百度“不装了”：文小言开放生态，用户薅到羊毛

3月的最后一天，文小言进行了全面焕新，带来了多模型融合调度、全新语音大模型、图片问答和拍题讲解等强大功能升级。本文将通过实际体验，深入剖析文小言此次升级的亮点，探讨其在学习教育、旅游户外、日常生活、设计创作等场景中的应用表现，以及这些升级如何让AI交互更智能、更贴近用户需求。

———— / BEGIN / ————

3 月的 AI 圈持续热闹非凡，先是 AI Agent 领域的 Manus 引发关注，随后 GPT-4o 升级又在社交平台掀起一波“吉卜力风”图片热潮，让 AI 视觉生成能力再次成为焦点。

而在 3 月的最后一天，百度的文小言也进行了全面焕新，不仅上新了多模型融合调度、全新语音大模型的能力，同时也推出了更强大的图片问答、拍题讲解能力。

我第一时间进行了体验，这次升级不仅让 AI 交互更智能、更流畅，也让我更加期待 2025 年 AI 应用体验的进一步跃升。

接下来，就和大家分享下这次文小言的主要升级点：

模型开放：多模型融合调度，打造更强大脑

如果说 OpenAI 正式推出 ChatGPT 标志着基于 LLM 的 AI 开始走入大众视野，掐指一算，现在也已经过去了2 年多，但随着不同模型的推出，背后其实呈现了一个共同规律，那就是模型层的发展，已经开始根据特定的应用场景进行能力的深化，无论是针对视频领域的 sora，还是近期推出的针对 svg 矢量图的starVector，都是如此。

但对于普通大众用户而言，要去识别在不同场景下使用什么模型，是难度很大的一件事，虽然不同模型基本都会给出在不同应用场景下的测试效果，但这仍依赖一定的专业背景。

有没有可能让用户只需专注表达需求，让产品来智能匹配最适合的模型，自动生成最优解呢？

我在文小言这次的升级中看到了一种新的解法，那就是它的“自动模式”：

选择自动模式后，文小言会智能匹配最合适的模式来生成回答，我在自动模式下尝试提问了不同类型的问题，可以看到，在针对写诗这类文学创作，以及一些常识类的问题时，借助这个机制，可以更快速地获取我们需要的内容，而不是仍通过深度思考在那分析我为啥需要开除湿：

但当我提问类似“如何集合自己的需求买保险”这类复杂问题时，文小言则会自动调用深度思考，给我提供一个更结构化、更全面的内容：

除了“自动模式”，我也可以自行选择使用特定的模型，除了百度最新的文心4.5 和x1 模型外，也可以选择DeepSeek-R1满血版，不得不说，这对于一家在自研模型投入巨大的厂商而言，更显难能可贵。

基于生态开放的思路，文小言本质是将选择权留给了用户。不仅提升了产品竞争力，背后也可以看到，它的产品升级逻辑已经从“技术突破”转向了“用户价值”，比拼的也不再是单一模型能力，而是谁能让 AI 能力更高效、更便捷地提供给用户，这种思路在我接下来的体验测评中，将更加直观地展现出来。

全新图片问答：更全面化的个人助理

这次文心 4.5 模型和 X1 模型（可以理解为为百度「自研的DS」）的接入，为 AI 的场景应用提供了更强大的多模态理解、深度思考、连续任务执行等能力，除了可以做到从图片中抽取更丰富、更准确的信息，还可以在问答中直接输出图文混合的内容。

为了更全面地体验到文小言的能力，我在不同的场景里都做了体验测评，包括学习教育、旅行户外、日常生活、设计、娱乐等方面：

1. 学习教育场景

在这个场景里，我尝试了大多数家长比较头疼的小孩作业辅助问题。

在文小言APP里选择“拍照解题”后，直接对习题册或试卷拍照，它可以生成不同的解答方案，还提供专业的讲解视频，可以有效解决过往我们过往辅导作业时“只知道问题答案，但难以给小孩讲解清楚”的问题，在题干识别、解答广度、解答质量上，效果都还不错。

2. 旅游户外场景

在这个场景里面比较麻烦到的，主要是出国旅游的时候，面对语言环境的差异，我可能连菜单都看不懂，文小言有可能成为我搞定吗？

我上传了一张实拍的菜单图片，拍完后让文小言直接帮我点菜：

可以看到，它不但识别出了菜单的内容和价格，还结合我的需求生成了点餐的方案，这个场景看似简单，其实背后对多模态理解能力有极强的要求，不但要能提取到图片信息，还要对里面哪些是菜品名、哪些是价格有内容层面的理解，这样才能对特定菜品进行排除，对价格进行计算，从而匹配我的点餐诉求。

除了点餐，在旅游路上看到一些风景想了解地点时，也可以直接通过文小言调用摄像头直接拍照，它结合图片搜索地点，并给我回复：

3. 日常生活场景

生活场景里我重点体验的是比较复杂的消费决策场景，第一个是装修。

在这个场景里，有时光看样图和样品房很难想象出实际的装修效果，这个时候结合文小言的「图文混排生成能力」有奇效，它可以结合我描述的户型情况，生成不同风格的装修效果图：

第二个场景是购物场景，在购买食品、化妆品和衣服的时候，我们经常需要看食品配料、化妆品成分，以及衣服的材质，但通常要么看不懂，要么是搜索麻烦，现在通过文小言，拍照上传直接提问就能搞定了：

4. 设计创作场景

这是我体验过程中最惊艳的场景之一。只需提供一个灵感点，文小言就能将其转化为具体的设计。例如，我让它以孙克弘的《玉堂芝兰图》为灵感，设计一套旗袍，并生成前后效果图：

在这个过程中，它得先找到《玉堂芝兰图》，然后理解这幅图的元素特点，再和旗袍图片的特点进行图生图的结合，还得确保不同角度展示的合理性，最终再以图文混排形式整合输出——这个复杂的过程，如今也简化到了用户输入一句话就能实现的程度。

我相信无论是服装设计、珠宝设计，还是其他创意设计领域，这种灵感创作能力都将极大提升设计效率与创作自由度。

全新语音大模型：更会聊天的文小言

除了像助理一样帮我们解决各种难题，文小言这次还升级了全新的语音模型。

据百度语音首席架构师贾磊透露，该模型是百度在业界首个推出、基于全新互相关注意力(Cross-Attention)的端到端语音语言大模型，除了调用成本比行业平均降低50%-90%外，在推理响应速度上，更是将语音交互等待时间压缩至1秒左右，同时还支持方言对话、复杂知识问答及随时打断等场景。

在这个语音模型的加持下，体验的提升还是比较明显，一个是对话过程更加自然流畅了，让整个互动的过程更具“真人感”，另外就是多了讲故事、聊方言、角色扮演等好玩的互动场景，让文小言更像一个贴身陪伴我们的智能伙伴。

总结

总体来看，这次文小言的全面焕新，不仅让产品更智能、更好用，在多模型融合调度的加持下，也让 AI 生态更加开放，为用户提供了更多选择空间。

无论是语聊的流畅度提升，还是图片问答、拍题讲解等能力的增强，都让 AI 在实际应用中更高效、更贴近用户需求。

可以预见，随着 AI 技术的持续演进，文小言还将不断优化，让智能体验更便捷、更个性化，也让开放生态带来的价值进一步释放。

本文来自作者：Way