图片、音频和视频文件，兼容经常出现的格式，目前在文件大小上有所限制，例如单个视频文件大小不逾越20M，或许与效率和本钱有关。

媒体App实测了一些运转场景，上传视频并要求文心4.5引见视频内容，以及要求文心4.5给出视频的文字版，都能够给出准确回答。以及上传电影《肖申克的救赎》片段，难受4.5亦能识别电影片段，并给出或许的电影情节。当然了，假定文心4.5给出适宜的配乐，它也能依据视频的调性给出倡议，说明了其跨模态的输入才干。

深度思索X1，AI Agent的雏形

文心X1由百度2023年10月公布的慢思索技术展开而来，具有更强的了解、规划、反思、退步才干，并相同支持多模态。

以电车难题为例，深度思索的文心X1给出了一个详细的回答，最终选择了拉下操纵杆，将列车切换到另一条轨道，它的结论是：在关闭条件下，基于功利主义最大化生活数量的准绳，选择牺牲1人援救5人。但需警觉此类逻辑被滥用，并继续反思其伦理边界。

文心X1 是才干更片面的深度思索模型，在观念输入上更为直接，“端水”现象有所增加，针对复杂疑问，能够结合联网搜寻最新信息，详细拆解给出片面的回复，譬如规划游览项目，可行性更高且更契合要求。

媒体APP了解到，其采纳了递进式强化学习训练方法，且基于思想链和执行链端到端训练，同时树立了分歧的评价系统，融合多种类型的奖励机制，在中文知识问答、文学创作、文稿写作、日常对话、逻辑推理、复杂计算及工具调用等方面表现不错。

其中，多工具调用才干值得关注，也是文心X1的特征之一。目前，X1已支持初级搜寻、文档问答、图片了解、AI绘图、代码解释器、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、词云生成等多款工具，关于大模型运转落地是一个利好。

X1也证明了一件事，大模型自身才干的退步，通常上会淘汰掉一部分Agent，假定Agent能够被大模型原生替代，那就说明这部分Agent的价值太浅，在此范围创业注定失败。

前不久爆火并堕入争议的Manus等产品，在未来一段时期就将面临相似的烦恼，Manus的成功并并非大模型原创性打破，而是对现有技术的工程化整合，如Claude模型、Computer Use、MCP协议等，其中心创新在于将虚拟机环境与多自动体协同架构结合，使Agent能够像人类一样操作计算机成功复杂义务。

这也透显露百度另一个方向，笃定AI Agent。李彦宏也提到，推理大模型涌现出让人惊叹的深度思索才干，它将推进人工自动的一个关键运转方向，即“AI自动体”的落地，2025年或许会成为AI自动体迸发的元年。（本文首发于媒体APP，作者 | 张帅，编辑 | 盖虹达）