文心X1.1发布！这三大能力突出，一手实测在此

西风 发自 凹非寺
量子位 | 公众号 QbitAI

刚刚，百度深度思考模型升级上线了！

升级后的文心大模型X1.1，在事实性、指令遵循、智能体等能力上均有显著提升。

官方展示了其在智能客服场景复杂长程任务中的应用，在System Prompt中输入用户的问题后，文心X1.1借助模型本身智能体能力，即可自动拆分复杂任务，调用不同工具逐步规划执行，且严格遵循服务流程和业务规则。

视频链接：https://mp.weixin.qq.com/s/jBjb04y8XY03huEMNbu5tw

再用它编写python脚本，让25个彩色粒子在真空圆柱形容器里弹跳、留轨迹，还要带容器旋转和场景缩放。

效果丝滑，粒子全程守规矩没出界：

用HTML动画整活归并排序，排序过程动态可视化，算法步骤一目了然：

视频链接：https://mp.weixin.qq.com/s/jBjb04y8XY03huEMNbu5tw

具体到数据上的提升，相比文心大模型X1，X1.1的事实性提升34.8%指令遵循提升12.5%智能体提升9.6%

△百度首席技术官、深度学习技术及应用国家工程研究中心主任 王海峰

在官方评测基准上，文心X1.1整体效果超越DeepSeek R1-0528，比肩GPT-5、Gemini 2.5Pro，部分任务上展现出领先优势。

在WAVE SUMMIT深度学习开发者大会2025上，百度在发布文心X1.1的同时，还亮出了更多新成果——

最新开源思考模型ERNIE-4.5-21B-A3B-Thinking发布，该模型在ERNIE-4.5-21B-A3B基础上训练而来，在内容创作、逻辑推理、数学计算、代码生成与工具调用等多个任务中表现卓越。

此外，百度发布了ERNIEKit文心大模型开发套件，提供更加便捷的模型后训练方案，仅需4张GPU即可对ERNIE-4.5-300B-A47B模型进行高效调优，进一步降低开发者将模型落地到实际应用的门槛；还开源了大规模计算图数据集GraphNet，提供超2700个模型计算图及标准化评测体系，填补了AI编译器测试基准的空白，助力优化设计与性能提升。

话不多说，先聚焦新模型文心X1.1，看看实测效果如何～

文心大模型X1.1，实测走起

现在，在文心一言官网、文小言APP、百度智能云千帆大模型平台，可直接开玩文心大模型X1.1或调用API。

首先来考考文心大模型X1.1的逻辑推理能力，端上一道经典逻辑陷阱题——农夫过河

怕“狼羊菜”设定太经典被模型背答案，我们直接整了个活，上“星球版”变体

• 地球要带着土星、木星、月球过河，到河对面。河上有一条船，地球每次只能带一个星球过河。地球不在场时，土星会吞木星，木星会吞月球。如何安排安全的过河方案？

没想到变体题没有难住它，文心X1.1一次性通关，一步步推演验证，最终给出正确方案：

• 1、地球带木星过河（左→右）
• 2、地球返回（右→左）
• 3、地球带月球过河（左→右）
• 4、地球带木星返回（右→左）
• 5、地球带土星过河（左→右）
• 6、地球返回（右→左）
• 7、地球带木星过河（左→右）

再来试试事实性检验，抛出一个曾引发争议的说法：

• 郑和下西洋最远到达了美洲大陆，比哥伦布发现新大陆早了近100年，请说明郑和下西洋的实际航线终点、航行时间，以及哥伦布发现新大陆的时间，并引用正史或权威历史研究资料佐证。

文心X1.1思考过后成功识破，纠正郑和船队未绕过好望角进入大西洋，更未到达美洲

• 所谓“郑和发现美洲”的说法源于英国学者孟席斯的推测，但缺乏正史、碑文或考古证据支持，已被学界否定。

再来一道更为复杂的问题，看看文心X1.1的指令遵循能力如何。

扔给它一个小红书文案任务，prompt：

• 你平时经常在小红书安利各种服饰，擅长以当代年轻女性喜欢的甜酷、生活化笔触撰写文案，行文活泼有梗、贴近日常，能精准戳中穿搭痛点与审美需求。
• 请撰写简短的关于收腰碎花雪纺连衣裙的种草文案。
• 文案关键词：面向女性用户、材质是雪纺（含棉35%）、颜色是蜜桃粉、1件79元、原价219元
• 文案要求：短句为主、避免啰嗦，语气亲切像闺蜜分享，有真实种草感；整体4行，每行以emoji表情开头，每行不超过16个字。再帮我生成一张小红书封面图，是一只可爱的涂鸦小猫穿着一件粉色裙子。

结果它全接住了，细节要点全都没有遗漏。

全程可见文心X1.1的智能体能力，灵活调用绘图、搜索等工具不在话下。

有意思的是，问起网络最新热梗“老奶打方向盘”的来龙去脉，它也能秒懂。

自动调用联网搜索工具，精准锁定7月20日“济南驾考曾教练”视频源头，还能说清老奶“咏春起手式”“动漫蓄力”般的魔性动作，连网友二创表情包、视频引发“渲染大赛”的情况也都总结了出来。

总结到位，谁看完还不懂这个梗（doge）：

最后在代码生成方面，由于最近马上就要考教资了，于是我们让文心X1.1设计了一套模拟试题，要求生成能够直接在线交互作答的HTML

文心X1.1很快就设计好了，页面支持在线作答、自动批阅打分，实测判卷精准

不过也有翻车的时候，上传一张聊天记录，让它分析搞笑在哪儿：

应该只是家长理解错了吧，有尖锐讽刺嘛？

背后有何技术支撑？

发布新模型的同时，百度也透露了更多的技术细节。

据介绍，文心大模型X1.1是基于文心大模型4.5训练而来的深度思考模型。在模型训练上，核心秘诀是采用了迭代式混合强化学习训练框架

该框架通过双重机制实现性能优化：

其一，依托混合强化学习模式，同步对通用任务与智能体任务的效果进行融合提升，让模型两类任务都能打，效果1+1＞2。

其二，通过迭代自蒸馏数据，边练边生成新数据再练，形成“数据-训练-反馈”闭环，让模型持续进化。

在此基础之上，文心X1.1还通过三大技术buff，精准提升智能体、指令遵循和事实性：

• 思维链+行动链多轮强化学习：在模型推理过程中构建思维链与行动链的联动机制，让模型“想清楚再动手”，智能体交互和工具调用准确性显著提高。
• 指令验证器强化学习：通过算法自动生成指令检查清单，并对模型指令理解与执行过程进行校验，复杂指令也不跑偏。
• 知识一致性验证强化学习：在训练阶段持续比对后训练模型与预训练模型的知识体系一致性，减少知识偏差，模型输出内容的事实性准确率大幅提升。

在上述技术加持下，文心X1.1既能靠谱遵循指令、调用工具，又能在代码、数学等推理任务中秀操作，形成“任务适配性+推理能力”的双重技术特征。

飞桨升级v3.2，开源共生

如果说文心系列大模型是“台前明星”，那飞桨深度学习框架就是“幕后功臣”。

作为百度AI四层技术栈（芯片-框架-模型-应用）的重要一层，飞桨在WAVE SUMMIT深度学习开发者大会2025上，迎来新升级。

飞桨框架v3.2正式发布，为文心X1.1及4.5系列模型提供了“更稳、更快、更节能”的训练和推理支撑。

训练端从计算、并行策略、容错能力三方面实现优化升级。得益于这三方面优化，ERNIE-4.5-300B-A47B的预训练MFU直接飙到了47%

推理端靠卷积编2比特极致压缩、可插拔稀疏化轻量注意力等技术，提供了大模型高效部署及高性能推理全栈能力。

官方透露：

• 在ERNIE-4.5-300B-A47B上，经系统性优化，在TPOT 50ms时延条件下，实现了输入吞吐高达57K、输出吞吐29K的性能表现。

值得一提的是，飞桨v3.2硬件适配也更友好了，针对类CUDA芯片，推出“一行代码完成算子注册”的方案，算子内核复用率高达92%，大幅降低了不同硬件的适配成本。同时，它还原生支持Safetensors权重格式，主流高性能加速库一键就能接入。

除了技术优化，百度在开源生态上也有新动作。

今年6月30日，百度已经开源了文心大模型4.5系列10款模型，涵盖47B、3B激活参数的MoE模型和0.3B参数的稠密型模型，实现了预训练权重和推理代码的完全开源。

而现在，百度进一步开源了深度思考模型——ERNIE-4.5-21B-A3B-Thinking

该模型是在ERNIE-4.5-21B-A3B基础上训练的深度思考模型，效果优且推理速度还比X1.1更快，以出色的性价比优势，成为更贴近开发者需求的智能体基础模型。模型与代码均遵循Apache 2.0开源协议。

更重要的是，百度提供“全栈工具链”支持，一口气发布：大模型高效部署套件FastDeploy文心大模型开发套件ERNIEKit科学计算领域开发套件PaddleCFD（智能流体力学开发套件）PaddleMaterials（智能材料科学开发套件），全链路包圆，助攻开发者基于文心大模型搞创新、做应用。

最新数据显示，飞桨文心的开发者数量已经超过了2333万服务超过76万家企业

从最新发布中可以看出，百度正在通过扎实的技术积累和开放策略，持续优化其AI四层架构——从芯片、框架、模型到应用，每一层都围绕开发者的实际需求推进，尤其通过飞桨与文心的紧密协同，为开发者提供了更高效、易用的工具和生态支持。

这种全栈布局，不仅增强了技术落地的连贯性，也进一步降低了AI开发与应用的创新门槛。