机器之心原创

裁剪：陈陈、杨文

AI 竞争进入尖锐化阶段。此次，轮到百度给自家大模子上强度。

刚刚，百度继续官宣了两款大模子，分袂是文心大模子 X1 和文心大模子 4.5

那么，这两款大模子有啥区别呢？

这样说吧，文心 X1 是一款深度念念考模子，具备更强的结合、霸术、反念念、进化才能，并解救多模态，尤其是多器具调用，更是它的一大特色。

而文心 4.5 堪称新一代原生多模态基础大模子，最擅长的就是多模态结合，谈话才能也更精进。

比较于之前版块，文心 4.5 不仅在结合、生成、逻辑、牵记才能方面上了一个台阶，还在去幻觉、逻辑推理、代码才能上有了全面培植。

目下，这两款模子已在文心一言官网、百度搜索、文小言 APP 等产物上线。（体验网址：https://yiyan.baidu.com/）

最要津的是，它们完全免费！

要知说念，前段时代百度还对外文告，文心一言将从 2025 年 4 月 1 日 0 时起启动全面免费。

没猜想，此次百度告成将这个时代点提前了整整半个月。

同期，这两款模子的 API 价钱也已出炉。

确立者现可在百度智能云千帆大模子平台上告成调用文心大模子 4.5 API，输入价钱低至 0.004 元 / 千 tokens，输出价钱低至 0.016 元 / 千 tokens；文心大模子 X1 也行将在千帆平台上线，输入价钱低至 0.002 元 / 千 tokens，输出价钱低至 0.008 元 / 千 tokens。

百度之是以能把文心 X1 模子的 API 价钱打下来，是因为他们通过飞桨和文心联结优化，末端从压缩、推理、管事部署的全链路极致调优，大幅裁汰文心 X1 推理老本。

具体来说，模子压缩方面，通过分块 Hadamard 量化、面向长序列的细心力机制量化等末端深度压缩；推理引擎方面，通过低精度高性能算子优化、动态自安妥投契解码、神经收罗编译器末端推理加快。系统层面，通过框架和芯片协同优化、分离式部署架构、高效资源调度末端系统级优化。

一手评测

俗语说得好，是骡子是马，还得拉出来遛遛。

接下来，咱们将从多模态结合、文本创作、逻辑推理以及器具调用等多个维度，对这俩大模子来一波真刀真枪的实战。

迷水商城

文心 X1：会脑筋急转弯，还能颐养多个器具

迷水商城

手脚百度最新深度念念考模子，文心 X1 有三大绝活：嘴毒（敢锐评）、脑子好使（推理才能强），况兼善用器具（多器具调用）。

相较于之前版块，文心 X1 显得造反得多。它不肯作念「端水行家」，遇事老是刀切斧砍，有不雅点有格调。

比如咱们让它用贴吧的口气，锐评一下小红书、知乎、微博和贴吧。

迷水商城

它一上来就绝不客气，怒喷小红书是《东说念主类高质地装 X 指南》，知乎整天标榜精英范儿，微博热搜天天吵得像菜阛阓，贴吧则是东说念主均键盘侠。

之是以说文心 X1 脑子好使，是因为它的逻辑推理才能有了权贵培植，致使还「懂」脑筋急转弯的仙葩脑回路。

迷水商城

比如「狐狸为什么容易摔跤」，它既能从科学的角度进行讲明，还能识别出背后的谐音梗。

要说文心 X1 最大的特色，等于能调用多种器具。

迷水商城

咱们只需在聊天框开启「联网搜索」和「调用器具」两个按钮，就能一下子抽象高档搜索、文档问答、图片结合、AI 绘制、代码讲明器、百度学术检索、生意信息查询等器具。

举个例子。

咱们上传一张甜品的相片，然后让它先容制作工序，并生成一份 PDF 文献。

文心 X1 接连调用了图片结合、联网搜索和代码讲明器三个器具。

最终它真的生成了一份草莓蓝莓煎饼塔详备工序的 PDF 文档。

文心 X1 的好意思满恢复

文心 X1 生成的 PDF 文献名及内容

文心 4.5：学会了听歌、看电影

迷水商城

若是说文心 X1 更智谋的话，那么文心 4.5 就是更万能。

迷水商城

手脚百度自主研发的新一代原生多模态基础大模子，文心 4.5 不仅能看懂梗图，还能识别音视频。

迷水商城

前段时代 Grok3 发布时，马斯克兴隆地在 X 上发了张梗图，对着谷歌、OpenAI 和 Meta 就是一顿贴脸开大。

咱们就将这张梗图丢给文心 4.5，输入 Prompt：这张图片暗含着什么事理？

它浓烈捕捉到了图片背后的幽默和讪笑含义：四只企鹅代表了大洋此岸的四家科技巨头，其中三只企鹅向 Grok 企鹅敬礼，走漏了 Grok 在某一阶段处于最初上风。

迷水商城

对于大模子来说，识别梗图早就不是什么簇新事了，文心 4.5 最拿手的还得是音视频的结合分析。

迷水商城

当咱们听到一首可爱的音乐，但就是生死想不起来歌名时，咱们只需录一小段音频，投喂给文心 4.5，它就能给出这首歌的一切。

音频试听相连：https://mp.weixin.qq.com/s/XKim3L7__c9VXJ2bj4FYhA

同理，咱们还不错上传一段不稀少 20M 的视频片断，让它挖出背后多样八卦。

比如电影《闻香识女东说念主》中这段经典的跳舞，文心 4.5 不仅识别出影片名字、女主演出者，致使连布景音乐王人扒出来了。

弱智吧，江湖东说念主称「青龙山皇家调整院」，大模子才能高不高，就看能不可 hold 得住这些神题。

比如：为什么惟有电信诳骗，莫得联通诳骗呢？

文心 4.5 从术语的通用性聊到了历史渊源，又从法律界说聊到了社会默契，把这个略显无厘头的问题讲明得明朗晰楚、清鲜明白。

迷水商城

此外，文心 4.5 在搜索方面也有了更大的跳跃。

就拿最近大火的收罗热梗「馕言文」来说，它找到了 8 条参考信源，除了百家番外，还包括新京报网、腾讯网等其他开头。

迷水商城

况兼，文心 4.5 经过分析转头给出恢复后，还在末尾附上了有关视频以供参考。

中枢手艺大揭秘

经过实测，咱们不错看出百度最新发布的两个模子也曾出现了质的飞跃。

多项手艺加持的文心 X1

迷水商城

最近一段时代，AI 圈焦点无疑是对于「Scaling Law 是否撞墙？」的筹商，这个也曾被视作大模子发展的第一性旨趣，如今却遭受了浩瀚挑战。

迷水商城

濒临大模子性能培植的边缘效益递减问题，测试时推断（Test-Time Compute）、强化学习等政策成为一种灵验的嘱咐样式。

百度在强化学习方面也下足了功夫，发布的推理模子文心 X1 蜕变性地欺骗了递进式强化学习测验格式。选拔这种格式不错全面培植模子在创作、搜索、器具调用、推理等场景的抽象欺骗才能。

比如上文咱们体验的「输入一张图片，条目文心 X1 字据领导输出 PDF 时局的文献」，就离不开这种测验样式。

现阶段，推理模子险些王人选拔了一种称为念念维链（Chain of Thought，性药购买CoT）的手艺，与传统的告成从输入到输出的映射不同，念念维链通过显式展示中间推理经由，匡助模子更好地结合和措置复杂问题。

迷水商城

更进一步的，文心 X1 具备 “长念念维链”，选拔了念念维链和举止链耦合的端到端测验样式。念念维链使得模子在措置问题时，一步一步写下念念考经由，就像咱们作念数学题时，需要写下解题时局相通。而举止链是模子在念念考经由中决定选拔的举止，比如搜索信息、调用器具等。

在端到端测验中，文心 X1 不是只学习念念考或者只学习举止，而是把念念考和举止结合起来，通过这种样式，模子不错字据每次举止的抛弃反映，调整我方的念念考和举止政策，最终权贵培植在复杂任务中的阐扬。

临了，文心 X1 还选拔了多元颐养的奖励系统，这个系统就像一个「超等裁判」，用来评价模子作念得好不好。这个「裁判」在评估经由中结合了多种不同的奖励机制，梗概从多个角度给模子反映。这样的话，模子在测验经由中就能获得更准确、更可靠的辅导，为模子测验提供愈加鲁棒的反映。

迷水商城

文心 4.5 用到的「法宝」

至于文心 4.5，背后的手艺也拒绝小觑。

迷水商城迷水商城

开赴点是FlashMask 动态细心力掩码。FlashMask 是由百度飞桨团队在论文《FlashMask: Efficient and Rich Mask Extension of FlashAttention》中提倡的一种蜕变的细心力掩码优化手艺，旨在措置 Transformer 类大模子中细心力掩码推断的冗余和存储支拨问题。FlashMask 通过列式稀薄掩码走漏格式，将传统的二维稠密掩码矩阵出动为一维的行索引区间走漏，从而权贵裁汰了存储复杂度，从 O (N^2) 裁汰到 O (N)。极致的加快了大模子测验遵循，尤其是长序列场景下的测验遵循。

有关论文已入选顶会 ICLR 2025 。

论文地址：https://arxiv.org/abs/2410.01359

其次就是多模态异构内行推广手艺。该手艺是一种结合多模态数据处理与混杂内行模子（MoE）的蜕变架构，旨在通过针对不同模态特色构建的异构内行模块，措置多模态交融中的梯度不平衡问题，培植模子的多模态交融才能。多模态异构内行推广手艺在多个欺骗场景中展现了权贵上风，举例多模态问答任务，这种手艺梗概更高效地处理复杂的多模态数据。

文心 4.5 还选拔了时空维度表征压缩手艺，这是一种把图片和视频里的要津信息进行浓缩的格式。在不丢失遑急细节的情况下，在时空维度对图片和视频的语义表征进行高效压缩，让这些数据变得更小、更高效。这样一来，测验多模态模子（也就是同期处理翰墨、图片、视频等多种数据的模子）时就能更快、更省资源。

前文咱们也曾提到，文心 4.5 幻觉问题获得了极大的培植，而这离不开百度选拔的基于学问点的大范围数据构建手艺。学问分级采样优先把遑急的、中枢的学问挑出来，接着把挑出来的学问点进行压缩，去掉富足的部分，把有关的学问交融在全部。对于那些比较稀有、不太好找的学问点，特地合成一些有关内容，确保这些遑急的小众学问也不会被遗漏。这样一来，模子幻觉大大裁汰。

此外，文心 4.5 还用到了基于自反映的 Post-training 手艺。这是一种通过多种评估样式不停优化模子的后测验格式。浅薄来说，它让模子在测验经由中不停反念念我方的阐扬，字据不同的评价门径调整我方，从而让模子变得更沉稳、更可靠。这种手艺还能权贵培植预测验模子结合东说念主类意图的才能，让模子的恢复更允洽东说念主类的渴望。

那么文心 4.5 与其他模子对比抛弃如何呢？

下图展示了文心 4.5 与 GPT-4o 在多模态性能上的对比。不错看出，文心 4.5 在大大量测试基准上的阐扬优于 GPT-4o，尤其是在 OCRBench、MathVista、DocVQA 和 MVBench 上，两者差距较为彰着。GPT-4o 仅在 MMMU 上的阐扬相对较好，但在其他基准上的阐扬不如文心 4.5。在平均值上，文心 4.5 的得分略高于 GPT-4o，暴涌现文心 4.5 在全体性能上的上风。

下图比较了四个不同模子（文心 4.5、DeepSeek-V3-Chat、GPT-4o 和 GPT-4.5）在文本测试基准上的性能对比。抛弃暴露文心 4.5 在大大量测试基准上的阐扬优于其他模子，尤其是在 C-Eval、CMMLU、CMath 和 CLUEWSC 等基准上。

迷水商城

RAG 有关手艺

RAG 检索增强生成（Retrieval Augmented Generation），也曾成为现时最火热的 LLM 欺骗决策， 是辩论大模子优劣的遑急维度。

目下大模子在多样任务上天然很刚劲，但也有污点，比如：幻觉现象导致 LLM 偶然会「瞎编」一些不存在的信息；还有大模子掌合手的信息并不是最新学问，学问系统更新很慢；此外，生成的内容浮泛透明度等一系列问题，导致大模子在本色欺骗中并不是很设想。

迷水商城

RAG 通过检索最新的、有关的学问，措置了上述问题，让生成的内容更可靠、更准确。

迷水商城

百度研发的「结合 - 检索 - 生成」协同优化检索增强手艺，培植了大模子手艺及欺骗的成果，梗概生成准确率更高、时效性更好的谜底。况兼，百度在 RAG 手艺上具备汉文深度结合、多模态检索、垂直界限定制化以及及时数据整合才能等上风，在汉文互联网、企业管事、政务医疗等场景中更具实用性和竞争力。

此外，在国表里主流大模子的 RAG 才能实测中，百度文心一言抽象阐扬最好。

迷水商城

天然传统的 RAG 也曾基本措置了大模子在文本生成层面的幻觉问题，但在多模态界限，尤其是图片生成界限，传统 RAG 也曾远远不够用了。

比如，咱们频繁看到生成的图片出现彰着的逻辑极度等问题。即使抛弃允洽条目，但看上去亦然一股 AI 味，这些问题严重影响了 AI 生成图像的实用性和确凿度。

正如百度首创东说念主、董事长兼首席推论官李彦宏在百度宇宙 2024 大会上所提倡的：「翰墨层面的 RAG 也曾作念得很好，基本让大模子排斥了幻觉；但在图像等多模态方面，和 RAG 的结合还不够，这亦然百度但愿要点冲破的认识。」

在这种情况下，百度自研了一种检索增强的文生图手艺 iRAG（image based RAG），旨在措置传统文生图系统中常见的幻觉问题，培植生成图像的准确性和实用性。

在领有亿级的图片资源和刚劲的基础模子才能，百度 iRAG 将这些上风相结合，幸免了传统文生图系统中一眼假的问题，生成的图像不仅超真确，还具备极高的准确性和可靠性。

结语

此次，百度继续上线了两款大模子，总算飒爽伟貌了一趟。

近十年来，百度一向舍得在研发上砸钱。抛弃目下，百度已累计干涉稀少 1800 亿元。

如今来看，真金白银莫得白花。