新火種
2025-05-05 
文心4.5和X1大模型已至，誰說百度不發“一言”？
圖片系AI生成
3月16日，文心大模型兩周年之際，百度如約發布了國內首個原生多模態大模型文心4.5，以及深度思考模型X1。與以往不同，百度本次沒有選擇召開發布會，而是直接宣布模型在文心一言官網上線，免費向用戶開放，文心大模型4.5也面向企業用戶和開發者開放，在百度智能云千帆大模型平臺即可調用API。據悉，文心大模型4.5、X1也將陸續上線百度搜索、文小言APP等產品。
價格方面，文心大模型4.5的API調用輸入價格為0.004元/千tokens，輸出0.016元/千tokens，約為GPT4.5價格的1%；文心大模型X1定價為輸入0.002元/千tokens，輸出0.008元/千tokens，即將在千帆平臺上線。
盡管4.5文心大模型是一個中間版本，是基于4.0版本的強化，但是通常而言，官方會出面做發布并解讀產品、技術亮點，OpenAI在日前也舉辦了GPT4.5的線上發布會，本次百度的策略更顯特殊。
行業氣氛有些微妙，百度可能比以往任何時刻都需要再度證明自己。
百度糾偏，想要繼續站在舞臺中央
如果說DeepSeek的到來，給全球所有大模型公司都提了個醒，那么百度則通過一系列的動作，展示了應該如何留在大模型的牌桌上。
原來的百度是有些“偶像包袱”的。自OpenAI發布ChatGPT以來，百度是更早推出同類大模型產品的國內廠商，All in AI的戰略也被視為具備前瞻性，憑借超前的眼光、技術儲備等資源，百度被視作“中國OpenAI”。
科技行業不缺少新敘事，其魅力就在于不可預知性，大模型行業領先優勢可能只能維持半年，當巨頭們紛紛下重注投入生成式AI，行業又達成一個新觀點，“大模型是巨頭企業的游戲”，可隨后DeepSeek開源、低成本的大模型引起了新的風潮，包括OpenAI、百度等在內的全球所有AI企業發現，大模型的未來言之尚早。
就像百度創始人李彥宏此前所說，“創新不能被計劃，你不知道創新何時到來，你所能做的就是營造一個有利于創新的環境。”百度此前的成功在于建立了一個適合創新的環境，但是如今的百度需要甩掉“偶像包袱”，用實際行動證明自己還有留在牌桌的籌碼。
好的一面是，李彥宏不惜推翻自己此前的判斷，快速又堅決地推動了一系列動作，文心一言完全免費、文心4.5將在6月30日正式開源，百度核心業務搜索接入DeepSeek等。
據悉，在本次文心4.5和X1大模型發布之后，百度后續還會有文心4.5系列模型，以及下半年更先進的下一代模型5.0版本。
即便與兩年前的自己對比，百度都有了明顯提速，有百度內部人士表示，無論是文心4.5全面免費，還是PC和移動雙端直接上現貨，百度管理層幾乎實在半天之內就做出決策。
但這也不意味著百度完全失去了自己的節奏，文心4.5主打的原生多模態，X1主打的多功能調用，研發儲備都需要數月甚至一年，證明百度只是加快了自己的節奏，而不是失去了對技術的嗅覺。
長遠來看，百度可能有一些預判失誤，比如跟隨OpenAI的過早商業化決策失誤，但這不影響一些大模型產業的基本邏輯，更前沿的大模型仍在路上，生態的重要性繼續提高。
人工智能時代的技術棧，芯片層、框架層、模型層和應用層協同優化，才能大幅提升效率，百度從昆侖芯到飛槳深度學習框架，再到文心預訓練大模型，各個層面都有布局，從而降低成本，提高創新效率。
回到本次發布，為何百度選擇“一言不發”，而是產品全量上線？上述百度內部人士表示，“發言不如發產品，現在百度說什么外界可能都覺得不對，最簡單粗暴的方法就是用產品說話，4.5是升級，但比5.0重要性差很多，大家更有危機感了，戰略調整、技術迭代的效果需要一段時間顯現?！?/p>
作為百度重新證明自己的階段產品，原生多模態大模型文心4.5，以及深度思考模型X1，透露出百度哪些動向？
文心4.5更聰明了，原生多模態才是重點
文心大模型4.5有兩個關鍵詞，國內首個萬億級參數的原生多模態大模型，Scaling Law告訴我們，參數越大模型智能越強，但是參數量到了一定級別，模型智能的提升收益大幅下降。
文心4.5的策略是通過多個模態聯合建模實現協同優化，具備更精進的語言能力，理解、生成、邏輯、記憶能力全面提升，并且去幻覺、邏輯推理、代碼能力顯著提升。
文心大模型4.5的多項基準測試成績優于GPT4.5、DeepSeek-V3等，并在平均分上以79.6分高于GPT4.5的79.14。
其中需要格外強調的是“原生多模態”，李彥宏此前在人民網上發文有所預告，原生多模態大模型，打破之前先訓練單模態模型再拼接的方式，通過統一架構實現文本、圖像、音頻、視頻等多模態數據的?原生級融合，實現對復雜世界的統一理解，這是邁向通用人工智能（AGI）的重要一步。
簡單來說，原生多模態大語言模型是從訓練階段開始，模型就利用大量不同模態的數據進行預訓練，不僅可以在輸入和輸出端實現多模態，而且還具備強大的多模態推理能力以及跨模態遷移能力。
微軟早些時間提到，基于多模態數據原生訓練的每一種單模態能力，都應該超越只在單模態數據上訓練的模型的性能。更重要的是，在不同模態數據學習的過程中，模型應該能夠涌現出新的能力。
從行業維度看，GPT-4尚不是原生多模態大模型，它的多模態能力是模型轉化實現，比如通過語音識別模型將語音轉換為文字，或者通過圖像識別模型提取圖像內容，然后利用GPT-4的大型語言模型生成回答。回答完畢后，系統決定是向用戶返回一張圖片、一段文字，還是通過語音合成技術返回一段語音輸出，直到GPT-4o，OpenAI顯現出原生多模態的能力。
谷歌在模型能力整理滯后GPT的情況下，押注原生多模態更早，在預訓練階段的多模態數據統一輸入，將文本/語音/圖像/視頻的數據統一輸入到一個預訓練模型，然后利用額外的多模態數據對其進行微調以進一步提高其有效性。
百度文心4.5也實現了一系列創新，例如多模態異構專家擴展技術，能根據模態特點構建模態異構專家，結合自適應模態感知損失函數，解決不同模態梯度不均衡問題，提升多模態融合能力。
其他如FlashMask 動態注意力掩碼技術，有效提升長序列建模能力和訓練效率，優化長文處理能力和多輪交互表現；時空維度表征壓縮技術，大幅提升多模態數據訓練效率，增強了從長視頻中吸取世界知識的能力；基于知識點的大規模數據構建技術，可構建高知識密度預訓練數據，提升模型學習效率，大幅降低模型幻覺；以及基于自反饋的Post-training技術，提升強化學習穩定性和魯棒性，大幅提升預訓練模型對齊人類意圖能力。
文心4.5的能力也可以從圖片和視頻理解，、圖片生成、RAG測試、邏輯測試、文本創作等方面體現。文心4.5支持上傳文檔、圖片、音頻和視頻文件，兼容常見的格式，目前在文件大小上有所限制，例如單個視頻文件大小不超過20M，可能與效率和成本有關。
鈦媒體App實測了一些應用場景，上傳視頻并要求文心4.5介紹視頻內容，以及要求文心4.5給出視頻的文字版，都能夠給出準確回答。以及上傳電影《肖申克的救贖》片段，溫馨4.5亦能識別電影片段，并給出可能的電影情節。當然了，如果文心4.5給出合適的配樂，它也能根據視頻的調性給出建議，說明了其跨模態的輸出能力。
深度思考X1，AI Agent的雛形
文心X1由百度2023年10月發布的慢思考技術發展而來，具備更強的理解、規劃、反思、進化能力，并同樣支持多模態。
以電車難題為例，深度思考的文心X1給出了一個詳細的回答，最終選擇了拉下操縱桿，將列車切換到另一條軌道，它的結論是：在封閉條件下，基于功利主義最大化生存數量的原則，選擇犧牲1人拯救5人。但需警惕此類邏輯被濫用，并持續反思其倫理邊界。
文心X1 是能力更全面的深度思考模型，在觀點輸出上更為直接，“端水”現象有所減少，針對復雜問題，能夠結合聯網搜索最新信息，詳細拆解給出全面的回復，譬如規劃旅游項目，可行性更高且更符合要求。
鈦媒體APP了解到，其采用了遞進式強化學習訓練方法，且基于思維鏈和行動鏈端到端訓練，同時建立了統一的評估系統，融合多種類型的獎勵機制，在中文知識問答、文學創作、文稿寫作、日常對話、邏輯推理、復雜計算及工具調用等方面表現不錯。
其中，多工具調用能力值得關注，也是文心X1的特色之一。目前，X1已支持高級搜索、文檔問答、圖片理解、AI繪圖、代碼解釋器、網頁鏈接讀取、TreeMind樹圖、百度學術檢索、商業信息查詢、加盟信息查詢、詞云生成等多款工具，對于大模型應用落地是一個利好。
X1也證明了一件事，大模型本身能力的進化，實際上會淘汰掉一部分Agent，如果Agent能夠被大模型原生替代，那就說明這部分Agent的價值太淺，在此領域創業注定失敗。
前不久爆火并陷入爭議的Manus等產品，在未來一段時間就將面臨類似的煩惱，Manus的成功并并非大模型原創性突破，而是對現有技術的工程化整合，如Claude模型、Computer Use、MCP協議等，其核心創新在于將虛擬機環境與多智能體協同架構結合，使Agent能夠像人類一樣操作計算機完成復雜任務。
這也透露出百度另一個方向，篤定AI Agent。李彥宏也提到，推理大模型涌現出讓人驚嘆的深度思考能力，它將推動人工智能的一個重要應用方向，即“AI智能體”的落地，2025年可能會成為AI智能體爆發的元年。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
