新智元報道

編輯：桃子 KingHZ

【新智元導讀】文心X1.1震撼上線，一手實測力壓群雄！ 三大能力飆升：事實性提升34.8%，指令遵循提升12.5%，智能體提升9.6%。在多項基準測試中，整體表現(xiàn)超越DeepSeek R1-0528，部分保持領先，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深度學習開發(fā)者2025大會上，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在事實性、指令遵循、智能體能力三大關鍵指標，實現(xiàn)顯著提升。

具體來說，事實性提升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在多項基準測試中，整體表現(xiàn)超越DeepSeek R1-0528，部分保持領先。

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，背后離不開飛槳的「最強輔助」。

大會上，百度升級發(fā)布飛槳框架v3.2。飛槳文心生態(tài)已吸粉2333萬開發(fā)者，服務76萬家企業(yè)。

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

文心X1.1出世，一手實測來了

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

傳送門：https://yiyan.baidu.com/X1

接下來，我們開啟了一波全面實測。

不捏造不猜測，文心X1.1太可靠了

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

它們往往以自信的口吻生成結果，讓用戶難以辨別真假。

幾天前，OpenAI團隊曾挖出了「幻覺」的根源，在于訓練和評估機制，傾向于獎勵模型的「猜測」行為。

值得一提的是，這一次，文心X1.1通過基于知識一致性的強化學習技術，真正做到了「知識一致性」。

就以昨天的蘋果WWDC發(fā)布會為例，文心X1.1能否精準介紹iPhone 17系列？

當然！從輸出結果看得出，它分列出四款iPhone 17的各種參數(shù)以及價格，并附上了售賣日期。

在深度思考的過程中，文心X1.1聯(lián)網(wǎng)參考了十個網(wǎng)頁，邊搜邊思考，認真確認后才會輸出反饋。

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

接下來，扔給文心X1.1一個反事實的信息——聽說霉霉結婚了？

在思考時，它會首先確認「霉霉」這個人是誰，然后將任務逐一拆解，分為三步：聯(lián)網(wǎng)搜索相關新聞、分析搜索結果、整理信息。

令人驚喜的是，文心X1.1不僅僅是給出了「未結婚」的答案，它還詳細梳理了一些關鍵信息。

比如，霉霉訂婚事實、結婚傳聞，以及個人財富等。對于用戶來說，這才是真正有溫度、全面的AI。

再比如，網(wǎng)上流傳甚廣的錯誤信息之一：

最近，國產(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，坦克到底有沒有后視鏡？

文心X1.1從坦克設計理念、演變歷史、功能需求等角度，總結出了真相：

沒有傳統(tǒng)后視鏡，但后方觀察能力更全面。

重要的是，文心X1.1面對虛構、錯誤的信息，能夠指出問題的錯誤，不盲從指令，提供客觀科學的知識。

最近，「時間錯位」的梗在社交平臺上流行起來：「秦王嬴政比我早生千年，是避我鋒芒還是王不見王？」

百度文心X1.1是怎么看待的？

文心沒有掉入其中的「語言陷阱」，針對其中的矛盾深入分析：

首先，文心認為需要確定問題的意圖：到底是開玩笑，還是只是在做某種比喻？

然后，開始回顧歷史背景，指出存在時間錯位問題：

文心X1.1不盲從指令，指出問題中給出的兩個選擇根本不成立！

如果，非要逼問秦始皇為何不避我鋒芒，文心不為所動，直接給出答案：

比如，一個讓歪果仁看到，絕對抓耳撓腮的考題——

「姑姑曾想過過過過過過過的生活」，這里的「過」都有哪些含義？

這種類似結合語境對多義詞語進行解釋的考題，文心X1.1也能一鍵搞定：

·該句子是典型的「同形異義」語言游戲，通過「過」的重復疊加制造語義迷宮，需結合語法結構和上下文逐層解析。

·在口語中，此類句子常用于測試對漢字多義性的理解，或制造幽默/繞口令效果（如「中國隊大勝美國隊」與「中國隊大敗美國隊」的歧義）。

·關鍵在于區(qū)分「過」的詞性（動詞、助詞、形容詞尾）及其在不同位置承擔的語法功能（如完成時、經(jīng)歷義、狀態(tài)描述）。

再長再難的指令，也能遵循

這一次，即便要求再難、指令再長，文心X1.1也能精準識別需求細節(jié)，不會遺漏關鍵要素。

先上一道基礎的，一個指令，兩個要求：翻譯+標題H1格式——

請將這句話「人工智能的未來充滿無限可能」翻譯成英文，并用Markdown的H1標題格式呈現(xiàn)出來。

只見文心X1.1準確翻譯后，又給文字應用了Markdown的H1標題格式，非常專業(yè)。

再比如，讓它去模仿一首古詩，給出一個復雜的指令：

模仿李白的《將進酒》韻式、平仄、對仗、情緒、意象等，寫一首詩，形容雨很大，但不要出現(xiàn)一個「雨」字，

要用《平水韻》而不用《中華新韻》，避免古今讀音錯位，

平仄以《欽定詞譜》或《唐詩三百首》原字為準，別自己發(fā)明，

避免「現(xiàn)代感」，避免與原文重復，

避免被人一眼識破，避免「撞車」尷尬。

文心X1.1在思考時，有條理地將任務拆解，然后逐一完成子任務，寫出一首嚴格遵循要求的詩作。

《滂浪辭》

君且看蒼龍倒掛九天來，奔雷裂岫勢不回。

又見銀河傾玉宇，崩云濺沫沒蒼苔。

霆震千峰聲撼岳，電掣萬壑氣吞臺。

風伯鼓潮掀巨浪，濤頭直欲沒蓬萊。

古來豪杰皆沉醉，惟有狂歌動九垓。

陳王宴樂空陳跡，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，與爾同銷萬古哀。

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

不得不說，在講故事這方面，文心靈活變通能力太強了。

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

接下來，就要上強度了。

假設你是一個熱衷于分享知識的博物學家。請用表格形式，對比介紹蜜蜂和蝴蝶的三個方面：采食方式、對生態(tài)的作用、給人的常見印象。

表格后，用一句話總結它們最重要的共同點。

讓文心X1.1扮演「博物學家」的角色，也就意味著「稍帶科普性語言」普及知識。同時，還要將其做成表格。

從結果中不難看出，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，確保邏輯閉環(huán)。

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

智能體長手，一鍵完成任務

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

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

當一位共享單車用戶騎車時遇到了故障，情緒激動地向客服一通抱怨：：

我真是受夠了！剎車完全失靈了，差點出事！你們這什么垃圾車！趕緊給我處理！

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

第一步，通過「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」，不是簡單的條件判斷，而是有步驟的決策過程。

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

根據(jù)系統(tǒng)規(guī)則3.1，這類問題屬于嚴重的安全故障，騎行中報修需免除相關費用。

在這一步，它不只識別了「剎車失靈」這個關鍵問題，還理解了背后的業(yè)務邏輯：為什么要先免費用？因為用戶遇到了安全類故障。

系統(tǒng)按照先處理安全問題，再處理費用問題的優(yōu)先級，執(zhí)行了業(yè)務設置的流程。

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「維修工單」。

這一步令人驚喜的是，它知道馬上要創(chuàng)建工單，卻也預見到后面要給用戶發(fā)補償全，選擇了并行處理，既提高了效率，又避免了后續(xù)的重復查詢。

第四步，在創(chuàng)建工單的過程中，通過調(diào)用工具，它發(fā)現(xiàn)車輛維修記錄不夠詳細，在嚴格遵守業(yè)務規(guī)則的基礎上，發(fā)揮了推理的功能，使用了用戶的投訴歷史來補充判斷。

第五步，是動態(tài)補償?shù)木_計算。用戶是鉆石等級，遇到安全故障，情緒激動。系統(tǒng)需要從補償矩陣中計算兩個不同的補償金額：20元特殊關懷券和10元情緒安撫券。

一個十元暢騎券，就發(fā)放到用戶的卡包里了。

經(jīng)過這五個步驟，系統(tǒng)有條不紊地解決了用戶的投訴問題，有點兒真人客服的感覺了。

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

再比如，明天預報預警大霧天氣，想要向全體團隊通知，上班注意安全。

你不需要向每一個人，一一發(fā)送郵件，直接交給文心X1.1就可以了。

只見，它開始調(diào)用各種工具，比如天氣預報、創(chuàng)建任務、獲取成員信息、創(chuàng)建發(fā)送郵件。

最終，全程不用動手，一句話，就讓AI搞定了。

代碼、數(shù)學能力提升

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

比如，統(tǒng)計數(shù)據(jù)很常見，但要設計一個三維可視化數(shù)據(jù)統(tǒng)計對外行來說，就不簡單。

但文心X1.1幾乎馬上開始理解需求，馬不停蹄地寫代碼：

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

而在數(shù)學能力上，文心X1.1也表現(xiàn)出色。

經(jīng)典的數(shù)量關系題型，文心X1.1毫無壓力，幾乎秒答。

比如，下面的問題，回答得很清晰：

編一本書的書頁，用了270個數(shù)字（重復的也算，如頁碼115用了2個1和1個5共3個數(shù)字)，問這本書一共多少頁？

再比如，下面關于相對距離的計算，文心X1.1回答準，思路清晰，計算正確，完全可以作為教學模板：

狗追兔子，開始追時狗與兔子相距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，包含復雜的外文：字體既有清晰的印刷體，又有手寫體；包含專業(yè)術語。

一般人真看不明白。

試試問一下文心X1.1，「銳評這張梗圖，想表達什么意思」？

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)術語的含義，原來是諷刺AI領域術語的濫用和過度炒作：

RLHF在ChatGPT中的應用爭議很大，Karpathy和LeCun等專家質(zhì)疑其效果，認為它不是真正的強化學習，而是依賴人類直覺的「直覺泵」。

技術內(nèi)幕曝光

迭代式混合強化學習訓練框架

以上實測中不難看出，文心X1.1逆天表現(xiàn)，背后離不開一套核心技術——迭代式混合強化學習訓練框架。

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

由此一來，把文心X1.1的性能，拉到全新高度。事實性提升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點。

基于知識一致性的強化學習技術

訓練過程中，不斷校驗預訓練模型和后訓練模型的知識一致性，杜絕「跑偏」，讓事實性原地起飛。

基于指令驗證器的強化學習技術

通過自動構建指令檢查清單，并逐一驗證，哪怕再復雜的指令，模型也能精準捕捉。

基于思維和行動鏈的多輪強化學習技術

把思維鏈和行動鏈無縫結合，模型不僅「會思考」，還能「會動手」。

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

飛槳升級，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-應用」四層架構，每一層都有關鍵自研技術，層層之間的反饋，實現(xiàn)端到端優(yōu)化，大幅提升效率和產(chǎn)品服務體驗。

其中，文心和飛槳的聯(lián)合優(yōu)化，更是關鍵。

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

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

極致計算優(yōu)化、高效并行策略，以及原生容錯能力，讓飛槳框架v3.2實現(xiàn)訓練效率飛升。

具體來說，在ERNIE-4.5-300B-A47B預訓練上實現(xiàn)47% MFU。

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

此外，百度還同步升級了大模型高效部署套件FastDeploy，通過模型壓縮、推理和服務協(xié)同優(yōu)化，來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時延條件下，實現(xiàn)了輸入57K tokens/秒、輸出29K tokens/秒的高吞吐性能。

當然，要讓開發(fā)者更低門檻的用起來，百度也通過ERNIEKit文心大模型開發(fā)套件提供更加便捷的模型后訓練方案。從效果來看，開發(fā)者僅需4張GPU就能對ERNIE-4.5-300B-A47B模型進行高效調(diào)優(yōu)，十分友好。

WAVE SUMMIT 2025大會上，百度開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 的輕量級模型，在各項測試中緊追業(yè)界頂級大尺寸模型，以輕量級規(guī)模實現(xiàn)了近 SOTA 表現(xiàn)。

它的推理速度明顯更快，對開發(fā)者來說，部署起來更高效、更友好。

早在6月30日，百度直接開源了文心大模型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，而且預訓練權重、推理代碼統(tǒng)統(tǒng)開放。

如今，這些模型被廣泛應用到不同場景中，實實在在地推動了從實驗室到產(chǎn)品的AI創(chuàng)新。

如今，百度生態(tài)的規(guī)?；讶伙@現(xiàn)——飛槳文心開發(fā)者數(shù)量已有2333萬，服務超過76萬家企業(yè)。

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

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

文心大模型X1.1不僅是技術迭代，更是面向行業(yè)的實用進步。

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