网易首页 > 网易号 > 正文 申请入驻

孙天祥接手四个月,文心大模型有了一些新动作:Flash 模型先上桌,再下注 RSI

0
分享至


11 月 12 日的百度世界大会上,孙天祥第一次以百度基础模型研发部负责人的身份公开亮相。

他上台介绍了文心 5.5 Flash Preview,先拿模型名字开了个玩笑:「这个模型名还是有点长,念起来稍微有点麻烦,我们正在努力,尽快把 Preview 的尾缀去掉。」

这还不算最终版本,模型仍在打磨。过去一周,百度已经连续放出了几项进展。11 月 5 日,开源文心 5.5 Flash Base。11 月 9 日,公开用于自动优化模型研发的 ERNIE Evolve。11 月 11 日,基于 Base 进行后训练得到的文心 5.5 Flash Preview 上线千帆,目前还上线了 OpenRouter,正在限免体验中。

今年 7 月,1997 年出生的孙天祥正式加入百度,担任基础模型研发部负责人,同时进入百度模型委员会。在复旦大学读博期间,他曾主导研发国内首个公开内测的类 ChatGPT 对话大模型 MOSS,也较早在国际上提出「语言模型即服务(LMaaS)」和模型低成本调优。博士毕业后,他创办了日行迹智能,研究方向是用 AI 来做 AI 研究。

接手文心四个月,孙天祥没有急着拿一个旗舰模型去回答「文心还能不能打」。但这一轮动作,至少踩在了当下的几个关键方向上。先在开发者用得最多、竞争也最激烈的 Flash 档位争取上桌,同时开始往 RSI 这个前沿方向下注。

⬆️关注 Founder Park,最及时最干货的创业分享

01

Flash 这一档,争取先上桌

文心 5.5 Flash Preview 是一个 MoE 模型,总参数 2800 亿,每个 Token 激活 140 亿参数,支持 100 万 Token 上下文,生成速度超过每秒 200 Token。

这个参数区间,是今年开源模型竞争最激烈的位置。DeepSeek-V4-Flash、腾讯 Hy3-preview、小米 MiMo-V2.5 都在相近的尺寸。百度公布的数据显示,文心 5.5 Flash Base 在知识、推理、数学和代码等多项基准测试上,拿到了同尺寸基座模型的 SOTA。


Flash 已经是模厂绕不开的一档。中等规模的 MoE 模型,在迭代速度、验证成本和实际使用价值之间最容易找到平衡。它的总参数量足够大,能在 Agent 任务上和头部模型同台比较。激活参数又足够小,训练和推理成本更可控。

这一档也更接近开发者和创业公司真正会考虑的部署区间。一个 Agent 产品真正跑起来,一次任务往往要调用模型几十到上百次,单次调用的速度和成本会被成倍放大。所以 Flash 模型拼的不只是能力,还有效率。

这次文心 5.5 Flash 架构上的改动,基本也围绕着效率展开。面对上下文更长、输出更多、运行时间更久的 Agent 任务,速度、显存和 Token 成本都要一起考虑。

注意力机制上,文心 5.5 Flash 采用了混合稀疏注意力。大部分层读取压缩后的历史信息,少数层保留对完整上下文的访问,长上下文场景下能省下不少显存。

专家路由上,团队发现传统 MoE 靠单个路由器给专家打分,这个分数和专家的实际作用只是弱相关,于是改成多个路由器共同决策。同样的激活量下,专家选得更准。

解码阶段用的是百度自己设计的 ECHO 多 Token 预测。训练时,让模型复用最后一层,一次预测后续多个 Token。推理时,这一层可以先起草多个候选 Token,再由主模型一起验证,减少逐字生成的等待时间。


这几项技术最后落到两个最直接的指标上,一是每秒生成超过 200 Token,二是更低的调用价格。按千帆公布的标价,文心 5.5 Flash Preview 每百万 Token 输入忙时 2 元、闲时 1 元,输出忙时 8 元、闲时 4 元,目前还在限时五折。

孙天祥对它的定位是,一款真正称得上 Flash、真正普惠的模型。

这次的发布方式,也和文心以往的节奏不太一样。一周之内,百度先开源了 Base,再上线 Preview。Base 是完成预训练、尚未经历中后训练的底座。开发者可以在此基础上继续做指令微调、强化学习和行业训练。Preview 则是这个底座进入后训练后的第一个版本,开始具备指令遵循、工具调用和长程任务执行能力。

目前,Base 权重已经在 Hugging Face 和 ModelScope 开放,vLLM、SGLang 也提供了部署支持。Preview 仍以 API 形式上线,百度计划在 11 月 25 日发布权重。

从 MOSS 开始,开源就一直是孙天祥职业经历里的一条主线。对那些手里有数据和场景,需要私有化部署或继续训练的团队来说,Base 意味着又多了一个可以自己动手改造的基座。

02跑分还不算「全面领先」,重点放在了「干长活」上

介绍模型能力时,孙天祥先说了一句「按照行业规范先看 Benchmark」,随后只用几句话就带过了跑分。

从百度公布的八项评测来看,文心 5.5 Flash Preview 拿到了两个第一。

它在企业业务流评测集 AutomationBench 上得到 61.9 分,高于 Claude Opus 5.5 的 58.0 分和 DeepSeek V4.1 Flash 的 57.2 分。在考察复杂表格操作的 SpreadsheetBench V2 上得到 36.4 分,也略高于 Claude Opus 5.5 的 35.1 分。

但它并没有在所有项目上领先。在评测真实终端操作的 Terminal-Bench 4.0 上,文心 5.5 Flash Preview 拿到 46.5 分,低于 Claude Opus 5.5 和 GPT-6.1 Sol。在软件工程评测 DeepSWE v1.1 上,文心为 71.2 分,排在 DeepSeek V4.1 Flash 和海外旗舰模型之后。


综合来看,这组成绩还谈不上「全面领先」,更适合用「坐上了前沿模型的牌桌」来形容。自动化办事和表格任务是它的强项,到了终端操作和复杂的软件工程,和最头部的模型还有距离。

百度这次花更多篇幅展示的,是模型怎么从头到尾做完一个项目。

孙天祥在台上重点演示了 3D 建模。他的理由是,这项任务既考验模型的编程能力,又考验模型调用工具、执行长程任务的能力,还考验模型的创造力。

比如在一个机场与客机的 3D 建模项目中,两个由文心 5.5 Flash Preview 驱动的 Agent 分工协作。一个负责机场,自己去地图平台检索矢量数据,按需下载植物、车辆和地面服务设备等素材,再用 Blender Python API 搭出航站楼和飞行区。另一个负责飞机,从截面放样开始建出机身、机翼、驾驶舱、双层客舱和货舱。最后,两个 Agent 还要统一比例、位置和镜头,逐帧渲染,再用 FFmpeg 剪出视频。

另一个游戏开发案例跑得更久。在一次持续 11 小时的任务里,模型把来自多个版本 Unreal Engine 的素材合进同一个 UE 5.8 项目,用 C++ 写完了整款武侠游戏。文心 5.5 Flash Preview 本身是纯文本模型,不能直接「看」屏幕。模型就把试玩中发现的人物悬空、跑动方向错误、镜头位置不对等问题,转成了可以用代码检查的测试,再不断修正。

这种工作方式,比单次生成一段代码更接近真实开发。模型除了会写代码,还要能拆任务、维护状态、调用外部工具,在出错之后继续往下走。

这也是今年行业里越来越明确的一个方向。模型后训练的重心,正在从单纯堆语料规模转向训练环境的规模和质量。谁能搭出更多真实、可验证的任务环境,谁的 Agent 能力就更扎实。

文心这次给出的环境数据,在国内厂商里算是比较具体的。对正在做游戏、3D、视频或金融法律类 Agent 产品的团队来说,这几个专项训练过的场景,值得拿真实任务去测一测。

03开始试水 RSI,让模型参与「造模型」

在文心 5.5 Flash 的发布里,有一条容易被 Demo 盖过去的线。这款模型的一部分推理优化,是由另一个 AI 系统做出来的。

11 月 9 日,百度文心首次公开了在 RSI 方向上的进展,推出了一套叫 ERNIE Evolve 的自动研究系统。

这套系统分为内外两层循环。外层负责决定「研究什么」,参考历史实验结果和已有知识提出新方向,同时安排多条研究线并行探索。内层负责「怎么做好」,围绕具体方向反复修改代码、跑评测、积累经验。

系统内部由多个 Agent 分工,有的选方向、定目标、改代码,有的做评估和审查。只有通过独立评估和审查的改动,才会被保留下来。

百度把它用在了文心 5.5 Flash 的三个真实研发任务上。

在已经被工程师优化过的 GPU 确定性推理系统中,ERNIE Evolve 用约三天时间把吞吐提升了 33.7%,将平均每个输出 Token 的耗时降低 26%,首 Token 延迟也降低了 12%。在昆仑芯 P800 的低时延推理场景中,官方给出的提升更大,最终生成速度达到原基线的 623.6%。

第三项任务是继续压榨单请求解码速度。这个系统此前已经由人类工程师专门优化过,剩余改动的单项收益往往只有零点几个百分点,甚至小于测试波动。ERNIE Evolve 一共探索了 7 个方向,其中 3 个带来有效提升,最终又把解码速度提高了 14.9%。

按照官方规划,这套循环下一步会扩展到训练系统优化。再往后,会用模型能力指标来驱动自动化的假设生成和实验设计,甚至去改进评测本身。如果这条路走得通,被加速的就不只是文心的推理速度,还有整个模型的迭代节奏。

用 AI 自动化改进 AI 研发,也是今年国内外前沿实验室都在探索的方向。这条线和孙天祥过去的经历恰好接得上。

他在日行迹智能做过一个全自动研究系统 FARS,今年 2 月还做了一场持续 228 小时的直播,期间自主完成了 100 篇论文,研究对象主要就是 AI 本身。FARS 让 AI 自己选题、跑实验、写论文,ERNIE Evolve 让 AI 自己找瓶颈、改代码、跑测试。

再回头看孙天祥在百度交出的第一份答卷,拼图就显得相对完整了。开源 Base,提供一个可以继续训练的底座。用后训练把模型推向 Agent 和专业工作。再让自动研究系统参与优化推理效率。

文心能不能借此回到模型竞争的最前排,还要看接下来几个版本的表现。但至少在过去这一周,换帅后的文心先把自己的新节奏打了出来。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
APEC会后直奔大湾区,越南领导人喊话:非常欢迎中国高科技赴越

APEC会后直奔大湾区,越南领导人喊话:非常欢迎中国高科技赴越

南宗历史
2026-11-19 01:57:42
俄罗斯目标实现?美俄48分钟谈完,普京心情极佳,微笑挥手不简单

俄罗斯目标实现?美俄48分钟谈完,普京心情极佳,微笑挥手不简单

阿筀田间生活
2026-11-19 22:06:00
领先16分险被逆转,广东男篮险胜浙江,徐杰28+4+9+3,阿祖布克9+9

领先16分险被逆转,广东男篮险胜浙江,徐杰28+4+9+3,阿祖布克9+9

中国篮坛快讯
2026-11-19 21:57:16
大家今年都“穷”到什么程度了?网友评论区堪比大型“比惨”现场

大家今年都“穷”到什么程度了?网友评论区堪比大型“比惨”现场

夜深爱杂谈
2026-10-20 20:22:43
何鸿燊晚年与四太的留影,满是温情

何鸿燊晚年与四太的留影,满是温情

娱你同欢
2026-11-19 22:04:25
斯内德:曾以为无法击败巴萨,穆里尼奥让我们改变了想法

斯内德:曾以为无法击败巴萨,穆里尼奥让我们改变了想法

懂球帝
2026-11-19 02:26:08
供应商快被拖死了,工信部出手,点名17家车企,欠款不能不还,更不能一拖再拖了

供应商快被拖死了,工信部出手,点名17家车企,欠款不能不还,更不能一拖再拖了

王新喜
2026-11-18 12:06:06
APEC不能破例!外宾安保想搞特殊?中国可一票否决,美国也要服从

APEC不能破例!外宾安保想搞特殊?中国可一票否决,美国也要服从

铁锤侃侃而谈
2026-11-18 14:42:04
国家税务总局规定:2026年11月1日起全国加油站全面推行,以后去加油站加油,加完油系统自动给你开电子发票

国家税务总局规定:2026年11月1日起全国加油站全面推行,以后去加油站加油,加完油系统自动给你开电子发票

扶苏聊历史
2026-10-09 10:45:34
一万年后的人类长什么样?看完模拟图,简直让人难以置信

一万年后的人类长什么样?看完模拟图,简直让人难以置信

优趣纪史记
2026-11-02 16:35:45
离称霸,字节只差一个聊天软件了!

离称霸,字节只差一个聊天软件了!

城事堂
2026-11-17 14:09:44
安倍怕是要气得从坟里爬出来。真的。他老婆安倍昭惠,在他走后,小日子过得那叫一个滋润。

安倍怕是要气得从坟里爬出来。真的。他老婆安倍昭惠,在他走后,小日子过得那叫一个滋润。

回京历史梦
2026-11-05 00:00:04
别人问你退休金,记住一条铁律:先别报数,先说这 1 句

别人问你退休金,记住一条铁律:先别报数,先说这 1 句

普陀动物世界
2026-11-18 05:34:36
当年为什么查办褚时健?

当年为什么查办褚时健?

百晓生谈历史
2025-08-20 21:55:53
中国首富张一鸣建议公司员工,不要住在城乡结合部,应该全部住在北京市区,哪怕房子小点,省下的时间可以健身读书看电影!

中国首富张一鸣建议公司员工,不要住在城乡结合部,应该全部住在北京市区,哪怕房子小点,省下的时间可以健身读书看电影!

财经要参
2026-11-09 12:00:05
今天,A股一个数据追平历史纪录——道达投资手记

今天,A股一个数据追平历史纪录——道达投资手记

每日经济新闻
2026-11-19 18:28:02
多地启动责任倒查:追溯历史旧账,追责考虑当时实际情况!

多地启动责任倒查:追溯历史旧账,追责考虑当时实际情况!

职场资深秘书
2026-11-19 19:32:06
一文读懂美俄元首访华差距:专机是面子,运输机搞后勤才是里子

一文读懂美俄元首访华差距:专机是面子,运输机搞后勤才是里子

装甲铲史官
2026-11-17 10:24:38
身价4000万!皇马20岁中锋考虑离开 3队瞩目 穆帅不愿放人

身价4000万!皇马20岁中锋考虑离开 3队瞩目 穆帅不愿放人

叶青足球世界
2026-11-19 08:55:35
懂球帝前方报道丨国安赛前踩场:张玉宁、林良铭、邓捷夫慢跑

懂球帝前方报道丨国安赛前踩场:张玉宁、林良铭、邓捷夫慢跑

懂球帝
2026-11-19 19:45:32
2026-11-19 23:32:49
FounderPark incentive-icons
FounderPark
关注AI创业,专注和创业者聊真问题
1330文章数 163关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

家居
数码
健康
亲子
房产

家居要闻

2026建博会(广州) 公装联探展交流活动

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

医生眼里"很伤腰"的椅子,很多人天天坐

亲子要闻

宝宝气人但是聪明的4个行为

房产要闻

6.6亿!海口卖地!

无障碍浏览 进入关怀版