机器之心原创
剪辑：陈陈、杨文
AI 竞争进入尖锐化阶段。此次，轮到百度给自家大模子上强度。
刚刚，百度连气儿官宣了两款大模子，分袂是文心大模子 X1 和文心大模子 4.5
那么，这两款大模子有啥区别呢？
这样说吧，文心 X1 是一款深度念念考模子，具备更强的意会、磋磨、反念念、进化才调，并撑持多模态，尤其是多器具调用，更是它的一大特色。
迷水商城而文心 4.5 堪称新一代原生多模态基础大模子，最擅长的就是多模态意会，谈话才调也更精进。
比较于之前版块，文心 4.5 不仅注重会、生成、逻辑、挂牵才调方面上了一个台阶，还在去幻觉、逻辑推理、代码才调上有了全面栽植。
面前，这两款模子已在文心一言官网、百度搜索、文小言 APP 等产物上线。（体验网址：https://yiyan.baidu.com/）
最关节的是，它们澈底免费！
要知谈，前段时辰百度还对外文告，文心一言将从 2025 年 4 月 1 日 0 时起运转全面免费。
迷水商城迷水商城没料想，此次百度奏凯将这个时辰点提前了整整半个月。
同期，这两款模子的 API 价钱也已出炉。
迷水商城诞生者现可在百度智能云千帆大模子平台上奏凯调用文心大模子 4.5 API，输入价钱低至 0.004 元 / 千 tokens，输出价钱低至 0.016 元 / 千 tokens；文心大模子 X1 也行将在千帆平台上线，输入价钱低至 0.002 元 / 千 tokens，输出价钱低至 0.008 元 / 千 tokens。
百度之是以能把文心 X1 模子的 API 价钱打下来，是因为他们通过飞桨和文心合股优化，收场从压缩、推理、处事部署的全链路极致调优，大幅裁减文心 X1 推理本钱。
具体来说，模子压缩方面，通过分块 Hadamard 量化、面向长序列的注意力机制量化等收场深度压缩；推理引擎方面，通过低精度高性能算子优化、动态自顺应投契解码、神经收罗编译器收场推理加快。系统层面，通过框架和芯片协同优化、分离式部署架构、高效资源调度收场系统级优化。
一手评测
俗语说得好，是骡子是马，还得拉出来遛遛。
接下来，咱们将从多模态意会、文本创作、逻辑推理以及器具调用等多个维度，对这俩大模子来一波真刀真枪的实战。
文心 X1：会脑筋急转弯，还能调整多个器具
迷水商城迷水商城算作百度最新深度念念考模子，文心 X1 有三大绝活：嘴毒（敢锐评）、脑子好使（推理才调强），况兼善用器具（多器具调用）。
相较于之前版块，文心 X1 显得叛变得多。它不肯作念「端水行家」，遇事老是指天画地，有不雅点有作风。
比如咱们让它用贴吧的口气，锐评一下小红书、知乎、微博和贴吧。
它一上来就绝不客气，怒喷小红书是《东谈主类高质料装 X 指南》，知乎整天标榜精英范儿，微博热搜天天吵得像菜阛阓，贴吧则是东谈主均键盘侠。
之是以说文心 X1 脑子好使，是因为它的逻辑推理才调有了权臣栽植，甚而还「懂」脑筋急转弯的仙葩脑回路。
比如「狐狸为什么容易摔跤」，它既能从科学的角度进行评释，还能识别出背后的谐音梗。
迷水商城要说文心 X1 最大的特色，就是能调用多种器具。
咱们只需在聊天框开启「联网搜索」和「调用器具」两个按钮，就能一下子抽象高等搜索、文档问答、图片意会、AI 绘制、代码评释器、百度学术检索、贸易信息查询等器具。
举个例子。
咱们上传一张甜品的相片，然后让它先容制作工序，并生成一份 PDF 文献。
文心 X1 接连调用了图片意会、联网搜索和代码评释器三个器具。
最终它真的生成了一份草莓蓝莓煎饼塔详确工序的 PDF 文档。
文心 X1 的好意思满陈诉
文心 X1 生成的 PDF 文献名及内容
文心 4.5：学会了听歌、看电影
如若说文心 X1 更聪慧的话，那么文心 4.5 就是更万能。
算作百度自主研发的新一代原生多模态基础大模子，文心 4.5 不仅能看懂梗图，还能识别音视频。
前段时辰 Grok3 发布时，马斯克欢腾地在 X 上发了张梗图，对着谷歌、OpenAI 和 Meta 就是一顿贴脸开大。
咱们就将这张梗图丢给文心 4.5，输入 Prompt：这张图片暗含着什么意念念？
它犀利捕捉到了图片背后的幽默和挖苦含义：四只企鹅代表了大洋此岸的四家科技巨头，其中三只企鹅向 Grok 企鹅敬礼，透露了 Grok 在某一阶段处于伊始上风。
对于大模子来说，识别梗图早就不是什么清新事了，文心 4.5 最拿手的还得是音视频的意会分析。
当咱们听到一首心爱的音乐，但就是存一火想不起来歌名时，咱们只需录一小段音频，投喂给文心 4.5，它就能给出这首歌的一切。
音频试听荟萃：https://mp.weixin.qq.com/s/XKim3L7__c9VXJ2bj4FYhA
同理，咱们还不错上传一段不卓越 20M 的视频片断，让它挖出背后各式八卦。
比如电影《闻香识女东谈主》中这段经典的跳舞，文心 4.5 不仅识别出影片名字、女主演出者，甚而连布景音乐齐扒出来了。
迷水商城弱智吧，江湖东谈主称「青龙山皇家诊治院」，大模子才略高不高，就看能弗成 hold 得住这些神题。
比如：为什么独一电信诱拐，莫得联通诱拐呢？
文心 4.5 从术语的通用性聊到了历史渊源，又从法律界说聊到了社会领会，把这个略显无厘头的问题评释得清理会楚、窗明几净。
此外，文心 4.5 在搜索方面也有了更大的朝上。
就拿最近大火的收罗热梗「馕言文」来说，它找到了 8 条参考信源，除了百家番外，还包括新京报网、腾讯网等其他开头。
迷水商城况兼，文心 4.5 经过分析追思给出陈诉后，还在末尾附上了有关视频以供参考。
中枢时间大揭秘
经过实测，咱们不错看出百度最新发布的两个模子还是出现了质的飞跃。
迷水商城多项时间加持的文心 X1
最近一段时辰，AI 圈焦点无疑是对于「Scaling Law 是否撞墙？」的商议，这个也曾被视作大模子发展的第一性旨趣，如今却遇到了普遍挑战。
濒临大模子性能栽植的边缘效益递减问题，测试时缠绵（Test-Time Compute）、强化学习等计策成为一种灵验的应付时势。
百度在强化学习方面也下足了功夫，发布的推理模子文心 X1 改造性地期骗了递进式强化学习查验设施。罗致这种设施不错全面栽植模子在创作、搜索、器具调用、推理等场景的抽象期骗才调。
迷水商城比如上文咱们体验的「输入一张图片，条件文心 X1 把柄教唆输出 PDF 相貌的文献」，就离不开这种查验时势。
现阶段，推理模子险些齐罗致了一种称为念念维链（Chain of Thought，红蜘蛛女士专用药CoT）的时间，与传统的奏凯从输入到输出的映射不同，念念维链通过显式展示中间推理历程，匡助模子更好地意会和处分复杂问题。
更进一步的，文心 X1 具备 “长念念维链”，罗致了念念维链和活动链耦合的端到端查验时势。念念维链使得模子在处分问题时，一步一步写下念念考历程，就像咱们作念数学题时，需要写下解题轨范雷同。而活动链是模子在念念考历程中决定遴选的活动，比如搜索信息、调用器具等。
在端到端查验中，文心 X1 不是只学习念念考或者只学习活动，而是把念念考和活动献媚起来，通过这种时势，模子不错把柄每次活动的收尾反映，调整我方的念念考和活动计策，最终权臣栽植在复杂任务中的推崇。
临了，文心 X1 还罗致了多元和洽的奖励系统，这个系统就像一个「超等裁判」，用来评价模子作念得好不好。这个「裁判」在评估历程中献媚了多种不同的奖励机制，大致从多个角度给模子反映。这样的话，模子在查验历程中就能取得更准确、更可靠的指令，为模子查验提供愈加鲁棒的反映。
迷水商城迷水商城文心 4.5 用到的「法宝」
至于文心 4.5，背后的时间也遏制小觑。
伊始是FlashMask 动态注意力掩码。FlashMask 是由百度飞桨团队在论文《FlashMask: Efficient and Rich Mask Extension of FlashAttention》中提议的一种改造的注意力掩码优化时间，旨在处分 Transformer 类大模子中注意力掩码缠绵的冗余和存储支拨问题。FlashMask 通过列式稀少掩码透露设施，将传统的二维繁多掩码矩阵转念为一维的行索引区间透露，从而权臣裁减了存储复杂度，从 O (N^2) 裁减到 O (N)。极致的加快了大模子查验服从，尤其是长序列场景下的查验服从。
有关论文已入选顶会 ICLR 2025 。
论文地址：https://arxiv.org/abs/2410.01359
迷水商城其次就是多模态异构民众膨大时间。该时间是一种献媚多模态数据处理与夹杂民众模子（MoE）的改造架构，旨在通过针对不同模态脾气构建的异构民众模块，处分多模态交融中的梯度不平衡问题，栽植模子的多模态交融才调。多模态异构民众膨大时间在多个期骗场景中展现了权臣上风，举例多模态问答任务，这种时间大致更高效地处理复杂的多模态数据。
文心 4.5 还罗致了时空维度表征压缩时间，这是一种把图片和视频里的关节信息进行浓缩的设施。在不丢失首要细节的情况下，在时空维度对图片和视频的语义表征进行高效压缩，让这些数据变得更小、更高效。这样一来，查验多模态模子（也就是同期处理笔墨、图片、视频等多种数据的模子）时就能更快、更省资源。
前文咱们还是提到，文心 4.5 幻觉问题取得了极大的栽植，而这离不开百度罗致的基于学问点的大范围数据构建时间。学问分级采样优先把首要的、中枢的学问挑出来，接着把挑出来的学问点进行压缩，去掉豪阔的部分，把有关的学问交融在一谈。对于那些比较稀有、不太好找的学问点，挑升合成一些有关内容，确保这些首要的小众学问也不会被遗漏。这样一来，模子幻觉大大裁减。
此外，文心 4.5 还用到了基于自反映的 Post-training 时间。这是一种通过多种评估时势不休优化模子的后查验设施。肤浅来说，它让模子在查验历程中不休反念念我方的推崇，把柄不同的评价模范调整我方，从而让模子变得更纷乱、更可靠。这种时间还能权臣栽植预查验模子意会东谈主类意图的才调，让模子的陈诉更妥当东谈主类的盼望。
迷水商城那么文心 4.5 与其他模子对比收尾如何呢？
下图展示了文心 4.5 与 GPT-4o 在多模态性能上的对比。不错看出，文心 4.5 在大大批测试基准上的推崇优于 GPT-4o，尤其是在 OCRBench、MathVista、DocVQA 和 MVBench 上，两者差距较为较着。GPT-4o 仅在 MMMU 上的推崇相对较好，但在其他基准上的推崇不如文心 4.5。在平均值上，文心 4.5 的得分略高于 GPT-4o，流暴露文心 4.5 在全体性能上的上风。
下图比较了四个不同模子（文心 4.5、DeepSeek-V3-Chat、GPT-4o 和 GPT-4.5）在文本测试基准上的性能对比。收尾流露文心 4.5 在大大批测试基准上的推崇优于其他模子，尤其是在 C-Eval、CMMLU、CMath 和 CLUEWSC 等基准上。
RAG 有关时间
RAG 检索增强生成（Retrieval Augmented Generation），还是成为现时最火热的 LLM 期骗决策， 是测度大模子优劣的首要维度。
当今大模子在各式任务上天然很遒劲，但也有谬误，比如：幻觉风物导致 LLM 未必会「瞎编」一些不存在的信息；还有大模子掌抓的信息并不是最新学问，学问系统更新很慢；此外，生成的内容短缺透明度等一系列问题，导致大模子在实质期骗中并不是很逸想。
迷水商城RAG 通过检索最新的、有关的学问，处分了上述问题，让生成的内容更可靠、更准确。
百度研发的「意会 - 检索 - 生成」协同优化检索增强时间，栽植了大模子时间及期骗的成果，大致生成准确率更高、时效性更好的谜底。况兼，百度在 RAG 时间上具备华文深度意会、多模态检索、垂直领域定制化以及及时数据整合才调等上风，在华文互联网、企业处事、政务医疗等场景中更具实用性和竞争力。
此外，在国表里主流大模子的 RAG 才调实测中，百度文心一言抽象推崇最好。
天然传统的 RAG 还是基本处分了大模子在文本生成层面的幻觉问题，但在多模态领域，尤其是图片生成领域，传统 RAG 还是远远不够用了。
迷水商城比如，咱们正常看到生成的图片出现较着的逻辑不实等问题。即使收尾妥当条件，但看上去亦然一股 AI 味，这些问题严重影响了 AI 生成图像的实用性和确切度。
迷水商城正如百度首创东谈主、董事长兼首席执行官李彦宏在百度寰球 2024 大会上所提议的：「笔墨层面的 RAG 还是作念得很好，基本让大模子摈斥了幻觉；但在图像等多模态方面，和 RAG 的献媚还不够，这亦然百度但愿重心破损的看法。」
在这种情况下，百度自研了一种检索增强的文生图时间 iRAG（image based RAG），旨在处分传统文生图系统中常见的幻觉问题，栽植生成图像的准确性和实用性。
迷水商城在领有亿级的图片资源和遒劲的基础模子才调，百度 iRAG 将这些上风相献媚，幸免了传统文生图系统中一眼假的问题，生成的图像不仅超确切，还具备极高的准确性和可靠性。
结语
此次，百度连气儿上线了两款大模子，总算粗莽浓烈了一趟。
近十年来，百度一向舍得在研发上砸钱。为止面前，百度已累计插足卓越 1800 亿元。
迷水商城迷水商城如今来看，真金白银莫得白花。
迷水商城