炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：量子位）

文心大模型5.0正式版，来了。

这意味着，自2025年11月Preview版初露锋芒后，这个参数量高达2.4万亿、主打原生全模态的“巨无霸”模型的“完全体”来了。

先来看一组“入场成绩单”：

近三个月，在全球大模型竞技场LMArena上，文心5.0 Preview版多次在文本榜（Text Arena）和视觉理解榜（Vision Arena）上拿下国产第一。

1月8日，ERNIE-5.0-Preview-1220以1226分登上视觉理解榜国产第一、全球Top8；1月15日最新榜单，ERNIE-5.0-0110以1460分登上文本榜国产第一、全球Top8，文心5.0已稳稳站进了全球第一梯队。

尤其引人注目的是，在LMArena的用户反馈和评测维度中，在创意写作、复杂指令遵循、高难度理解等任务中，文心5.0优势明显。

根据官方晒出的40余项权威基准的综合评测结果，文心5.0在语言、音频、视觉理解、视觉生成的多个维度超越Gemini-2.5-Pro、GPT-5-High等模型，整体处于领先水平。

文心Moment大会现场，官方演示时输入了一段博主复刻“死了么”App教程视频，让文心5.0生成一个“活了么”App教程。

文心5.0在收到视频+文字指令后，能够自动理解视频以及核心交互逻辑，然后拆解步骤，输出一份详细版教程。

文心5.0还精准模仿了王熙凤说话风格，快速生成了一份融合现代商业逻辑的“大观园资产重组方案”。

目前，文心5.0正式版已上线文心一言网页版、文心App，并同步登陆百度智能云千帆平台。

实测“最强文科生”

在Preview阶段，我们已经系统实测过其全模态能力。这一次，重点换个角度，就看文科素养。为啥它能频频登LMArena大模型国产第一？

话不多说，马上一探究竟。

这第一关，我们考察它的知识储备和旁征博引的能力，看看模型能否在广博知识基础之上，完成有层次、有脉络的创造性整合。

因此，我们抛出了一个看似日常、实则相当刁钻的问题：

结果文心5.0说：

有点意思，它不仅引用了加缪笔下《局外人》主角莫尔索的状态——他生理上活着，但精神上与世界断绝了有意义的连接，处于一种“淡淡的死感”之中：

还谈到了谭嗣同《仁学》中提出的“微生灭”理论——“活人微死”并非一种异常状态，而是生命最基本的构成方式，我们每时每刻都在“微死”，也在“微活”：

回答逻辑清晰、层次分明，还把不同哲学视角下的观点做了完整的比较、提炼与串联

“活人微死”原来还有这么多说法，涨知识了。

下面，把问题推向更具创造性的方向，考察文采与风格理解

prompt：

文心5.0的表现，确实超出了预期。

本以为它会堆砌“大约”、“的确”、“罢”等标志性词汇，结果它不按套路来，开头就是一句：

OK，只是今夜，写稿的时候忽然觉得有些冷清。

如果说前一个问题考察的是抽象文学，那么接下来的测试，则更强调跨语境的概念创造能力

我们进一步脑洞大开，要求文心5.0在几个看似毫不相干的领域之间建立映射关系：

这个问题背后，其实藏着多重转换。它既要懂《西游记》，也要熟悉目前AI行业情况，还要在两者之间找到结构性对应关系。

文心5.0说：

就怎么说呢，一本正经搞抽象，还真戳到了现在投资人的痛点！

我们看到了文心5.0如何处理一个高度开放、需要多重知识框架融合的指令，其文科能力并不止于分析与模仿，而是具备了概念创新、体系构建与跨语境叙事的综合能力。

缺乏口才与情商支撑的文科素养是不完整的。最后，我们把视角从写作拉回现实。

在职场中，如果你遇到了类似这种倒霉事儿：

面对人际关系，沟通与交流能力如果保持在下面这种水平（手动狗头）：

那还是来学一学文心5.0吧。

它直接安排了一整套方案，玄学口彩法、幽默自嘲转移焦点法、霸道总裁背锅法都写得很条理清楚，适用情况也标注了。

有木有山东的朋友来评评这能打几分：

虽然这次测试的重点放在了文本创作上，但文心5.0的全模态能力，依然值得再提一嘴。

从Preview阶段测试中我们就发现，不管是复杂的英文宣传片，还是信息密度高的视频内容，文心5.0都能直接挖掘出视频中展现的细节，输出高质量总结。更重要的是，多次实测，它的整体表现一直很稳定，几乎没出现过幻觉。

能做视频总结不算稀奇，但能总结得这么详细具体、理解得这么有深度的，确实少见。

另外，各种梗图它也都能吃透：

一番实测下来，大家说文心是AI届的“最强文科生”果然名不虚传。结合其全模态能力，其实不难发现，文心5.0的优势，体现在理解、推理与生成之间的整体协同

这也正好把问题引向了下一层，文心5.0这些表现，是怎么被支撑起来的？

底层技术全景解析

从技术上来看，与传统多模态模型先训练单模态、再拼接融合不同，文心5.0从一开始就通过原生全模态建模，融合语言、图像、视频和音频等多模态数据，实现原生全模态的统一理解和生成。

文心5.0通过对不同模态的训练目标进行离散化建模，采用统一的自回归架构进行训练，使多模态特征在统一架构下充分融合并协同优化，大幅提升了全模态统一建模能力。

正因如此，它能像人一样，看到画面能理解语境，听到声音能捕捉情绪，做到理解+生成一体化

架构层面，文心5.0采用了超大规模混合专家（MoE）模型架构，总参数超过2.4万亿，通过超稀疏激活，每次推理只调用不到3%的参数，在保持模型强大能力的同时降低计算与推理成本。

通俗来讲，模型虽然庞大，却像一台智能选择开关的发动机，只启动最关键的模块，因此既强大又能高效运转，降低计算与推理成本。

在文心5.0的后训练阶段，百度还强化了长程任务和智能体能力。通过在大规模真实与模拟工具环境合成长程任务轨迹数据，对模型进行数据增强，并基于思维链、行动链，采用端到端多轮强化学习，使得模型在规划、决策、工具调用上都有明显提升。

换句话说，它不仅能理解和生成内容，更能主动完成跨步骤、跨模态的复杂任务，为应用开发和产业落地提供了强大底座。

目前，大模型基建正在模型能力的前沿探索上成为越来越核心的壁垒。百度的飞桨和文心的联合优化，深度协同，正在发挥越来越强的作用。

在文心5.0的训练和推理环节，百度飞桨提供了全链路支撑。

训练端，依托飞桨研发的多模态编码器分离异步训练架构、五维混合并行、动态自适应显存动态卸载、流水线编排友好的弹性训练以及收敛无损的大规模FP8混合精度技术，文心5.0在预训练周期内提速超240%

推理端，飞桨设计了全模态统一多级分离推理框架，针对超稀疏混合专家架构的特性，设计实现了低时延的专家并行通信、以及Query、Token、专家多级负载均衡，最终通过多P多D动态全互联实现大规模分布式部署，并通过自适应多步投机解码、效果无损W4A8C8量化等技术进一步加速。

原生全模态深水区，如何应用是关键

如果把视角拉高一点，最近大模型竞争的重心正在明显发生变化。原生全模态路线正逐渐成为全球AI竞争的新焦点。

在国外，OpenAI的GPT-4o、Google的Gemini 3等模型已展现出原生全模态的强大潜力；在国内，文心5.0押注的正是这条更底层、也更长期的技术路径。

更重要的是，百度是全球为数不多的提供全栈AI技术的公司之一：从芯片、云、模型，到智能体应用层生态，形成了闭环的工程体系。

这种能力结构，使其在原生全模态这种长周期、高系统复杂度的路线中，具备一定的持续投入与迭代空间。

当然，这并不意味着胜负已分。

强大的技术底座是第一步，模型的价值最终要体现在实际应用中。如何将强大的基础模型转化成落地的应用模型，百度给出的判断也很务实：

在具体规划上，百度把文心的应用模型，拆成了两条线：

一方面是面向通用产品的矩阵模型，包括文心Lite模型、视频大模型、语音大模型。

另一方面是针对行业场景打磨的专精模型，包括搜索闪电专精模型、商业蒸汽机模型、文心数字人大模型及行业大模型。相比单点能力展示，这套逻辑更强调可复用、可规模化落地。

大会现场，百度把几项技术摆到了台前：

基于声音Token的端到端合成大模型，已经把语音从“拼模块”推进到真正的端到端生成；5分钟超越真人的直播技术，不只做到像不像，而是解决直播带货真正需要的情绪、节奏和感染力；而实时交互数字人技术，通过文本、语音、视频三态Token的联动，实现低延迟、低成本、高表现力、可实时互动的数字人输出。

据了解，其中一些能力已经走出了Demo阶段、进入实用场景。例如实时交互数字人技术，目前已经直接服务于内容生产、电商直播等真实场景，现场展示的罗永浩数字人，正是基于这套应用模型体系落地的案例之一。

去年，基于百度数字人生成技术的罗永浩数字人直播，就曾打破行业纪录。

总结而言，文心的技术势能正在被高效地转化为面向产业的具体解决方案。随着这些能力持续向业务渗透，模型的价值将在实际应用场景中得到放大和验证。

当然，原生全模态能否在性能、成本、稳定性以及开发者生态中形成真正的正反馈，仍需要更长时间来验证。

但可以确认的是，在这条技术路线上，百度已经成为一个具备现实可能性、值得被持续观察和看好的重要玩家。

真正的考验，now，才刚刚开始。