新智元報(bào)道
編輯：編輯部 YNZH
【新智元導(dǎo)讀】百度文心大模型X1 Turbo正式發(fā)布了。這個(gè)基于4.5 Turbo的深度思考模型，效果領(lǐng)先DeepSeek-R1、V3，且價(jià)格僅為R1的25%！而文心4.5 Turbo在低價(jià)的同時(shí)，多模態(tài)能力更是讓人出乎意料。
就在剛剛，百度的兩款新模型——文心大模型4.5 Turbo、文心大模型X1 Turbo正式發(fā)布了。
這次上線的兩大模型，主打的就是多模態(tài)、強(qiáng)推理和低成本。
其中，文心大模型X1 Turbo在推理性能上已經(jīng)更上一層樓。
它有了更先進(jìn)的思維鏈，在問(wèn)答、創(chuàng)作、邏輯推理、工具調(diào)用和多模態(tài)能力上，也有了進(jìn)一步提升。
而文心大模型4.5 Turbo，在圖片和視頻上的視覺(jué)理解更是令人眼前一亮。實(shí)測(cè)后的體感是，它在去幻覺(jué)、邏輯推理和代碼能力上，也有了明顯增強(qiáng)。
再看兩款模型的價(jià)格，簡(jiǎn)直是性價(jià)比拉滿。
X1 Turbo的價(jià)格低至百萬(wàn)token輸入價(jià)格1元，輸出價(jià)格4元，僅為DeepSeek-R1的25%。
而文心4.5 Turbo的成本就更低了，每百萬(wàn)token的輸入價(jià)格僅為0.8元，輸出價(jià)格3.2元，僅為DeepSeek-V3的40%。
兩個(gè)模型，我們就第一時(shí)間展開(kāi)實(shí)測(cè)，體感就是：太強(qiáng)了！
文心X1 Turbo
為了測(cè)試X1 Turbo推理的嚴(yán)謹(jǐn)性，我們給它開(kāi)個(gè)腦洞：
假設(shè)地球上所有人集中在一個(gè)點(diǎn)，并且同時(shí)起跳落地，會(huì)發(fā)生什么，對(duì)地球有怎樣的影響？
對(duì)于這個(gè)腦洞大開(kāi)的問(wèn)題，X1 Turbo進(jìn)行了非常詳細(xì)的計(jì)算、嚴(yán)謹(jǐn)?shù)耐评怼?/p>
首先，它算出全體人類的質(zhì)量相對(duì)地球的總質(zhì)量來(lái)說(shuō)幾乎可以忽略，所以就算同時(shí)起跳落地，對(duì)地球的整體運(yùn)動(dòng)也沒(méi)啥影響。
接著，它還從局部地質(zhì)影響、空氣振動(dòng)、生態(tài)等方面進(jìn)行解答，最后做出總結(jié)。
可以看出X1 Turbo的推理過(guò)程十分嚴(yán)謹(jǐn)，進(jìn)行了大量的計(jì)算。
尤其是涉及到估計(jì)值時(shí)，X1 Turbo給出的估計(jì)都十分符合真實(shí)情況。比如，它估計(jì)全球人口大約80億、平均體重60公斤、每個(gè)人跳起的高度0.5米等。
接著考驗(yàn)一下它的創(chuàng)作能力。
給它一張杭州西湖五一假期人潮洶涌的照片，讓它模仿《岳陽(yáng)樓記》的文風(fēng)，寫一篇《五一游記》。
很快，X1 Turbo就寫出一篇古文版《五一游記》。
文章文字優(yōu)美，主旨突出，將人潮與觀景這個(gè)矛盾主體貫穿始終，還融入了諸如手機(jī)、自拍桿等現(xiàn)代元素，極具張力。
就連X1 Turbo都在文中感嘆道：「此非觀景，實(shí)乃觀人海耳！」，著實(shí)好笑。
不過(guò)，X1 Turbo也在文末對(duì)主旨進(jìn)行了升華：「然觀其盛況，亦可見(jiàn)國(guó)泰民安之象?！?/p>
其實(shí)X1 Turbo文章寫得好，主要是在推理階段就已經(jīng)將《岳陽(yáng)樓記》的特點(diǎn)總結(jié)好了：「駢散結(jié)合、對(duì)仗工整、意境深遠(yuǎn)等，以便在寫作時(shí)進(jìn)行模仿」。
同時(shí)，它還使用自己的多模態(tài)能力理解了上傳的圖片內(nèi)容，使文章更加的符合主題。
X1 Turbo的數(shù)學(xué)也很厲害，大學(xué)期末高數(shù)壓軸題也不在話下——
不僅解題過(guò)程簡(jiǎn)潔、清晰，而且對(duì)數(shù)學(xué)公式支持的也很好，一次就能做對(duì)。
找一個(gè)能給你解答高數(shù)題的老師比較難，但讓X1 Turbo教你學(xué)高數(shù)簡(jiǎn)直太香了。不明白還可以繼續(xù)問(wèn)它，直到搞懂為止。
為了解題，X1 Turbo首先理解了圖片上的題目?jī)?nèi)容，然后開(kāi)始推理解題過(guò)程，使用了很多數(shù)學(xué)定理。
最后為得到正確結(jié)果還進(jìn)行了反復(fù)的驗(yàn)證。
為了考驗(yàn)X1 Turbo工具調(diào)用能力，我們給它一張1996年的手寫家書(shū)，讓它轉(zhuǎn)換成電子郵件的形式，再改寫成古代的家書(shū)，要求文辭典雅。
這封家書(shū)是手寫體也不是很清晰，這需要模型調(diào)用圖片理解工具能力。
很快，X1 Turbo就同時(shí)完成了這兩個(gè)改寫的任務(wù)。
可以看到，X1 Turbo不僅對(duì)圖片的文字提取準(zhǔn)確，處理速度也很快，完全沒(méi)有反復(fù)的、沒(méi)用的推導(dǎo)。
文心4.5 Turbo
我們上了一系列刁鉆的實(shí)測(cè)，來(lái)測(cè)試文心4.5 Turbo的能力。
首先，是對(duì)圖像的理解。比如，圖里這只是條什么狗？
逛博物館時(shí)，遇到看不懂的文物可以隨手拍，直接問(wèn)4.5 Turbo就行。
無(wú)論是馬踏飛燕，還是婦好鸮尊，它都能一眼準(zhǔn)確識(shí)別，詳細(xì)介紹細(xì)節(jié)，并且指出文物現(xiàn)存哪個(gè)博物館。
看懂人類梗圖這一關(guān)，4.5 Turbo也是順利通過(guò)。
人類都搞不明白的斷句，它能立刻給出正確解析，讓人恍然大悟。
在電商行業(yè)，文心4.5 Turbo直接就能幫從業(yè)者一鍵p圖了。因?yàn)槟苌羁汤斫猱a(chǎn)品的含義，它快速準(zhǔn)確地生成符合要求的產(chǎn)品圖。
甚至，它能準(zhǔn)確根據(jù)太陽(yáng)運(yùn)動(dòng)，判斷出一張照片的拍攝時(shí)間。
接著，在視頻理解方面，文心4.5 Turbo的表現(xiàn)也令人驚喜。
比如，在看完一段視頻之后，它不僅能指出是來(lái)自電影《楚門的世界》，做到事實(shí)正確。
而且還能根據(jù)電影之前的情節(jié)，續(xù)寫出有創(chuàng)意、出人意料但又在情理之中的結(jié)尾。
付航這套經(jīng)典的「大爺?shù)教幜⑦z囑」的段子，它都能理解準(zhǔn)確get到其中深刻的幽默。
與此同時(shí)，知識(shí)淵博的文心4.5 Turbo，還對(duì)基礎(chǔ)物理有著極強(qiáng)的理解力。
比如在下面這個(gè)視頻中，它就能輕松地回答出試管放進(jìn)黃色液體后的消失之謎——實(shí)際上是因?yàn)楣饩€折射引起的一個(gè)視覺(jué)trick。
有趣的是，它還能一眼就能看出視頻中男子的動(dòng)作錯(cuò)誤之處：背部有明顯彎曲。
除此之外，文心4.5 Turbo還憑借著極強(qiáng)的多模態(tài)能力，讓很多實(shí)用或有趣的應(yīng)用場(chǎng)景成為可能。
比如，它能精準(zhǔn)整理出無(wú)字幕的英文演講，還能配上高質(zhì)量翻譯。因此在需要字幕制作的場(chǎng)景，文心4.5 Turbo就大有用武之地。
甚至，還能利用超越人類的視覺(jué)反應(yīng)能力，在考驗(yàn)眼力項(xiàng)目中稱霸「最強(qiáng)大腦」。
一番迅捷的操作之后，許多人類都很難反應(yīng)過(guò)來(lái)，但模型就迅速給出正確答案：小球在3號(hào)杯子下面。
值得一提的是，代碼能力也是文心4.5 Turbo的一大亮點(diǎn)。
我們可以讓它生成一段HTML代碼，要求鼠標(biāo)劃過(guò)之處，顯示交互式粒子特效，比如花朵綻放的效果。
4.5 Turbo使用HTML、CSS和JavaScript創(chuàng)建了一百多行的代碼。
一次就可以運(yùn)行成功，效果非常精細(xì)，粒子之間還有引力、斥力的模擬效果。
多模態(tài)理解擊敗GPT-4o，技術(shù)內(nèi)核揭秘
文心4.5 Turbo和X1 Turbo的卓越表現(xiàn)，離不開(kāi)百度一直以來(lái)在技術(shù)上的深耕細(xì)作。
基礎(chǔ)模型持續(xù)迭代，多模態(tài)是亮點(diǎn)
文心大模型4.5和4.5 Turbo作為基礎(chǔ)模型，核心優(yōu)勢(shì)是多模態(tài)大模型架構(gòu)。這一架構(gòu)通過(guò)混合訓(xùn)練文本、圖像、視頻數(shù)據(jù)，打破了不同模態(tài)數(shù)據(jù)在結(jié)構(gòu)、規(guī)模、知識(shí)密度上的壁壘。
在多項(xiàng)基準(zhǔn)測(cè)試中，文心4.5 Turbo高效繼承了文心4.5的文本和多模態(tài)能力，同時(shí)顯著降低訓(xùn)練和推理成本。
其多模態(tài)性能與GPT-4.1持平，甚至超越了GPT-4o。在文本方面，4.5 Turbo則與DeepSeek V3最新版相當(dāng)，一舉超越了GPT-4.5、GPT-4.1和GPT-4o。
文心4.5 Turbo多模態(tài)基準(zhǔn)測(cè)試
文心4.5 Turbo文本基準(zhǔn)測(cè)試
為了實(shí)現(xiàn)高效跨模態(tài)學(xué)習(xí)，團(tuán)隊(duì)還引入了多模態(tài)異構(gòu)專家建模、自適應(yīng)分辨率視覺(jué)編碼、三維旋轉(zhuǎn)位置編碼、自適應(yīng)模態(tài)感知損失等前沿技術(shù)。
這些技術(shù)協(xié)同作用，使得跨模態(tài)學(xué)習(xí)效率提高近2倍，多模態(tài)理解效果提升超過(guò)30%。
后訓(xùn)練閉環(huán)革新：自反饋增強(qiáng)
在后訓(xùn)練階段，文心團(tuán)隊(duì)研發(fā)的「自反饋增強(qiáng)」框架，基于模型自身的生成和評(píng)估能力，構(gòu)建了「訓(xùn)練-生成-反饋-增強(qiáng)」的閉環(huán)迭代體系。
這一框架，不僅解決了模型在對(duì)齊過(guò)程中，數(shù)據(jù)生產(chǎn)難度大、成本高、速度慢等問(wèn)題，還顯著降低了「幻覺(jué)」，提升了模型理解和復(fù)雜任務(wù)的處理能力。
在訓(xùn)練過(guò)程中，融合偏好學(xué)習(xí)的RL技術(shù)，通過(guò)多元統(tǒng)一獎(jiǎng)勵(lì)機(jī)制，精準(zhǔn)判別結(jié)果質(zhì)量。
而且，離線偏好學(xué)習(xí)和在線強(qiáng)化學(xué)習(xí)統(tǒng)一優(yōu)化，進(jìn)一步提高了數(shù)據(jù)利用效率和訓(xùn)練穩(wěn)定性，并增強(qiáng)了模型對(duì)高質(zhì)量結(jié)果感知。
偏好信號(hào)與獎(jiǎng)勵(lì)信號(hào)的深度融合，則讓模型在理解、生成、邏輯推理、記憶等能力上全面進(jìn)階。
這種自反饋與RL的結(jié)合，使得文心4.5 Turbo和X1 Turbo能夠快速適應(yīng)多樣化需求，輸出更加可靠的結(jié)果。
這就是我們?cè)谠u(píng)測(cè)中能直觀感受到的文心4.5 Turbo的低幻覺(jué)。
復(fù)合思維鏈，深度思考新范式
從以上demo中不難看出，文心X1 Turbo的深度思考能力，尤為引人注目。
文心X1 Turbo則憑借深度思考能力，整體效果領(lǐng)先DeepSeek R1、V3最新版，僅略低于GPT-o1滿血版。
文心 X1 Turbo基準(zhǔn)測(cè)試
文心的深度思考突破了傳統(tǒng)CoT的局限，提出了融合思考與行動(dòng)的「復(fù)合思維鏈」。
這一創(chuàng)新通過(guò)結(jié)合工具調(diào)用，讓模型在解決復(fù)雜問(wèn)題時(shí)，既能深入思考，又能采取實(shí)際行動(dòng)，讓模型跨領(lǐng)域解決問(wèn)題能力大幅躍升。
與此同時(shí)，多元統(tǒng)一獎(jiǎng)勵(lì)機(jī)制的引入，實(shí)現(xiàn)了長(zhǎng)距離思維和行動(dòng)鏈的端到端優(yōu)化。
高質(zhì)量數(shù)據(jù)體系
現(xiàn)在的大模型訓(xùn)練，數(shù)據(jù)是重中之重。在數(shù)據(jù)層面，文心團(tuán)隊(duì)打造了「數(shù)據(jù)挖掘與合成 - 數(shù)據(jù)分析與評(píng)估 - 模型能力反饋」的閉環(huán)體系，能源源不斷生產(chǎn)知識(shí)密度高、類型多樣、領(lǐng)域覆蓋廣的大規(guī)模優(yōu)質(zhì)數(shù)據(jù)。
這一體系具備了高度可擴(kuò)展性，能夠輕松遷移到全新的數(shù)據(jù)類型，實(shí)現(xiàn)快速、高效的數(shù)據(jù)生產(chǎn)。
針對(duì)專業(yè)深度知識(shí)及領(lǐng)域過(guò)程知識(shí)的數(shù)據(jù)稀缺問(wèn)題，他們還研制了原理驅(qū)動(dòng)、過(guò)程評(píng)估與結(jié)果校驗(yàn)的數(shù)據(jù)合成技術(shù)、知識(shí)點(diǎn)驅(qū)動(dòng)的大規(guī)模稀缺數(shù)據(jù)挖掘技術(shù)等等，目的是提升數(shù)據(jù)的知識(shí)密度和覆蓋面。
在多模態(tài)數(shù)據(jù)處理上，融合語(yǔ)義對(duì)齊的多模態(tài)平行數(shù)據(jù)構(gòu)建、融合視覺(jué)知識(shí)的描述生成等技術(shù)，解決了不同模態(tài)數(shù)據(jù)割裂、跨模態(tài)語(yǔ)義關(guān)聯(lián)難的痛點(diǎn)。
這些技術(shù)，大幅提升了不同模態(tài)數(shù)據(jù)的對(duì)齊精度和語(yǔ)義關(guān)聯(lián)深度，為模型的多模態(tài)理解力，提供了支撐。
從多模態(tài)融合的架構(gòu)創(chuàng)新，到自反饋增強(qiáng)的后訓(xùn)練框架，再到復(fù)合思維鏈的深度思考能力，以及閉環(huán)數(shù)據(jù)體系的支撐，這些技術(shù)共同鑄就了文心4.5 Turbo和X1 Turbo亮眼性能。
推理吞吐飆升8倍，低成本AI引擎
相比友商，文心4.5 Turbo和X1 Turbo成本進(jìn)一步降低。
而其背后，算力、飛槳框架與文心大模型的深度協(xié)同優(yōu)化，實(shí)現(xiàn)了訓(xùn)練與推理的更快、更穩(wěn)、更節(jié)能。
在訓(xùn)練方面，飛槳框架引入了多模態(tài)統(tǒng)一的掩碼注意力加速，在不同模態(tài)混合計(jì)算注意力時(shí)，顯著降低掩碼構(gòu)建和計(jì)算開(kāi)銷，大幅提升訓(xùn)練性能。
在推理方面，多模態(tài)流式分塊預(yù)填充機(jī)制，進(jìn)一步減少了首token的生成耗時(shí)，同時(shí)降低了推理計(jì)算的顯存峰值占用，提升推理批次大小，提升吞吐性能。
基于這些創(chuàng)新，文心4.5 Turbo訓(xùn)練吞吐達(dá)到文心4.5的5.4倍，推理吞吐更是達(dá)到8倍。
飛槳框架3.0，是這些優(yōu)化的核心引擎。
飛槳框架3.0延續(xù)了動(dòng)靜統(tǒng)一、訓(xùn)推一體的技術(shù)特色，更在自動(dòng)并行、神經(jīng)網(wǎng)絡(luò)編譯器、高階自動(dòng)微分等方面取得突破，為大模型時(shí)代的技術(shù)創(chuàng)新與產(chǎn)業(yè)應(yīng)用提供了強(qiáng)大支撐。
首先，動(dòng)靜統(tǒng)一自動(dòng)并行，讓大模型分布式訓(xùn)練代碼量減少80%，降低大模型開(kāi)發(fā)訓(xùn)練門檻。
開(kāi)發(fā)者可以像編寫「單機(jī)代碼」一樣，輕松實(shí)現(xiàn)分布式訓(xùn)練，無(wú)需深入了解復(fù)雜的通信和調(diào)度邏輯。
其次，飛槳框架3.0的大模型訓(xùn)推一體設(shè)計(jì)，加速了強(qiáng)化學(xué)習(xí)的訓(xùn)練效率，提速114%，從而優(yōu)化了后訓(xùn)練與推理部署流程。
此外，科學(xué)計(jì)算高階微分，讓微分方程求解速度比PyTorch快115%。
更值得一提的是，飛槳已適配60多個(gè)系列芯片，通過(guò)軟硬協(xié)同優(yōu)化，最大化釋放算力潛能。
對(duì)于開(kāi)發(fā)者來(lái)說(shuō)，飛槳框架3.0的友好性不言而喻。
它能夠讓開(kāi)發(fā)者以Python語(yǔ)言寫神經(jīng)網(wǎng)絡(luò)，無(wú)需編寫復(fù)雜的硬件開(kāi)發(fā)復(fù)雜的算子內(nèi)核代碼，即可實(shí)現(xiàn)高效運(yùn)行。
目前，飛槳文心的開(kāi)發(fā)者數(shù)量已經(jīng)超過(guò)了2185萬(wàn)，服務(wù)超過(guò)67萬(wàn)家企業(yè)，創(chuàng)建的模型達(dá)到110萬(wàn)。
一場(chǎng)技術(shù)內(nèi)核到應(yīng)用生態(tài)的升級(jí)
自2019年文心大模型1.0問(wèn)世以來(lái)，百度在人工智能領(lǐng)域的探索從未停歇。
6年的時(shí)間，文心大模型演進(jìn)歷程就是一部技術(shù)突破史。
2023年3月，文心一言作為「知識(shí)增強(qiáng)大語(yǔ)言模型」正式發(fā)布，憑借知識(shí)增強(qiáng)、檢索增強(qiáng)、對(duì)話增強(qiáng)三大技術(shù)，實(shí)現(xiàn)了從靜態(tài)模型到動(dòng)態(tài)交互的飛躍。
緊接著5月，文心3.5進(jìn)一步強(qiáng)化了知識(shí)點(diǎn)增強(qiáng)、邏輯推理能力，讓模型在復(fù)雜任務(wù)中，表現(xiàn)更加精準(zhǔn)和高效。
同年10月，文心4.0問(wèn)世，首次提出基于「慢思考」的智能體。
這一創(chuàng)新讓AI不再局限于快速反應(yīng)，而是能夠像人類一樣，進(jìn)行深思熟慮的推理，大幅提升了問(wèn)題解決的深度和廣度。
2024年6月，文心4.0 Turbo的推出，進(jìn)一步優(yōu)化了性能與成本的平衡，為大規(guī)模商用場(chǎng)景提供了高效解決方案。
進(jìn)入2025年，文心大模型的迭代再次加速。
今年3月，多模態(tài)大模型文心4.5和深度思考模型X1雙彈登場(chǎng)，展現(xiàn)了AI在跨模態(tài)融合和復(fù)雜推理上的突破。
時(shí)隔一個(gè)月，這一次，文心4.5 Turbo與X1 Turbo的發(fā)布，則將文心大模型推向新的技術(shù)高峰，標(biāo)志著其在多模態(tài)、深度思考和成本效率上的新里程。
可以說(shuō)，文心大模型的演進(jìn)，是一場(chǎng)技術(shù)內(nèi)核到應(yīng)用生態(tài)的升級(jí)。
早期，聚焦于多粒度知識(shí)融合學(xué)習(xí)、知識(shí)和數(shù)據(jù)融合學(xué)習(xí)，奠定了文心大模型的知識(shí)基礎(chǔ)。
隨后，知識(shí)增強(qiáng)和知識(shí)點(diǎn)增強(qiáng)的引入，讓模型能夠更精準(zhǔn)提取和應(yīng)用信息。再加上，檢索增強(qiáng)、對(duì)話增強(qiáng)、邏輯推理增強(qiáng)的迭代，則賦予了模型更強(qiáng)的交互和推理能力。
進(jìn)入慢思考和深度思考階段，文心大模型開(kāi)始突破傳統(tǒng)AI局限，實(shí)現(xiàn)了從單一任務(wù)到跨領(lǐng)域問(wèn)題解決的躍升。
2025年以來(lái)，多模態(tài)技術(shù)的融入，更是讓文心大模型能夠無(wú)縫處理文本、圖像、視頻、音頻，打開(kāi)了視覺(jué)理解、內(nèi)容生成的全新應(yīng)用場(chǎng)景。
過(guò)去每一個(gè)階段的技術(shù)突破，都讓文心大模型能力的邊界不斷拓展。
而文心大模型的技術(shù)體系，遠(yuǎn)不止于模型本身。
它形成了一個(gè)從模型到工具平臺(tái)的完整生態(tài)，包括文心4.0、4.5、X1等旗艦?zāi)Ｐ?，文生圖模型，場(chǎng)景模型和輕量模型，文心一言和智能體等應(yīng)用。
不僅如此，文心生態(tài)還為開(kāi)發(fā)者提供了數(shù)據(jù)生產(chǎn)、后訓(xùn)練、推理部署和場(chǎng)景化工具的全鏈條支持。
這種一體化的設(shè)計(jì)，得以讓開(kāi)發(fā)者能夠靈活高效開(kāi)發(fā)創(chuàng)新應(yīng)用，加速AI技術(shù)落地。
現(xiàn)在，文心4.5 Turbo與X1 Turbo的亮相，正以更開(kāi)放的姿態(tài)，邀請(qǐng)每一位開(kāi)發(fā)者加入這場(chǎng)生態(tài)革命。
熱門跟貼