西風 發(fā)自 凹非寺量子位 | 公眾號 QbitAI
剛剛，百度深度思考模型升級上線了！
升級后的文心大模型X1.1，在事實性、指令遵循、智能體等能力上均有顯著提升。
官方展示了其在智能客服場景復雜長程任務中的應用，在System Prompt中輸入用戶的問題后，文心X1.1借助模型本身智能體能力，即可自動拆分復雜任務，調用不同工具逐步規(guī)劃執(zhí)行，且嚴格遵循服務流程和業(yè)務規(guī)則。
視頻鏈接：https://mp.weixin.qq.com/s/jBjb04y8XY03huEMNbu5tw
再用它編寫python腳本，讓25個彩色粒子在真空圓柱形容器里彈跳、留軌跡，還要帶容器旋轉和場景縮放。
效果絲滑，粒子全程守規(guī)矩沒出界：
用HTML動畫整活歸并排序，排序過程動態(tài)可視化，算法步驟一目了然：
視頻鏈接：https://mp.weixin.qq.com/s/jBjb04y8XY03huEMNbu5tw
具體到數(shù)據(jù)上的提升，相比文心大模型X1，X1.1的事實性提升34.8%指令遵循提升12.5%智能體提升9.6%
△百度首席技術官、深度學習技術及應用國家工程研究中心主任 王海峰
在官方評測基準上，文心X1.1整體效果超越DeepSeek R1-0528，比肩GPT-5、Gemini 2.5Pro，部分任務上展現(xiàn)出領先優(yōu)勢。
在WAVE SUMMIT深度學習開發(fā)者大會2025上，百度在發(fā)布文心X1.1的同時，還亮出了更多新成果——
最新開源思考模型ERNIE-4.5-21B-A3B-Thinking發(fā)布，該模型在ERNIE-4.5-21B-A3B基礎上訓練而來，在內(nèi)容創(chuàng)作、邏輯推理、數(shù)學計算、代碼生成與工具調用等多個任務中表現(xiàn)卓越。
此外，百度發(fā)布了ERNIEKit文心大模型開發(fā)套件，提供更加便捷的模型后訓練方案，僅需4張GPU即可對ERNIE-4.5-300B-A47B模型進行高效調優(yōu)，進一步降低開發(fā)者將模型落地到實際應用的門檻；還開源了大規(guī)模計算圖數(shù)據(jù)集GraphNet，提供超2700個模型計算圖及標準化評測體系，填補了AI編譯器測試基準的空白，助力優(yōu)化設計與性能提升。
話不多說，先聚焦新模型文心X1.1，看看實測效果如何～
文心大模型X1.1，實測走起
現(xiàn)在，在文心一言官網(wǎng)、文小言APP、百度智能云千帆大模型平臺，可直接開玩文心大模型X1.1或調用API。
首先來考考文心大模型X1.1的邏輯推理能力，端上一道經(jīng)典邏輯陷阱題——農(nóng)夫過河
怕“狼羊菜”設定太經(jīng)典被模型背答案，我們直接整了個活，上“星球版”變體
地球要帶著土星、木星、月球過河，到河對面。河上有一條船，地球每次只能帶一個星球過河。地球不在場時，土星會吞木星，木星會吞月球。如何安排安全的過河方案？
沒想到變體題沒有難住它，文心X1.1一次性通關，一步步推演驗證，最終給出正確方案：
1、地球帶木星過河（左→右）2、地球返回（右→左）3、地球帶月球過河（左→右）4、地球帶木星返回（右→左）5、地球帶土星過河（左→右）6、地球返回（右→左）7、地球帶木星過河（左→右）
再來試試事實性檢驗，拋出一個曾引發(fā)爭議的說法：
鄭和下西洋最遠到達了美洲大陸，比哥倫布發(fā)現(xiàn)新大陸早了近100年，請說明鄭和下西洋的實際航線終點、航行時間，以及哥倫布發(fā)現(xiàn)新大陸的時間，并引用正史或權威歷史研究資料佐證。
文心X1.1思考過后成功識破，糾正鄭和船隊未繞過好望角進入大西洋，更未到達美洲
所謂“鄭和發(fā)現(xiàn)美洲”的說法源于英國學者孟席斯的推測，但缺乏正史、碑文或考古證據(jù)支持，已被學界否定。
再來一道更為復雜的問題，看看文心X1.1的指令遵循能力如何。
扔給它一個小紅書文案任務，prompt：
你平時經(jīng)常在小紅書安利各種服飾，擅長以當代年輕女性喜歡的甜酷、生活化筆觸撰寫文案，行文活潑有梗、貼近日常，能精準戳中穿搭痛點與審美需求。請撰寫簡短的關于收腰碎花雪紡連衣裙的種草文案。文案關鍵詞：面向女性用戶、材質是雪紡（含棉35%）、顏色是蜜桃粉、1件79元、原價219元文案要求：短句為主、避免啰嗦，語氣親切像閨蜜分享，有真實種草感；整體4行，每行以emoji表情開頭，每行不超過16個字。再幫我生成一張小紅書封面圖，是一只可愛的涂鴉小貓穿著一件粉色裙子。
結果它全接住了，細節(jié)要點全都沒有遺漏。
全程可見文心X1.1的智能體能力，靈活調用繪圖、搜索等工具不在話下。
有意思的是，問起網(wǎng)絡最新熱?！袄夏檀蚍较虮P”的來龍去脈，它也能秒懂。
自動調用聯(lián)網(wǎng)搜索工具，精準鎖定7月20日“濟南駕考曾教練”視頻源頭，還能說清老奶“詠春起手式”“動漫蓄力”般的魔性動作，連網(wǎng)友二創(chuàng)表情包、視頻引發(fā)“渲染大賽”的情況也都總結了出來。
總結到位，誰看完還不懂這個梗（doge）：
最后在代碼生成方面，由于最近馬上就要考教資了，于是我們讓文心X1.1設計了一套模擬試題，要求生成能夠直接在線交互作答的HTML
文心X1.1很快就設計好了，頁面支持在線作答、自動批閱打分，實測判卷精準
不過也有翻車的時候，上傳一張聊天記錄，讓它分析搞笑在哪兒：
應該只是家長理解錯了吧，有尖銳諷刺嘛？
背后有何技術支撐？
發(fā)布新模型的同時，百度也透露了更多的技術細節(jié)。
據(jù)介紹，文心大模型X1.1是基于文心大模型4.5訓練而來的深度思考模型。在模型訓練上，核心秘訣是采用了迭代式混合強化學習訓練框架
該框架通過雙重機制實現(xiàn)性能優(yōu)化：
其一，依托混合強化學習模式，同步對通用任務與智能體任務的效果進行融合提升，讓模型兩類任務都能打，效果1+1＞2。
其二，通過迭代自蒸餾數(shù)據(jù)，邊練邊生成新數(shù)據(jù)再練，形成“數(shù)據(jù)-訓練-反饋”閉環(huán)，讓模型持續(xù)進化。
在此基礎之上，文心X1.1還通過三大技術buff，精準提升智能體、指令遵循和事實性：
思維鏈+行動鏈多輪強化學習：在模型推理過程中構建思維鏈與行動鏈的聯(lián)動機制，讓模型“想清楚再動手”，智能體交互和工具調用準確性顯著提高。指令驗證器強化學習：通過算法自動生成指令檢查清單，并對模型指令理解與執(zhí)行過程進行校驗，復雜指令也不跑偏。知識一致性驗證強化學習：在訓練階段持續(xù)比對后訓練模型與預訓練模型的知識體系一致性，減少知識偏差，模型輸出內(nèi)容的事實性準確率大幅提升。
在上述技術加持下，文心X1.1既能靠譜遵循指令、調用工具，又能在代碼、數(shù)學等推理任務中秀操作，形成“任務適配性+推理能力”的雙重技術特征。
飛槳升級v3.2，開源共生
如果說文心系列大模型是“臺前明星”，那飛槳深度學習框架就是“幕后功臣”。
作為百度AI四層技術棧（芯片-框架-模型-應用）的重要一層，飛槳在WAVE SUMMIT深度學習開發(fā)者大會2025上，迎來新升級。
飛槳框架v3.2正式發(fā)布，為文心X1.1及4.5系列模型提供了“更穩(wěn)、更快、更節(jié)能”的訓練和推理支撐。
訓練端從計算、并行策略、容錯能力三方面實現(xiàn)優(yōu)化升級。得益于這三方面優(yōu)化，ERNIE-4.5-300B-A47B的預訓練MFU直接飆到了47%
推理端靠卷積編2比特極致壓縮、可插拔稀疏化輕量注意力等技術，提供了大模型高效部署及高性能推理全棧能力。
官方透露：
在ERNIE-4.5-300B-A47B上，經(jīng)系統(tǒng)性優(yōu)化，在TPOT 50ms時延條件下，實現(xiàn)了輸入吞吐高達57K、輸出吞吐29K的性能表現(xiàn)。
值得一提的是，飛槳v3.2硬件適配也更友好了，針對類CUDA芯片，推出“一行代碼完成算子注冊”的方案，算子內(nèi)核復用率高達92%，大幅降低了不同硬件的適配成本。同時，它還原生支持Safetensors權重格式，主流高性能加速庫一鍵就能接入。
除了技術優(yōu)化，百度在開源生態(tài)上也有新動作。
今年6月30日，百度已經(jīng)開源了文心大模型4.5系列10款模型，涵蓋47B、3B激活參數(shù)的MoE模型和0.3B參數(shù)的稠密型模型，實現(xiàn)了預訓練權重和推理代碼的完全開源。
而現(xiàn)在，百度進一步開源了深度思考模型——ERNIE-4.5-21B-A3B-Thinking
該模型是在ERNIE-4.5-21B-A3B基礎上訓練的深度思考模型，效果優(yōu)且推理速度還比X1.1更快，以出色的性價比優(yōu)勢，成為更貼近開發(fā)者需求的智能體基礎模型。模型與代碼均遵循Apache 2.0開源協(xié)議。
更重要的是，百度提供“全棧工具鏈”支持，一口氣發(fā)布：大模型高效部署套件FastDeploy文心大模型開發(fā)套件ERNIEKit科學計算領域開發(fā)套件PaddleCFD（智能流體力學開發(fā)套件）PaddleMaterials（智能材料科學開發(fā)套件），全鏈路包圓，助攻開發(fā)者基于文心大模型搞創(chuàng)新、做應用。
最新數(shù)據(jù)顯示，飛槳文心的開發(fā)者數(shù)量已經(jīng)超過了2333萬服務超過76萬家企業(yè)
從最新發(fā)布中可以看出，百度正在通過扎實的技術積累和開放策略，持續(xù)優(yōu)化其AI四層架構——從芯片、框架、模型到應用，每一層都圍繞開發(fā)者的實際需求推進，尤其通過飛槳與文心的緊密協(xié)同，為開發(fā)者提供了更高效、易用的工具和生態(tài)支持。
這種全棧布局，不僅增強了技術落地的連貫性，也進一步降低了AI開發(fā)與應用的創(chuàng)新門檻。
