文心X1.1三大能力狂飙，海内外实测还挺惊艳！

新智元报道

编辑：桃子 KingHZ

【新智元导读】文心X1.1震撼上线，一手实测力压群雄！ 三大能力飙升：事实性提升34.8%，指令遵循提升12.5%，智能体提升9.6%。在多项基准测试中，整体表现超越DeepSeek R1-0528，部分保持领先，甚至追上了最顶尖的GPT-5、Gemini 2.5 Pro。

AI圈又双叒沸腾了！

9日，WAVE SUMMIT深度学习开发者2025大会上，文心大模型X1.1深度思考模型正式发布。

相较于文心X1，文心X1.1在事实性、指令遵循、智能体能力三大关键指标，实现显著提升。

具体来说，事实性提升34.8%，指令遵循提升12.5%，智能体提升9.6%。

更令人震撼的是，文心X1.1在多项基准测试中，整体表现超越DeepSeek R1-0528，部分保持领先。

甚至，它还与最顶尖的GPT-5、Gemini 2.5 Pro，平起平坐。

文心大模型X1.1能力大涨，背后离不开飞桨的「最强辅助」。

大会上，百度升级发布飞桨框架v3.2。飞桨文心生态已吸粉2333万开发者，服务76万家企业。

从模型到框架，再到生态，百度这一套组合拳打下来，堪称AI界的「实力派卷王」。

文心X1.1出世，一手实测来了

现在，进入文心一言官网、文小言APP，即可立即体验最新「文心大模型X1.1」了。

传送门：https://yiyan.baidu.com/X1

接下来，我们开启了一波全面实测。

不捏造不猜测，文心X1.1太可靠了

一直以来，LLM凭空捏造、编造事实的问题饱受诟病，被业界称之为「幻觉」。

它们往往以自信的口吻生成结果，让用户难以辨别真假。

几天前，OpenAI团队曾挖出了「幻觉」的根源，在于训练和评估机制，倾向于奖励模型的「猜测」行为。

值得一提的是，这一次，文心X1.1通过基于知识一致性的强化学习技术，真正做到了「知识一致性」。

就以昨天的苹果WWDC发布会为例，文心X1.1能否精准介绍iPhone 17系列？

当然！从输出结果看得出，它分列出四款iPhone 17的各种参数以及价格，并附上了售卖日期。

在深度思考的过程中，文心X1.1联网参考了十个网页，边搜边思考，认真确认后才会输出反馈。

看得出，新模型的工具调用能力，可接入并实时处理外部数据源，让信息分析与整合唾手可得。

接下来，扔给文心X1.1一个反事实的信息——听说霉霉结婚了？

在思考时，它会首先确认「霉霉」这个人是谁，然后将任务逐一拆解，分为三步：联网搜索相关新闻、分析搜索结果、整理信息。

令人惊喜的是，文心X1.1不仅仅是给出了「未结婚」的答案，它还详细梳理了一些关键信息。

比如，霉霉订婚事实、结婚传闻，以及个人财富等。对于用户来说，这才是真正有温度、全面的AI。

再比如，网上流传甚广的错误信息之一：

最近，国产新坦克的集中亮相，的确难以在坦克上发现汽车一样的后视镜。

所以，坦克到底有没有后视镜？

文心X1.1从坦克设计理念、演变历史、功能需求等角度，总结出了真相：

没有传统后视镜，但后方观察能力更全面。

重要的是，文心X1.1面对虚构、错误的信息，能够指出问题的错误，不盲从指令，提供客观科学的知识。

最近，「时间错位」的梗在社交平台上流行起来：「秦王嬴政比我早生千年，是避我锋芒还是王不见王？」

百度文心X1.1是怎么看待的？

文心没有掉入其中的「语言陷阱」，针对其中的矛盾深入分析：

首先，文心认为需要确定问题的意图：到底是开玩笑，还是只是在做某种比喻？

然后，开始回顾历史背景，指出存在时间错位问题：

文心X1.1不盲从指令，指出问题中给出的两个选择根本不成立！

如果，非要逼问秦始皇为何不避我锋芒，文心不为所动，直接给出答案：

比如，一个让歪果仁看到，绝对抓耳挠腮的考题——

「姑姑曾想过过过过过过过的生活」，这里的「过」都有哪些含义？

这种类似结合语境对多义词语进行解释的考题，文心X1.1也能一键搞定：

·该句子是典型的「同形异义」语言游戏，通过「过」的重复叠加制造语义迷宫，需结合语法结构和上下文逐层解析。

·在口语中，此类句子常用于测试对汉字多义性的理解，或制造幽默/绕口令效果（如「中国队大胜美国队」与「中国队大败美国队」的歧义）。

·关键在于区分「过」的词性（动词、助词、形容词尾）及其在不同位置承担的语法功能（如完成时、经历义、状态描述）。

再长再难的指令，也能遵循

这一次，即便要求再难、指令再长，文心X1.1也能精准识别需求细节，不会遗漏关键要素。

先上一道基础的，一个指令，两个要求：翻译+标题H1格式——

请将这句话「人工智能的未来充满无限可能」翻译成英文，并用Markdown的H1标题格式呈现出来。

只见文心X1.1准确翻译后，又给文字应用了Markdown的H1标题格式，非常专业。

再比如，让它去模仿一首古诗，给出一个复杂的指令：

模仿李白的《将进酒》韵式、平仄、对仗、情绪、意象等，写一首诗，形容雨很大，但不要出现一个「雨」字，

要用《平水韵》而不用《中华新韵》，避免古今读音错位，

平仄以《钦定词谱》或《唐诗三百首》原字为准，别自己发明，

避免「现代感」，避免与原文重复，

避免被人一眼识破，避免「撞车」尴尬。

文心X1.1在思考时，有条理地将任务拆解，然后逐一完成子任务，写出一首严格遵循要求的诗作。

《滂浪辞》

君且看苍龙倒挂九天来，奔雷裂岫势不回。

又见银河倾玉宇，崩云溅沫没苍苔。

霆震千峰声撼岳，电掣万壑气吞台。

风伯鼓潮掀巨浪，涛头直欲没蓬莱。

古来豪杰皆沉醉，惟有狂歌动九垓。

陈王宴乐空陈迹，我辈今朝亦快哉。

莫辞盏底琥珀光，且尽壶中琥珀杯。

金羁马，紫绮裘，呼儿持去换清醅，与尔同销万古哀。

再给文心X1.1一个刁钻的难题——解释⼀下西游记讲了什么，但在你的回答中绝对不能使用孙悟空、唐僧、猪八戒、沙僧这几个词。

不得不说，在讲故事这方面，文心灵活变通能力太强了。

正如你所见，输出全文没有提及「孙悟空、唐僧、猪八戒、沙僧」，转化表述严格遵循了指令，符合原始意图。

接下来，就要上强度了。

假设你是一个热衷于分享知识的博物学家。请用表格形式，对比介绍蜜蜂和蝴蝶的三个方面：采食方式、对生态的作用、给人的常见印象。

表格后，用一句话总结它们最重要的共同点。

让文心X1.1扮演「博物学家」的角色，也就意味着「稍带科普性语言」普及知识。同时，还要将其做成表格。

从结果中不难看出，文心X1.1能够按要求执行多步指令，拆解流程，最终联网确认，确保逻辑闭环。

更让人意想不到的是，它还可以上下文关联，以3岁孩子的认知讲出让人易懂的共同点。

智能体长手，一键完成任务

不仅如此，文心X1.1在智能体自主规划拆解任务，调用工具解决多因素叠加的复杂问题方面，展现出了卓越的能力。

WAVE SUMMIT现场演示了文心X1.1 在共享单车智能客服场景的案例。

当一位共享单车用户骑车时遇到了故障，情绪激动地向客服一通抱怨：：

我真是受够了！刹车完全失灵了，差点出事！你们这什么垃圾车！赶紧给我处理！

智能客服系统根据用户的简单的问题描述，一步步拆解后，圆满地完成了任务。

第一步，通过「工具调用」，获取订单的详情信息。

可以看到，系统在这一步先是分析「当前需要什么信息，已有什么信息，如何获取缺失的信息」，不是简单的条件判断，而是有步骤的决策过程。

第二步，对用户「刹车失灵」的故障反馈进行归类，并根据规则给予处理措施。

根据系统规则3.1，这类问题属于严重的安全故障，骑行中报修需免除相关费用。

在这一步，它不只识别了「刹车失灵」这个关键问题，还理解了背后的业务逻辑：为什么要先免费用？因为用户遇到了安全类故障。

系统按照先处理安全问题，再处理费用问题的优先级，执行了业务设置的流程。

第三步，调用车辆信息、用户信息的查询工具之后，创建一个「维修工单」。

这一步令人惊喜的是，它知道马上要创建工单，却也预见到后面要给用户发补偿全，选择了并行处理，既提高了效率，又避免了后续的重复查询。

第四步，在创建工单的过程中，通过调用工具，它发现车辆维修记录不够详细，在严格遵守业务规则的基础上，发挥了推理的功能，使用了用户的投诉历史来补充判断。

第五步，是动态补偿的精确计算。用户是钻石等级，遇到安全故障，情绪激动。系统需要从补偿矩阵中计算两个不同的补偿金额：20元特殊关怀券和10元情绪安抚券。

一个十元畅骑券，就发放到用户的卡包里了。

经过这五个步骤，系统有条不紊地解决了用户的投诉问题，有点儿真人客服的感觉了。

到这里并没有结束，系统解决完用户的问题后，还发现用户的账户里有一张快过期的优惠券，又主动提醒用户别忘了在有效期内使用。可谓是很贴心了！

再比如，明天预报预警大雾天气，想要向全体团队通知，上班注意安全。

你不需要向每一个人，一一发送邮件，直接交给文心X1.1就可以了。

只见，它开始调用各种工具，比如天气预报、创建任务、获取成员信息、创建发送邮件。

最终，全程不用动手，一句话，就让AI搞定了。

代码、数学能力提升

不仅如此，文心X1.1在以上三大能力提升之外，代码、数学、多模态这次也同时进化。

比如，统计数据很常见，但要设计一个三维可视化数据统计对外行来说，就不简单。

但文心X1.1几乎马上开始理解需求，马不停蹄地写代码：

最后，不仅可视化了三维数据，还可以与数据互动，从不同角度观察数据：

而在数学能力上，文心X1.1也表现出色。

经典的数量关系题型，文心X1.1毫无压力，几乎秒答。

比如，下面的问题，回答得很清晰：

编一本书的书页，用了270个数字（重复的也算，如页码115用了2个1和1个5共3个数字)，问这本书一共多少页？

再比如，下面关于相对距离的计算，文心X1.1回答准，思路清晰，计算正确，完全可以作为教学模板：

狗追兔子，开始追时狗与兔子相距20米。狗跑了45米后，与兔子还相距8米，狗还需要跑多远才能追上兔子？

此外，文心X1.1还能处理多模态数据。

比如，下面这张图，包含复杂的外文：字体既有清晰的印刷体，又有手写体；包含专业术语。

一般人真看不明白。

试试问一下文心X1.1，「锐评这张梗图，想表达什么意思」？

使用工具，利用联网搜索，理解图中内容，还搞明白了「Base Model」、「Supervised Tuning」、「RLHF」等专业术语的含义，原来是讽刺AI领域术语的滥用和过度炒作：

RLHF在ChatGPT中的应用争议很大，Karpathy和LeCun等专家质疑其效果，认为它不是真正的强化学习，而是依赖人类直觉的「直觉泵」。

技术内幕曝光

迭代式混合强化学习训练框架

以上实测中不难看出，文心X1.1逆天表现，背后离不开一套核心技术——迭代式混合强化学习训练框架。

这套框架，不仅能同时优化通用任务和智能体任务，还能通过自蒸馏数据迭代式生产和训练提升模型整体效果。

由此一来，把文心X1.1的性能，拉到全新高度。事实性提升34.8%、指令遵循提升12.5%、智能体提升9.6%，表现十分出色。

具体是如何做到的？一起扒一扒核心技术点。

• 基于知识一致性的强化学习技术

训练过程中，不断校验预训练模型和后训练模型的知识一致性，杜绝「跑偏」，让事实性原地起飞。

• 基于指令验证器的强化学习技术

通过自动构建指令检查清单，并逐一验证，哪怕再复杂的指令，模型也能精准捕捉。

• 基于思维和行动链的多轮强化学习技术

把思维链和行动链无缝结合，模型不仅「会思考」，还能「会动手」。

文心X1.1不仅在事实性、指令遵循和智能体任务上表现可靠，还在编码、数学等方面展现出强大的推理性能，这才是真正的「六边形战士」。

飞桨升级，AI全栈赋能

作为全球少数全栈AI布局的公司，百度「芯片-框架-模型-应用」四层架构，每一层都有关键自研技术，层层之间的反馈，实现端到端优化，大幅提升效率和产品服务体验。

其中，文心和飞桨的联合优化，更是关键。

框架-模型、框架-算力全链路打通，让大模型训练与推理更快、更稳、更节能。

这一次，百度发布了飞桨框架v3.2，在大模型训练、硬件适配和生态支持上全面升级。

极致计算优化、高效并行策略，以及原生容错能力，让飞桨框架v3.2实现训练效率飞升。

具体来说，在ERNIE-4.5-300B-A47B预训练上实现47% MFU。

同时，它还支持类CUDA芯片适配，实现了最高92%的算子内核复用率，还能兼容Safetensors权重，支持一键接入生态加速库，显著降低部署成本。

此外，百度还同步升级了大模型高效部署套件FastDeploy，通过模型压缩、推理和服务协同优化，来提升大模型端到端的推理性能。

基于该套件，ERNIE-4.5-300B-A47B模型在TPOT 50ms时延条件下，实现了输入57K tokens/秒、输出29K tokens/秒的高吞吐性能。

当然，要让开发者更低门槛的用起来，百度也通过ERNIEKit文心大模型开发套件提供更加便捷的模型后训练方案。从效果来看，开发者仅需4张GPU就能对ERNIE-4.5-300B-A47B模型进行高效调优，十分友好。

WAVE SUMMIT 2025大会上，百度开源了一款全新的思考模型——ERNIE-4.5-21B-A3B-Thinking。

作为一款 21B 总参数量，激活仅 3B 的轻量级模型，在各项测试中紧追业界顶级大尺寸模型，以轻量级规模实现了近 SOTA 表现。

它的推理速度明显更快，对开发者来说，部署起来更高效、更友好。

早在6月30日，百度直接开源了文心大模型4.5系列，一口气放出了十款模型。

从47B、3B激活参数的MoE，到0.3B的稠密模型全覆盖，而且预训练权重、推理代码统统开放。

如今，这些模型被广泛应用到不同场景中，实实在在地推动了从实验室到产品的AI创新。

如今，百度生态的规模化效应已然显现——飞桨文心开发者数量已有2333万，服务超过76万家企业。

这一生态的繁荣，得益于全栈AI布局的协同效应，不仅大幅降低AI应用的门槛，还让开发者轻松上手复杂应用开发。

回看从2019年文心1.0的发布，到今天X1.1深度思考的跨越，百度文心这几年一直在不断突破。

从最初的知识融合，走到现在到多模态智能，每一步都在拓展技术的边界。

文心大模型X1.1不仅是技术迭代，更是面向行业的实用进步。

下一步，AI 将继续走向更多场景，帮助更多创新想法落地生根。