智东西

编译 | 刘煜

剪辑 | 陈骏达

智东西5月9日报谈，本日，百度推出新一代基础模子文心5.1。百度称，文心5.1将总参数压缩至约1/3、激活参数压缩至约1/2，使用业界同限度模子约6%的预教学资本，结束同级别模子基础遵守率先。不外，百度并未明确证明这一“6%资本”的具体对标模子范围与口径。

在LMArena 5月7日更新的文本生成大模子名次榜中，文心5.1人人总排名第14。与前边OpenAI、xAI的模子比拟，得分存在轻飘差距。

图源：LMArena官网

文心5.1在Agentic、常识、推理、领导奉命才调测试中，与DeepSeek-V4-Pro、Claude-Opus-4.6及Gemini-3.1 Pro张开了横向性能对比。

Agentic才调测试中，文心5.1器用调用数学推理才调发扬可以，得分略低于Gemini-3.1 Pro排名第二。多轮器用配合交互才调弱于Claude-Opus-4.6居于第二位，与另外两个模子才调差距较小。

在深度搜索Agent任务中，文心5.1较其他三款模子仍有差距，电子表格器用操作仅率先DeepSeek-V4-Pro，大幅过期Claude-Opus-4.6与Gemini-3.1 Pro。

图源：百度文心公众号

常识、推理、领导奉命才调测试中，文心5.1举座处于中等水平。高阶学科常识推理（GPQA）和复杂领导奉命（AdvanceIF）发扬较好，仅次于Gemini-3.1 Pro，率先另外两款模子。

纯数学推理（AIME26）和通用常识问答（MMLU-Pro）在四款模子中均排名末位，与头部模子差距相对显著。

图源：百度文心公众号

这次文心5.1推出距离文心5.0郑再版上线已时隔三个多月。文心5.1模子发布时，登顶LMArena榜单里国内大模子搜索才调榜首位。

图源：百度文心公众号

实质评测中，咱们从创意写稿、数学推理、信息整合、电子表格操作、编程才调五个维度对文心5.1模子进行了详细体验。

其中，创意写稿与电子表格数据分析咱们均采用文心5.1念念考模子进行二次实测。比拟文心5.1快速模子，念念考模子产出的内容叙事立场更有质感、时势调性更缜密当然，也未出现基础性逻辑与翰墨不实；在表格数据分析任务上，念念考模子的举座发扬相同更出色。

文心5.1对概率题的解答门径严谨、谜底准确；濒临洞开式拖沓需求，能自主拆解任务、输出表格对比和场景匹配，信息整合才调可以；但在编程场景中短板隆起，生成的代码无法正常运行，实用编程才调仍有欠缺。

文心5.1模子的体验聚拢为：

https://yiyan.baidu.com

以下是咱们的完满体验过程：

一、五大场景实测：文心5.1创作、数理、办公、科普才调全面考证

案例一：创意写稿才调测试，试验文心5.1故事架构与文体创作才调

针对文心5.1的创意写稿才调，咱们起先用文心5.1快速模子进行了测评。

领导一：请为一个悬疑故事写出前三章大纲，每章150字傍边。

总体来看这个悬疑故事的大纲挺完满，叙事结构比较规整，逻辑端倪也明晰。东谈主物活动动机比较合理，陈迹拓荒具象可落地，临了的身份回转颠覆感比较强，伏笔呼应也相对完满。不外，与咫尺市面上的流行的悬疑推理演义还有一定差距，关于模子自己来讲，这个水准还可以。

尔后咱们用调换的领导，对文心5.1念念考模子进行评测。

可以看到，第二篇在切入点、恐怖感上更有新意。关于短篇惊悚故事，这篇的“轮回替身”更妥当直秉承尾，有《恐怖游轮》的轮回压迫感。不外平时租客为何能查物业记载这少量可能是个bug。

咱们接着让文心5.1快速模子写了一篇科幻类型的轻飘说。

领导二：写一篇500-600字的科幻轻飘说。

这篇科幻演义篇幅把控精确，叙事结构完满闭环，东谈主物时势描画比较缜密，举座翰墨证明、故事完成度也挺高。但这个叙事框架比较老例，同期出现了东谈主物身份杂沓词语，比如著述主角之一是“爸爸”，可在中间的对话中却说成了“姆妈”。

关于常读同类科幻故事的读者来说，剧情走向和结局伏笔可能略显套路化，阑珊出东谈主预感的设定更动。

调换的科幻轻飘说领导也给了文心5.1念念考模子。

可以看到，这一篇亦然围绕“意志上传”这还是典科幻母题张开的。不外两篇著述在叙事重点、时势落点、科幻设定和审好意思取朝上存在显著互异。比第一篇更好少量的是，这一篇莫得出现显著的东谈主设杂沓词语问题。

从时势共识和叙事感染力看，第一篇相对更好。从科幻构念念的新颖度和玄学深度看，第二篇后来居上。

案例二：给高考数学题，看它能不可按门径算解析

用户在使用AI贬责数学问题时，痛点比较明确：怕AI莫得逻辑硬算，也悲伤AI虚拟解题门径和不实谜底。

于是，我给了文心5.1一谈2025新高考一卷的上数学题，看它是否能信得过贬责用户遭逢的数学问题。

题目为：一个箱子里有5个球，分别以1～5标号，若有放回取三次，记至少取出一次的球的个数为X，则E(X)为？

文心5.1给出了十足正确的解答，无论是使用引导变量法，开云kaiyun中国官网入口如故用漫步法进行交叉考证，都门径完满，何况末端准确。

案例三：问两款大模子怎么选，看它能不可替平时东谈主作念信息整合

平时用户可能不会分歧主流大模子强弱，也不知谈按自身场景该怎么选用。对标文心5.1官方Agent才调里T³-bench多轮器用配合、深度信息检索整合的中枢维度，咱们抛出拖沓需求，望望文心怎么解答。

问题为：我想了解DeepSeek-V4-Pro、Claude-Opus-4.6到底各有什么坚贞和短板，平时东谈主该怎么选、各自妥当拿来干什么。

可以看到，文心5.1的举座回应发扬优秀。起先粗略自主拆解任务逻辑，无需东谈主工指引，自觉多维度逐层解说对比，信息维度全面且细分精确，体现出可以的信息检索与归纳才调。

同期贴合了平时东谈主使用风气，作念成表格对比、场景匹配、分东谈主群保举，临了还点明两款模子的粉饰短板和使用误区，给到求实的组合使用提议。

案例四：电子表格与职场数据分析才调测试

职场运营、门店护士、电商运营日常高频刚需即是职工绩效统计、数据筛选、功绩排名、均值分析，常用到的是Excel表格来进行办公。于是咱们测试了文心5.1快速版块的电子表格器用操作才调。

需求为：我是门店运营，统计了本店10名销售东谈主员确当月个东谈主成交功绩：12.3万、18.6万、9.2万、25.8万、16.5万、11.8万、20.4万、8.7万、22.1万、14.6万。

你按照Excel分析数据帮我处理：整理成次序职工功绩数据表，计较全员功绩平均值、中位数，筛选出功绩高于平均值的优秀职工，临了引诱举座数据作念浅易的团队绩效分析。

末端是，文心5.1在这个电子表格操作以及数据分析任务中，完成度挺高。不外莫得将所特殊据放在一张表格里。

于是咱们连接给出领导：帮我作念成一份直不雅的Excel表格，包含所特殊据，同期可复制。文心5.1给的反应比最初更精简了，但领导“一份”可能给该模子带来了会通短处。

于是咱们再调整领导为：把这些数据仅用团结张表格来表示。

临了，文心5.1给出的末端还可以，固然官方测试中表格操作才调排名靠后，但在文本形态的职场数据分析场景里，实质体验并莫得额外差劲，能完成基础需求。

该模子末端输出比较趔趄，于是咱们用调换的领导测试文心5.1念念考模子。末端表示，这次模子输出的第一份末端更为破坏次序，K8凯发官方网站何况更为明晰直不雅。与文心5.1快速模子第三次输出的末端实在一样。

案例五：

咱们使用文心5.1念念考模子，让它制作了一个大型沙盒游戏与微型跑酷游戏。

领导一：制作一个单文献HTML的3D横版格斗游戏，场景为被霸天虎入侵的残败城市舆图，敌东谈主为类东谈主型赛博坦机器东谈主，包含兵器反冲力遵守，采用低多边形立场并带有卡通好意思学。游戏启动时，玩家位于街谈上，周围有建筑废地；游戏中应包含可被击倒的细节物品，如汽车、树木、石块/瓦砾和自动售货机。玩家可以弃取5种擎天柱阵营扮装进行游戏，并与5种霸天虎变种敌东谈主斗争，这些敌东谈主会不断生成，游戏为无穷时分的沙盒模式。

文心5.1念念考模子针对该领导生成了700余行代码，但实质运行时，该游戏粗略正常掀开，但界面出现两个防碍bug，也没法对游戏里的敌东谈主进行膺惩，无法操作。

领导二：制作一个单文献HTML的横版跑酷游戏，不依赖外部资源。主角是别称畴昔都市快递员，在霓虹城市屋顶之间不断前进。游戏采用低多边形立场，举座偏亮堂卡通好意思术。

条件：

-玩家可进行超过、二段跳和下滑

-舆图自动上前回荡，包含屋顶缺口、告白牌、电箱、无东谈主机等扼制

-路上有可收罗的能量电板和金币

-玩家可以拾取临时谈具，举例护盾、加快和磁铁吸附

-敌东谈主为巡逻无东谈主机和机械警卫，碰撞后会扣血-分数把柄生计时分、迁移距离和收罗物计较-淑戏失败后可再行启动

-需要有启动界面、暂停功能和浅易UI（血量、分数、速率）

-系数内容写在一个HTML文献中，代码可径直运行

针对第二个领导，该模子耗时3分钟生成600余行代码，但无法掀开，界面一派暗澹。可见，该模子在复杂游戏编程与代码可运行性上仍存在显著短板。

二、弹性教学结束降本，架构与后教学历程同步纠正

文心5.1是在文心5.0基础上进一步优化获得的版块。它莫得重新再行教学，而是从文心5.0教学好的子模子矩阵中，挑出一个遵守最佳的子结构径直使用，因此申斥了预教学资本。

其背后的主要时候更新，是一套叫Once-for-All的弹性教学方法。

传统作念法想适配不同限度的模子，得分别预教学好几次；而文心5.0只在一次预教学里，通过动态采样同期优化大都不同尺寸的子模子，最终变成一个覆盖多种参数限度、不同计较资本的子模子矩阵。

也即是说，这套方法让文心5.1在教学阶段就把不同模子一次性准备好，上线时径直挑一个最合适的来用，毋庸每次再行练。

基于上头的弹性教学方法，文心5.1在参数和资本上的实质变化如下：

1、总参数目压缩到文心5.0的1/3傍边；2、激活参数目压缩到约1/2；3、预教学算力资本仅为同限度业界模子的6%。

比拟文心5.0，文心5.1推理资本显著下跌，同期在同参数限度下，预教学模子遵守在同限度模子中发扬更佳。

文心5.0弹性教学暗意图（图源：百度文心公众号）

这次更新，文心5.1在其教学模样上作念了三方面改换：

起先是分离式架构。往时教学、推理、奖励计较、智能体轮回四个枢纽耦合在一齐，一个枢纽慢了会遭殃系数这个词系统。

咫尺百度将它们十足远离，各自落寞部署、落寞扩缩容。比如推理算力不够就只扩推理，毋庸动其他模块。各模块之间通过高性能会聚传数据，末端流和数据流分开，活水线可以叠加试验，教学举座耗时更短。

其次是FP8训推方面。由于模子教学时和推理时用的精度不一致，会导致遵守下跌，尤其在MoE结构里路由偏差更显著。

于是文心5.1用了长入FP8低精度算子库，并对Rollout Router Replay时候作念了优化。末端是在开启该时候后，教学推理耗时实在莫得增多，但要害盘算KL散度下跌50%，教学更厚实。

临了是异构弹性诊治方面。集群里会存在许多CPU算力闲置，文心5.1把这些CPU长入池化，用来跑代码沙箱、考证器这类逻辑计较密集但不需要GPU的任务。栽种了资源哄骗率，也裁汰了教学迭代时分。

传统大言语模子的后教学是串行历程：先作念监督微调（SFT），再作念多阶段夹杂强化学习。

这种模样存在两个问题：一是慢，一个阶段等一个阶段拖慢举座迭代；二是才调会“打架”，想在一次教学里同期栽种代码、推理、对话等多个才调，往往栽种一个另一个就下跌。

文心5.1的作念法是把人人教学和才调会通远离，分四步走：

第一阶段长入SFT。先用高质地的多规模领导数据作念一次基础微调，让模子具备基本的领导奉命和器用调用才调，手脚后续才调延迟的开头。

第二个阶段，并行教学多个规模的人人模子，比如对代码、推理、智能体等地点分别落寞教学。每个地点用我方专属的奖励信号和算法，相互不烦躁。

第三个阶段是在线政策蒸馏（OPD）。把上一步教学好的多个人人模子当针织，长入SFT模子当学生。学生按照我方的政策采样，通过token级KL方法同期学习多个针织的才调，把不同人人的才调会通进团结个模子里。

临了是通用在线强化学习。并不是系数任务都妥当用蒸馏来会通，比如洞开式聊天、创意写稿这类高熵漫步的任务，蒸馏反而遵守低，输出会变得过于平滑。是以这类任务不作念蒸馏，而是在蒸馏后的模子上单独作念在线强化学习，保证对话各样性、领导奉命才和谐东谈主类偏好对王人。

可以浅易转头为，代码、推理这类详情趣强的才调，通过蒸馏从人人模子融进主模子；聊天、写稿这类需要各样性的才调不妥当蒸馏，单独作念强化学习。两套模样配合，既裁汰了教学周期，又幸免了才调相互遭殃。

文心5.1后教学Pipeline暗意图（图源：百度文心公众号）

在百度文心里面评测中，文心5.1的创意写稿才调接近Gemini-3.1 Pro。此前文心5.0系列模子已屡次登上LMArena文本榜和视觉会通榜，稳居国产模子第一梯队。

结语：低资本结束性能追逐，才调尚有栽种空间

文心5.1最引东谈主注见解不是某一项才调的跃升，而是它试图回应的问题，能否用更低的教学资本，换来接近头部模子的详细水准。

从百度文心败露的数据看，在常识推理、领导奉命和创意写稿上，它确乎站到了同量级模子的第一梯队；但在器用调用深度、电子表格操作和纯数学推理上，与Claude-Opus-4.6、Gemini-3.1 Pro等模子之间仍存在可量化的差距。

从实质体验来看，文心5.1在数学题解答、生活化常识科普等面向平时用户的场景中发扬比较厚实，信息整合和逻辑拆解才调也可圈可点。创意内容存在套路化问题，高阶表格办公才调相对偏弱，部分场景需要反复调整领导才调达到梦想遵守。

纵不雅行业，主流模子冉冉呈现才调互异化、使用场景分层化的发展趋势。对平时用户而言，熟练的基础模子粗略申斥内容创作、问题解答、数据整理的门槛，栽种日常使用遵守；对时候厂商而言，低资本、高性能的迭代决议K8凯发中国官方网站，也将为国产大模子轻量化落地、限度化应用提供了可行旅途。