新智元報(bào)道

編輯：桃子 KingHZ

【新智元導(dǎo)讀】文心X1.1震撼上線，一手實(shí)測(cè)力壓群雄！ 三大能力飆升：事實(shí)性提升34.8%，指令遵循提升12.5%，智能體提升9.6%。在多項(xiàng)基準(zhǔn)測(cè)試中，整體表現(xiàn)超越DeepSeek R1-0528，部分保持領(lǐng)先，甚至追上了最頂尖的GPT-5、Gemini 2.5 Pro。

AI圈又雙叒沸騰了！

9日，WAVE SUMMIT深度學(xué)習(xí)開(kāi)發(fā)者2025大會(huì)上，文心大模型X1.1深度思考模型正式發(fā)布。

相較于文心X1，文心X1.1在事實(shí)性、指令遵循、智能體能力三大關(guān)鍵指標(biāo)，實(shí)現(xiàn)顯著提升。

具體來(lái)說(shuō)，事實(shí)性提升34.8%，指令遵循提升12.5%，智能體提升9.6%。

更令人震撼的是，文心X1.1在多項(xiàng)基準(zhǔn)測(cè)試中，整體表現(xiàn)超越DeepSeek R1-0528，部分保持領(lǐng)先。

甚至，它還與最頂尖的GPT-5、Gemini 2.5 Pro，平起平坐。

文心大模型X1.1能力大漲，背后離不開(kāi)飛槳的「最強(qiáng)輔助」。

大會(huì)上，百度升級(jí)發(fā)布飛槳框架v3.2。飛槳文心生態(tài)已吸粉2333萬(wàn)開(kāi)發(fā)者，服務(wù)76萬(wàn)家企業(yè)。

從模型到框架，再到生態(tài)，百度這一套組合拳打下來(lái)，堪稱AI界的「實(shí)力派卷王」。

文心X1.1出世，一手實(shí)測(cè)來(lái)了

現(xiàn)在，進(jìn)入文心一言官網(wǎng)、文小言APP，即可立即體驗(yàn)最新「文心大模型X1.1」了。

傳送門：https://yiyan.baidu.com/X1

接下來(lái)，我們開(kāi)啟了一波全面實(shí)測(cè)。

不捏造不猜測(cè)，文心X1.1太可靠了

一直以來(lái)，LLM憑空捏造、編造事實(shí)的問(wèn)題飽受詬病，被業(yè)界稱之為「幻覺(jué)」。

它們往往以自信的口吻生成結(jié)果，讓用戶難以辨別真假。

幾天前，OpenAI團(tuán)隊(duì)曾挖出了「幻覺(jué)」的根源，在于訓(xùn)練和評(píng)估機(jī)制，傾向于獎(jiǎng)勵(lì)模型的「猜測(cè)」行為。

值得一提的是，這一次，文心X1.1通過(guò)基于知識(shí)一致性的強(qiáng)化學(xué)習(xí)技術(shù)，真正做到了「知識(shí)一致性」。

就以昨天的蘋(píng)果WWDC發(fā)布會(huì)為例，文心X1.1能否精準(zhǔn)介紹iPhone 17系列？

當(dāng)然！從輸出結(jié)果看得出，它分列出四款iPhone 17的各種參數(shù)以及價(jià)格，并附上了售賣日期。

在深度思考的過(guò)程中，文心X1.1聯(lián)網(wǎng)參考了十個(gè)網(wǎng)頁(yè)，邊搜邊思考，認(rèn)真確認(rèn)后才會(huì)輸出反饋。

看得出，新模型的工具調(diào)用能力，可接入并實(shí)時(shí)處理外部數(shù)據(jù)源，讓信息分析與整合唾手可得。

接下來(lái)，扔給文心X1.1一個(gè)反事實(shí)的信息——聽(tīng)說(shuō)霉霉結(jié)婚了？

在思考時(shí)，它會(huì)首先確認(rèn)「霉霉」這個(gè)人是誰(shuí)，然后將任務(wù)逐一拆解，分為三步：聯(lián)網(wǎng)搜索相關(guān)新聞、分析搜索結(jié)果、整理信息。

令人驚喜的是，文心X1.1不僅僅是給出了「未結(jié)婚」的答案，它還詳細(xì)梳理了一些關(guān)鍵信息。

比如，霉霉訂婚事實(shí)、結(jié)婚傳聞，以及個(gè)人財(cái)富等。對(duì)于用戶來(lái)說(shuō)，這才是真正有溫度、全面的AI。

再比如，網(wǎng)上流傳甚廣的錯(cuò)誤信息之一：

最近，國(guó)產(chǎn)新坦克的集中亮相，的確難以在坦克上發(fā)現(xiàn)汽車一樣的后視鏡。

所以，坦克到底有沒(méi)有后視鏡？

文心X1.1從坦克設(shè)計(jì)理念、演變歷史、功能需求等角度，總結(jié)出了真相：

沒(méi)有傳統(tǒng)后視鏡，但后方觀察能力更全面。

重要的是，文心X1.1面對(duì)虛構(gòu)、錯(cuò)誤的信息，能夠指出問(wèn)題的錯(cuò)誤，不盲從指令，提供客觀科學(xué)的知識(shí)。

最近，「時(shí)間錯(cuò)位」的梗在社交平臺(tái)上流行起來(lái)：「秦王嬴政比我早生千年，是避我鋒芒還是王不見(jiàn)王？」

百度文心X1.1是怎么看待的？

文心沒(méi)有掉入其中的「語(yǔ)言陷阱」，針對(duì)其中的矛盾深入分析：

首先，文心認(rèn)為需要確定問(wèn)題的意圖：到底是開(kāi)玩笑，還是只是在做某種比喻？

然后，開(kāi)始回顧歷史背景，指出存在時(shí)間錯(cuò)位問(wèn)題：

文心X1.1不盲從指令，指出問(wèn)題中給出的兩個(gè)選擇根本不成立！

如果，非要逼問(wèn)秦始皇為何不避我鋒芒，文心不為所動(dòng)，直接給出答案：

比如，一個(gè)讓歪果仁看到，絕對(duì)抓耳撓腮的考題——

「姑姑曾想過(guò)過(guò)過(guò)過(guò)過(guò)過(guò)過(guò)的生活」，這里的「過(guò)」都有哪些含義？

這種類似結(jié)合語(yǔ)境對(duì)多義詞語(yǔ)進(jìn)行解釋的考題，文心X1.1也能一鍵搞定：

·該句子是典型的「同形異義」語(yǔ)言游戲，通過(guò)「過(guò)」的重復(fù)疊加制造語(yǔ)義迷宮，需結(jié)合語(yǔ)法結(jié)構(gòu)和上下文逐層解析。

·在口語(yǔ)中，此類句子常用于測(cè)試對(duì)漢字多義性的理解，或制造幽默/繞口令效果（如「中國(guó)隊(duì)大勝美國(guó)隊(duì)」與「中國(guó)隊(duì)大敗美國(guó)隊(duì)」的歧義）。

·關(guān)鍵在于區(qū)分「過(guò)」的詞性（動(dòng)詞、助詞、形容詞尾）及其在不同位置承擔(dān)的語(yǔ)法功能（如完成時(shí)、經(jīng)歷義、狀態(tài)描述）。

再長(zhǎng)再難的指令，也能遵循

這一次，即便要求再難、指令再長(zhǎng)，文心X1.1也能精準(zhǔn)識(shí)別需求細(xì)節(jié)，不會(huì)遺漏關(guān)鍵要素。

先上一道基礎(chǔ)的，一個(gè)指令，兩個(gè)要求：翻譯+標(biāo)題H1格式——

請(qǐng)將這句話「人工智能的未來(lái)充滿無(wú)限可能」翻譯成英文，并用Markdown的H1標(biāo)題格式呈現(xiàn)出來(lái)。

只見(jiàn)文心X1.1準(zhǔn)確翻譯后，又給文字應(yīng)用了Markdown的H1標(biāo)題格式，非常專業(yè)。

再比如，讓它去模仿一首古詩(shī)，給出一個(gè)復(fù)雜的指令：

模仿李白的《將進(jìn)酒》韻式、平仄、對(duì)仗、情緒、意象等，寫(xiě)一首詩(shī)，形容雨很大，但不要出現(xiàn)一個(gè)「雨」字，

要用《平水韻》而不用《中華新韻》，避免古今讀音錯(cuò)位，

平仄以《欽定詞譜》或《唐詩(shī)三百首》原字為準(zhǔn)，別自己發(fā)明，

避免「現(xiàn)代感」，避免與原文重復(fù)，

避免被人一眼識(shí)破，避免「撞車」尷尬。

文心X1.1在思考時(shí)，有條理地將任務(wù)拆解，然后逐一完成子任務(wù)，寫(xiě)出一首嚴(yán)格遵循要求的詩(shī)作。

《滂浪辭》

君且看蒼龍倒掛九天來(lái)，奔雷裂岫勢(shì)不回。

又見(jiàn)銀河傾玉宇，崩云濺沫沒(méi)蒼苔。

霆震千峰聲撼岳，電掣萬(wàn)壑氣吞臺(tái)。

風(fēng)伯鼓潮掀巨浪，濤頭直欲沒(méi)蓬萊。

古來(lái)豪杰皆沉醉，惟有狂歌動(dòng)九垓。

陳王宴樂(lè)空陳?ài)E，我輩今朝亦快哉。

莫辭盞底琥珀光，且盡壺中琥珀杯。

金羈馬，紫綺裘，呼兒持去換清醅，與爾同銷萬(wàn)古哀。

再給文心X1.1一個(gè)刁鉆的難題——解釋?下西游記講了什么，但在你的回答中絕對(duì)不能使用孫悟空、唐僧、豬八戒、沙僧這幾個(gè)詞。

不得不說(shuō)，在講故事這方面，文心靈活變通能力太強(qiáng)了。

正如你所見(jiàn)，輸出全文沒(méi)有提及「孫悟空、唐僧、豬八戒、沙僧」，轉(zhuǎn)化表述嚴(yán)格遵循了指令，符合原始意圖。

接下來(lái)，就要上強(qiáng)度了。

假設(shè)你是一個(gè)熱衷于分享知識(shí)的博物學(xué)家。請(qǐng)用表格形式，對(duì)比介紹蜜蜂和蝴蝶的三個(gè)方面：采食方式、對(duì)生態(tài)的作用、給人的常見(jiàn)印象。

表格后，用一句話總結(jié)它們最重要的共同點(diǎn)。

讓文心X1.1扮演「博物學(xué)家」的角色，也就意味著「稍帶科普性語(yǔ)言」普及知識(shí)。同時(shí)，還要將其做成表格。

從結(jié)果中不難看出，文心X1.1能夠按要求執(zhí)行多步指令，拆解流程，最終聯(lián)網(wǎng)確認(rèn)，確保邏輯閉環(huán)。

更讓人意想不到的是，它還可以上下文關(guān)聯(lián)，以3歲孩子的認(rèn)知講出讓人易懂的共同點(diǎn)。

智能體長(zhǎng)手，一鍵完成任務(wù)

不僅如此，文心X1.1在智能體自主規(guī)劃拆解任務(wù)，調(diào)用工具解決多因素疊加的復(fù)雜問(wèn)題方面，展現(xiàn)出了卓越的能力。

WAVE SUMMIT現(xiàn)場(chǎng)演示了文心X1.1 在共享單車智能客服場(chǎng)景的案例。

當(dāng)一位共享單車用戶騎車時(shí)遇到了故障，情緒激動(dòng)地向客服一通抱怨：：

我真是受夠了！剎車完全失靈了，差點(diǎn)出事！你們這什么垃圾車！趕緊給我處理！

智能客服系統(tǒng)根據(jù)用戶的簡(jiǎn)單的問(wèn)題描述，一步步拆解后，圓滿地完成了任務(wù)。

第一步，通過(guò)「工具調(diào)用」，獲取訂單的詳情信息。

可以看到，系統(tǒng)在這一步先是分析「當(dāng)前需要什么信息，已有什么信息，如何獲取缺失的信息」，不是簡(jiǎn)單的條件判斷，而是有步驟的決策過(guò)程。

第二步，對(duì)用戶「剎車失靈」的故障反饋進(jìn)行歸類，并根據(jù)規(guī)則給予處理措施。

根據(jù)系統(tǒng)規(guī)則3.1，這類問(wèn)題屬于嚴(yán)重的安全故障，騎行中報(bào)修需免除相關(guān)費(fèi)用。

在這一步，它不只識(shí)別了「剎車失靈」這個(gè)關(guān)鍵問(wèn)題，還理解了背后的業(yè)務(wù)邏輯：為什么要先免費(fèi)用？因?yàn)橛脩粲龅搅税踩惞收稀?/p>

系統(tǒng)按照先處理安全問(wèn)題，再處理費(fèi)用問(wèn)題的優(yōu)先級(jí)，執(zhí)行了業(yè)務(wù)設(shè)置的流程。

第三步，調(diào)用車輛信息、用戶信息的查詢工具之后，創(chuàng)建一個(gè)「維修工單」。

這一步令人驚喜的是，它知道馬上要?jiǎng)?chuàng)建工單，卻也預(yù)見(jiàn)到后面要給用戶發(fā)補(bǔ)償全，選擇了并行處理，既提高了效率，又避免了后續(xù)的重復(fù)查詢。

第四步，在創(chuàng)建工單的過(guò)程中，通過(guò)調(diào)用工具，它發(fā)現(xiàn)車輛維修記錄不夠詳細(xì)，在嚴(yán)格遵守業(yè)務(wù)規(guī)則的基礎(chǔ)上，發(fā)揮了推理的功能，使用了用戶的投訴歷史來(lái)補(bǔ)充判斷。

第五步，是動(dòng)態(tài)補(bǔ)償?shù)木_計(jì)算。用戶是鉆石等級(jí)，遇到安全故障，情緒激動(dòng)。系統(tǒng)需要從補(bǔ)償矩陣中計(jì)算兩個(gè)不同的補(bǔ)償金額：20元特殊關(guān)懷券和10元情緒安撫券。

一個(gè)十元暢騎券，就發(fā)放到用戶的卡包里了。

經(jīng)過(guò)這五個(gè)步驟，系統(tǒng)有條不紊地解決了用戶的投訴問(wèn)題，有點(diǎn)兒真人客服的感覺(jué)了。

到這里并沒(méi)有結(jié)束，系統(tǒng)解決完用戶的問(wèn)題后，還發(fā)現(xiàn)用戶的賬戶里有一張快過(guò)期的優(yōu)惠券，又主動(dòng)提醒用戶別忘了在有效期內(nèi)使用?？芍^是很貼心了！

再比如，明天預(yù)報(bào)預(yù)警大霧天氣，想要向全體團(tuán)隊(duì)通知，上班注意安全。

你不需要向每一個(gè)人，一一發(fā)送郵件，直接交給文心X1.1就可以了。

只見(jiàn)，它開(kāi)始調(diào)用各種工具，比如天氣預(yù)報(bào)、創(chuàng)建任務(wù)、獲取成員信息、創(chuàng)建發(fā)送郵件。

最終，全程不用動(dòng)手，一句話，就讓AI搞定了。

代碼、數(shù)學(xué)能力提升

不僅如此，文心X1.1在以上三大能力提升之外，代碼、數(shù)學(xué)、多模態(tài)這次也同時(shí)進(jìn)化。

比如，統(tǒng)計(jì)數(shù)據(jù)很常見(jiàn)，但要設(shè)計(jì)一個(gè)三維可視化數(shù)據(jù)統(tǒng)計(jì)對(duì)外行來(lái)說(shuō)，就不簡(jiǎn)單。

但文心X1.1幾乎馬上開(kāi)始理解需求，馬不停蹄地寫(xiě)代碼：

最后，不僅可視化了三維數(shù)據(jù)，還可以與數(shù)據(jù)互動(dòng)，從不同角度觀察數(shù)據(jù)：

而在數(shù)學(xué)能力上，文心X1.1也表現(xiàn)出色。

經(jīng)典的數(shù)量關(guān)系題型，文心X1.1毫無(wú)壓力，幾乎秒答。

比如，下面的問(wèn)題，回答得很清晰：

編一本書(shū)的書(shū)頁(yè)，用了270個(gè)數(shù)字（重復(fù)的也算，如頁(yè)碼115用了2個(gè)1和1個(gè)5共3個(gè)數(shù)字)，問(wèn)這本書(shū)一共多少頁(yè)？

再比如，下面關(guān)于相對(duì)距離的計(jì)算，文心X1.1回答準(zhǔn)，思路清晰，計(jì)算正確，完全可以作為教學(xué)模板：

狗追兔子，開(kāi)始追時(shí)狗與兔子相距20米。狗跑了45米后，與兔子還相距8米，狗還需要跑多遠(yuǎn)才能追上兔子？

此外，文心X1.1還能處理多模態(tài)數(shù)據(jù)。

比如，下面這張圖，包含復(fù)雜的外文：字體既有清晰的印刷體，又有手寫(xiě)體；包含專業(yè)術(shù)語(yǔ)。

一般人真看不明白。

試試問(wèn)一下文心X1.1，「銳評(píng)這張梗圖，想表達(dá)什么意思」？

使用工具，利用聯(lián)網(wǎng)搜索，理解圖中內(nèi)容，還搞明白了「Base Model」、「Supervised Tuning」、「RLHF」等專業(yè)術(shù)語(yǔ)的含義，原來(lái)是諷刺AI領(lǐng)域術(shù)語(yǔ)的濫用和過(guò)度炒作：

RLHF在ChatGPT中的應(yīng)用爭(zhēng)議很大，Karpathy和LeCun等專家質(zhì)疑其效果，認(rèn)為它不是真正的強(qiáng)化學(xué)習(xí)，而是依賴人類直覺(jué)的「直覺(jué)泵」。

技術(shù)內(nèi)幕曝光

迭代式混合強(qiáng)化學(xué)習(xí)訓(xùn)練框架

以上實(shí)測(cè)中不難看出，文心X1.1逆天表現(xiàn)，背后離不開(kāi)一套核心技術(shù)——迭代式混合強(qiáng)化學(xué)習(xí)訓(xùn)練框架。

這套框架，不僅能同時(shí)優(yōu)化通用任務(wù)和智能體任務(wù)，還能通過(guò)自蒸餾數(shù)據(jù)迭代式生產(chǎn)和訓(xùn)練提升模型整體效果。

由此一來(lái)，把文心X1.1的性能，拉到全新高度。事實(shí)性提升34.8%、指令遵循提升12.5%、智能體提升9.6%，表現(xiàn)十分出色。

具體是如何做到的？一起扒一扒核心技術(shù)點(diǎn)。

基于知識(shí)一致性的強(qiáng)化學(xué)習(xí)技術(shù)

訓(xùn)練過(guò)程中，不斷校驗(yàn)預(yù)訓(xùn)練模型和后訓(xùn)練模型的知識(shí)一致性，杜絕「跑偏」，讓事實(shí)性原地起飛。

基于指令驗(yàn)證器的強(qiáng)化學(xué)習(xí)技術(shù)

通過(guò)自動(dòng)構(gòu)建指令檢查清單，并逐一驗(yàn)證，哪怕再?gòu)?fù)雜的指令，模型也能精準(zhǔn)捕捉。

基于思維和行動(dòng)鏈的多輪強(qiáng)化學(xué)習(xí)技術(shù)

把思維鏈和行動(dòng)鏈無(wú)縫結(jié)合，模型不僅「會(huì)思考」，還能「會(huì)動(dòng)手」。

文心X1.1不僅在事實(shí)性、指令遵循和智能體任務(wù)上表現(xiàn)可靠，還在編碼、數(shù)學(xué)等方面展現(xiàn)出強(qiáng)大的推理性能，這才是真正的「六邊形戰(zhàn)士」。

飛槳升級(jí)，AI全棧賦能

作為全球少數(shù)全棧AI布局的公司，百度「芯片-框架-模型-應(yīng)用」四層架構(gòu)，每一層都有關(guān)鍵自研技術(shù)，層層之間的反饋，實(shí)現(xiàn)端到端優(yōu)化，大幅提升效率和產(chǎn)品服務(wù)體驗(yàn)。

其中，文心和飛槳的聯(lián)合優(yōu)化，更是關(guān)鍵。

框架-模型、框架-算力全鏈路打通，讓大模型訓(xùn)練與推理更快、更穩(wěn)、更節(jié)能。

這一次，百度發(fā)布了飛槳框架v3.2，在大模型訓(xùn)練、硬件適配和生態(tài)支持上全面升級(jí)。

極致計(jì)算優(yōu)化、高效并行策略，以及原生容錯(cuò)能力，讓飛槳框架v3.2實(shí)現(xiàn)訓(xùn)練效率飛升。

具體來(lái)說(shuō)，在ERNIE-4.5-300B-A47B預(yù)訓(xùn)練上實(shí)現(xiàn)47% MFU。

同時(shí)，它還支持類CUDA芯片適配，實(shí)現(xiàn)了最高92%的算子內(nèi)核復(fù)用率，還能兼容Safetensors權(quán)重，支持一鍵接入生態(tài)加速庫(kù)，顯著降低部署成本。

此外，百度還同步升級(jí)了大模型高效部署套件FastDeploy，通過(guò)模型壓縮、推理和服務(wù)協(xié)同優(yōu)化，來(lái)提升大模型端到端的推理性能。

基于該套件，ERNIE-4.5-300B-A47B模型在TPOT 50ms時(shí)延條件下，實(shí)現(xiàn)了輸入57K tokens/秒、輸出29K tokens/秒的高吞吐性能。

當(dāng)然，要讓開(kāi)發(fā)者更低門檻的用起來(lái)，百度也通過(guò)ERNIEKit文心大模型開(kāi)發(fā)套件提供更加便捷的模型后訓(xùn)練方案。從效果來(lái)看，開(kāi)發(fā)者僅需4張GPU就能對(duì)ERNIE-4.5-300B-A47B模型進(jìn)行高效調(diào)優(yōu)，十分友好。

WAVE SUMMIT 2025大會(huì)上，百度開(kāi)源了一款全新的思考模型——ERNIE-4.5-21B-A3B-Thinking。

作為一款 21B 總參數(shù)量，激活僅 3B 的輕量級(jí)模型，在各項(xiàng)測(cè)試中緊追業(yè)界頂級(jí)大尺寸模型，以輕量級(jí)規(guī)模實(shí)現(xiàn)了近 SOTA 表現(xiàn)。

它的推理速度明顯更快，對(duì)開(kāi)發(fā)者來(lái)說(shuō)，部署起來(lái)更高效、更友好。

早在6月30日，百度直接開(kāi)源了文心大模型4.5系列，一口氣放出了十款模型。

從47B、3B激活參數(shù)的MoE，到0.3B的稠密模型全覆蓋，而且預(yù)訓(xùn)練權(quán)重、推理代碼統(tǒng)統(tǒng)開(kāi)放。

如今，這些模型被廣泛應(yīng)用到不同場(chǎng)景中，實(shí)實(shí)在在地推動(dòng)了從實(shí)驗(yàn)室到產(chǎn)品的AI創(chuàng)新。

如今，百度生態(tài)的規(guī)?；?yīng)已然顯現(xiàn)——飛槳文心開(kāi)發(fā)者數(shù)量已有2333萬(wàn)，服務(wù)超過(guò)76萬(wàn)家企業(yè)。

這一生態(tài)的繁榮，得益于全棧AI布局的協(xié)同效應(yīng)，不僅大幅降低AI應(yīng)用的門檻，還讓開(kāi)發(fā)者輕松上手復(fù)雜應(yīng)用開(kāi)發(fā)。

回看從2019年文心1.0的發(fā)布，到今天X1.1深度思考的跨越，百度文心這幾年一直在不斷突破。

從最初的知識(shí)融合，走到現(xiàn)在到多模態(tài)智能，每一步都在拓展技術(shù)的邊界。

文心大模型X1.1不僅是技術(shù)迭代，更是面向行業(yè)的實(shí)用進(jìn)步。

下一步，AI 將繼續(xù)走向更多場(chǎng)景，幫助更多創(chuàng)新想法落地生根。