文心4.5/X1海外爆火，中国模型站起来了_风闻

“扎根应用，创造价值”

作者 | 黄 炜

编辑 | 卢旭成

3月16日，百度抛出了两款核弹级产品——文心大模型4.5以及文心大模型X1。

按照百度的设定，文心大模型4.5，是一款多模态基础大模型，擅长生成及解读图片、视频，能解答多领域问题；文心大模型X1，是一款深度思考模型，在逻辑推理、复杂计算及工具调用等方面表现尤为出色。

根据Benchmark测评，文心大模型4.5的多项基准测试成绩优于GPT4.5、DeepSeek-V3，在平均分上以79.6分高于GPT4.5的79.14。简单来说，百度文心4.5和X1大模型就是当前世界上最强的中文大模型。

百度给这两款模型的定价是，普通用户登录文心一言官网即可免费体验。企业及开发者可在百度智能云千帆大模型平台调用新模型，文心大模型4.5的API输入价格为0.004元/千tokens，输出0.016元/千tokens；文心大模型X1为输入0.002元/千tokens，输出0.008元/千tokens。

两款模型一经发出，不仅国内AI圈子迎来大地震，连海外都“震感”强烈。

东南亚“超级应用”Grab的首席产品官Philipp Kandal不顾周末，发推称：“百度在周日都杀疯了，文心大模型4.5和 X1刚刚发布——其评估水平可与GPT-4.5/Deepseek R1媲美，而且API定价极具竞争力。可惜还没有英文注册渠道，不然我真想试试……”

全世界最著名的科技记者Robert Scoble也感叹：“只要DeepSeek R1的一半价格，我们要打一场AI价格世界大战了。”

蓝鲨硬科技也第一时间对百度的两款新模型进行了测试。经过亲身体验，我们发现，Benchmark的评分没有骗人，百度的两款新模型是当之无愧的最强中文模型。但随着测试深入，我们意识到，测评拿下高分，还只是百度AI野望的一小步。

过去两年半，当国内多数AI公司都在“向OpenAI看齐”，也有一些百度这样的异类，选择了走自己的大模型发展之路。而现在，当一个中国大模型厂商，能以OpenAI百分之一的API调用价格，提供性能相当的基础大模型，似乎终于证明了中国创业者并不缺乏创新能力。

正如李彦宏所言：“创新不能被计划，你也不知道创新何时到来，你所能做的就是营造一个有利于创新的环境……”

一把瑞士军刀

百度文心4.5和X1大模型给我的第一体感是“这玩意儿真像一把瑞士军刀”，可玩性比市面上其他模型都更高。

可玩性首先体现在对图片和视频的理解上。

经常使用大模型的用户都清楚，理解并识别图片和视频，是大模型的绝对短板。举个例子，我们经常在社交媒体刷到一些冷门电影片段，却不知道它出自哪部电影。这时如果去问大模型，大模型要么给出一个错误的答案，要么直接回答“无法识别”。

比如我选取的电影截图《赛德克·巴莱》，这是一部台湾电影，讲述了1930年台湾原始部落赛德克族反抗日本侵略者的故事，获得过第48届台湾金马奖。

在询问百度文心4.5模型后，它不仅准确识别了电影名称，还补充回答了主角的真实姓名和饰演角色。

而如果用同样的截图去问市面上其他主流模型，它们要么无法识别图片，要么就回答是美国电影《启示录》（Apocalypto）。

《启示录》是美国导演梅尔·吉布森的经典作品，讲述的也是原始部落反抗侵略的故事，只不过故事主角是玛雅人，发生时间在玛雅文明末期（16世纪）。与我想找的《赛德克·巴莱》，相差足有400年。

除了图片识别，文心4.5模型还支持视频识别和产出。比如输入一段6秒的九寨沟风景片段，并询问距离，模型能很快识别视频内容，并给出旅行建议。

大模型能理解视频内容，实在令人兴奋。

在当前这个短视频时代，有太多视频问题需要模型解答。

比如刷到一个风景如画的视频，想知道究竟是何处景点；刷到某个动漫片段，想知道名字入坑补番；看到一个萌宠视频，想了解这只狗狗是什么品种……这些需求都需要一个“懂”视频的大模型。

但在以往，主流模型根本没有视频输入选项，用户只能根据视频，输入模糊文字或者图片提问，得到的结果也不尽如人意。

**造成上述现象的主因是——缺乏模型的多模态能力。**所谓多模态，通俗来说，就是用不同方式表现信息。可以是文字，也可以是图片，短视频，或者音频。

之前的很多大模型，都是通过拼接多个模型拥有了多模态能力，属于非原生多模态模型。这种模型往往只能做些表面或字面理解，很容易忽略细节信息，导致推理输出不连贯甚至矛盾。

而百度则是原生的多模态大模型，原生多模态大模型更能敏锐捕捉图像背景、小物体或微小的文本信息，综合理解跨模态的幽默、讽刺等深层含义，使得推理结果连贯，更符合人类逻辑。

测试过百度大模型的多模态能力后，我决定给它上点强度，问了一个简短但不简单的问题“刘畊宏是干什么的？”这个问题的难度在于，刘畊宏有演员、歌手、健身教练、网红等多个身份，并且近一个月职业状态有更新。很难界定他的职业范围。

如果把这个问题抛给其他大模型，它们的概括比较笼统，刘畊宏的职业状态也停留在三年前。

同样的问题，去问文心4.5模型，它不仅列出了按时间顺序刘畊宏各个时期的代表作：《头文字D》、《爸爸去哪儿5》等，还详细描述了刘畊宏健身主播生涯爆火的经历和遭遇的困难。最关键的，文心4.5模型连刘畊宏2025年2月与无忧传媒解约，之后签约新MCN机构的消息都没有漏掉。逻辑清晰地完成了我的指令。

为了彻底难倒百度的新模型，我决定从题设开始，就给它一个错误的信息。我将模型切换成百度X1，将问题改成“刘耕宏是干什么的？”故意将“刘畊宏”的“畊”字错写成“耕”，这是一个我自己在写稿时都经常犯的错误。但百度X1模型第一时间发现了名字有误，并且识别了是提问者笔误的可能。

在我改正刘畊宏的名字后，百度X1甚至还会“炫耀”自己纠正了我的笔误，并进一步推测我的需求是“希望了解更详细的刘畊宏信息”。此刻我甚至感觉，自己正在与一个有“真情实感”的人类对话，而不是面对一个按照既定程序回答问题的机器。毕竟，机器怎么会有“炫耀”这种情绪，还能推测我的需求呢？

实用是检验模型的唯一标准

随着对百度文心4.5和X1大模型的体验逐渐深入，我愈发觉得以往行业对大模型的讨论，似乎搞错了重点。

抛开开源闭源的争论，实用才应该是检验模型好坏的唯一标准。但在工作中，现在的大模型实在让人不太敢用。

国际出版集团Wiley最近对70多个国家的4946名研究人员进行了一项调查——AI对撰写稿件、审查论文和进行同行评议等是否有用？

近三分之二的研究人员提到，不太相信AI处理复杂任务的能力，如识别文献中的研究空白、选择投稿期刊、推荐审稿人，或是建议相关引用文献等。81%的受访者还表示，他们担忧AI的准确度和隐私风险。

各国研究员们的担忧，存在于每一位试图将AI引入工作流的人之中。

比如让大模型生成一篇汇报材料，虽然模型能在几秒钟内生成一篇文稿，但没人敢直接上交，因为这篇文稿中必然存在大模型“胡编乱造”的内容，既可能是伪造数字，也可能是编造时间，或虚构人物。

这种被业界称为“幻觉”的现象，阻碍着AI进一步深入工作场景。毕竟，没人敢拿自己的饭碗赌AI是否又在“一本正经地胡说八道”。

但在深度体验过百度文心4.5和X1大模型后，我发觉其幻觉现象得到了明显改善。

就在上个月，一条AI制造的骇人新闻在社交媒体广泛传播——“截至2024年末，80后死亡率突破5.2%，每20个80后中就有1人已经去世”，很多自媒体称，数据来源是第七次人口普查的“权威数据”。后经上海网络辟谣介绍，这条假数据的最初来源很可能是和AI对话所得，后经自媒体扩散形成舆论风波。

当把同样的问题抛给百度模型，其不仅提供了第七次人口普查的真实数据“七普数据显示，2019年11月至2020年10月，30-39岁（80后）死亡人数为19.35万，占该年龄段总人口的0.087%。”还列出了引用信息来源，以及中国人民大学李婷教授的研究结果，证明网传的5.2%死亡率，存在严重错误。

大模型幻觉减少，靠的是百度RAG(检索增强)的基本功。依托在搜索领域的深厚积累，百度自研了一套兼顾“检索-理解-生成”检索增强系统，能够生成准确率更高、时效性更好的答案，降低大模型的幻觉。

除了保证内容和数据的真实性，一个实用的大模型还应该是个“多面手”。因为在当今职场，一个文员就要会写材料、写会议纪要、做图、做报表、做PPT等十八般武艺，大模型要真正提供生产力，也需要提升“综合能力”。

为了测试百度X1大模型的综合能力，我根据上周自己的实际工作要求“据案例图片，生成一张妇女节宣传海报，感谢妇女同志对公司的贡献，并生成一段朋友圈文案。”

有趣的是，百度X1大模型将自己的思考过程也展示了出来——第一步，调用图片理解工具识别图片内容，并根据我的意图，进行详细的步骤规划；第二步，使用图片生成工具，生成了一张卡通妇女节宣传海报。

根据百度官方的解释，多工具调用是文心X1的特色之一。目前上线的工具包括高级搜索、文档问答、图片理解、AI绘图、代码解释器、网页链接读取、TreeMind树图、百度学术检索、商业信息查询、加盟信息查询等。

根据亲身体验，用户不必选择具体的工具，大模型就能根据用户的指令，智能选择对应的工具。