文心5.5 Flash Preview发布：一周三连发，模型将开源
sina qqZone renren ydCloud 0
文心这一轮追赶，成色到底如何？
百度文心 5.5 Flash Preview 在今日正式亮相。这已经是文心一周之内第三次出手。
11月5日，基座模型文心 5.5 Flash Base开源；11月9日，首次披露 RSI 进展，发布 ERNIE Evolve；11月11日，文心 5.5 Flash Preview 发布。
一周连打三张牌，在文心的历史上不算常见。三次动作彼此衔接，从基座模型、RSI 探索一路走到 Preview 模型，百度基础模型业务的新方向也由此逐步显形。
外界对文心的长期印象颇为微妙：起步够早，家底不少，存在感却一直不高。放在大模型竞争的坐标系里，文心始终没有摸到与之匹配的预期位置。
今年7月，1997年出生的复旦大学博士孙天祥进入百度，担任基础模型研发部（BMU）负责人，并加入百度模型委员会（BMC）。他此前主导过国产初代类ChatGPT开源大模型MOSS，也有创业经历。外界一直在等他接手基础模型业务后的第一份答卷。本周这三次出手，或许就是答卷的一部分。
文心 5.5 Flash Preview 这回把重点压在效率、成本和开源三件事上。模型目前已上线千帆平台，Web端与API同步开放。官方称，模型权重将于11月25日前以Apache 2.0许可证向全球开源社区发布。
明天举行的百度世界2026上，还会有更多模型相关信息披露。
先看榜单。文心 5.5 Flash Preview 参加了 Terminal-Bench 4.0、DeepSWE v1.1、AutomationBench、APEX-Agents 1.1、DRACO、SpreadsheetBench V2、OfficeQA Pro V2、Agents' Last Exam共8项基准测试，拿下AutomationBench和SpreadsheetBench V2 两个第一；在纳入对比的模型中，DeepSWE、APEX-Agents、DRACO、OfficeQA Pro V2 四项排第二，其余项目也都在前列。
百度官方给这份成绩的说法是“取得了具有竞争力的得分”，用词相当收敛。
还得提一句，对比图中带*号的成绩属于厂商自评口径，横向比较只能作为参考。
榜单位置之外，能力版图怎么规划、实测中暴露出哪些工程细节，更能看出一款模型的真实成色。
01
能力版图：
编程、视频、游戏与3D
按官方说法，文心 5.5 Flash Preview 的升级集中在四个方向：编程、3D建模、知识工作和内容创作。编程方向用超过1400万个可执行代码任务以及多种Agent框架的执行轨迹做训练；3D建模针对Blender、CAD等工具做了专项训练；知识工作的后训练覆盖金融、法律等领域30万个工作空间和1000万份文件；内容创作方向适配上千项Skill，搭起超过15万个创作环境，官方口径累计成片约5300分钟。
雷峰网AI科技评论第一时间上手，测了文心 5.5 Flash Preview 的游戏开发能力。
“你们的身份是一支独立游戏开发团队，成员包括资深游戏制作人、游戏设计师、2D 美术总监、角色动画师、音乐设计师和游戏工程师。任务是为《节奏天国》的玩法理念所启发，做一款原创 2D 节奏游戏《砰砰退件局！》（PUNCH! RETURN!）。交付目标不是写出一个能跟着节拍出拳的程序 Demo，而是一段完整、可交互、有生命力的卡通音乐喜剧。场景要让人相信这是个真实存在的荒诞卡通世界：玩家和发货机器人之外，周围还得有不断冒出来的小角色，各有各的动作，会对玩家的成功或失败做出反应，环境持续变化，乱入事件说来就来，最后所有角色一起参与高潮演出。”
测试里，文心 5.5 Flash Preview 把角色逐步登场、节拍判定与结算演出这些核心环节都跑通了。多轮生成之后，总耗时约7分32秒，拿到了可运行的版本。
这场测试多少能看出文心 5.5 Flash Preview 应付高度复合需求的本事，同时也考了它的审美、音乐节奏感、画面编排和动画制作，代码一侧还得让大量事件在对的时机触发。拿角色状态系统来说，状态机写得不好，角色连续击打失败后就可能卡在紧张状态里出不来，整个场景的连锁反馈都会跟着受影响。
单个案例说明不了模型的稳定产出水平，但“一份文档、多个系统”这类长需求题目，本身就是对编程能力最狠的考法之一。
官方博客里的演示案例覆盖视频编排、游戏开发和3D建模等方向，其中游戏开发分量最重。
游戏开发：会自我纠错
游戏开发方面的代表案例是《云岫行》：
“这是一款第三人称东方武侠游戏，基于Unreal Engine 5.8构建，场景放在云雾缭绕的张家界石峰和崖顶古寺。整个任务花了11小时，模型把跨越多代UE引擎的素材并进同一个UE5.8工程，游戏部分用C++完整实现。”
试玩中暴露的人物位置悬空、跑动方向不一致、摄影机位置错位等视觉问题，被模型一个个转成可测量的代码测试问题，再靠不断补全的测试推动项目迭代。“把视觉问题翻译成测试”，说明模型建立起一套自我验证的闭环，这比一次性吐出可运行代码更贴近真实开发，也恰恰是长周期开发任务里最难自动化的地方。
官方还给出了规模更大的案例：模型依据一份完整的游戏策划方案，做出近百款手机小游戏，涉及弹幕射击、肉鸽、塔防、竞速、卡牌RPG、城建经营、物理解谜和互动叙事8个品类。其中24款重点作品用到Cocos、Unity、LayaAir、PixiJS和原生Canvas 2D等多种技术栈，大多把规则层与表现层分开，用确定性模拟来跑，再靠机器人模拟、状态空间搜索和关卡回放自动检验可解性与数值平衡。这套工程化验证的路子，和《云岫行》是一个思路。
视频编排：节奏、时序与一致性
《鹈鹕测试》是一支117秒的2D动画短片。
据官方介绍，ERNIE 5.5 Flash Preview 用 Python 从零写出一部 116 秒的 2D 动画短片。片子里一只白鹈鹕蹬着自行车，从公元前 4000 年的撒哈拉岩画出发，一路骑进大模型时代的代码编辑器，途中穿过 20 种艺术风格，最后停在“第 21 号鹈鹕发布会”。整片由上万年行代码驱动，每一帧都用 Pycairo 矢量绘制，后期处理交给 NumPy 和 Pillow。同一只参数化鹈鹕在 20 个场景里分别变成汉画像石拓片、爪哇皮影、示波器光线和 8-bit 像素；换场时画面像胶片一样整格拉过，鹈鹕始终连贯地骑过画框接缝。
到了《星月夜》一场，模型直接在梵高原作上让漩涡星空跟着踏频扭动。配乐挑了 22 段录音，从金贝鼓、古琴、加美兰到马里奥主题都有，模型编写的剪辑脚本按画面切换点逐场对齐。有几场的背景是 ERNIE 5.5 Flash Preview 调用生图工具做出来的：唐代白描、清明上河图、莫卧儿细密画三场的静态底图都来自生图工具，模型再在底图上用代码叠上会动的人物、落花和水纹。概念设计出自 Bilibili 创作者 @近步抱告_。
这道题怎么出，本身值得琢磨。视频生成竞赛里，单帧画面质量早就卷得很高，真正难的是跨场景一致性和节奏控制。同一只鹈鹕连着穿越20种风格还不走形，多少能说明长程状态管理的能力。
237秒的官方展示片则是另一个路子：围绕“地球要是也有个环”这个命题，模型连着做完查资源、写剧本、设计分镜、生成画面四道工序。官方给出的数字是，完成一条片子，模型要连续工作一到两个小时，工具调用中位数约170次，中间自己检查结果、发现问题再修正。
3D建模：流水线
3D方向的两个案例都用Blender完成。
第一个案例里，两个基于文心5.5Flash Preview的智能体通过Blender Python API分工干活：一个管机场，自己去地图平台检索布局矢量数据，下载植物、车辆与地面服务设备等授权资产，再用参数化建模搭出航站楼和飞行区；另一个管飞机，用截面放样和模块化装配造机身、机翼。之后两个工程统一尺度、位置与镜头，编排动画，用Cycles/OptiX GPU分帧渲染，再由FFmpeg合成视频。
第二个案例中，模型自主检索法隆寺的布局与建筑结构参考，一点点搭起建筑群，细到逐层收分、梁柱支承和层叠屋瓦，公开授权的佛像扫描与植物资产也被放进场景，表面细节靠PBR贴图和程序化节点材质一起完成。
这两个案例的相通之处在于，模型嵌入的是“检索—建模—渲染—合成”的完整流程，而不只是单独跑一条建模指令；任务在双智能体之间如何拆分、如何配合，也使这些案例不再局限于单个模型的能力范围。
02
快，从何而来
前面说的游戏和视频案例都属于长程任务：连续工作一到两个小时、工具调用中位数约170次、11小时的完整工程迭代。这类任务对推理速度的消耗远超日常问答，“快”在其中是有实际意义的。
对多数用户来说，更直观的是这条数字：千帆API单用户推理速度超过200 tokens/s，约合每秒150个以上的汉字。生成速度到了这个量级，输出基本追得上阅读，等待感会明显下降。
官方对“快”的解释是一套系统的技术设计，可以拆成三层来看。
第一层是参数怎么用。文心 5.5 Flash Preview总参数量2800亿，每个token只激活140亿，在当前的稀疏配置里算比较激进的一档。总参数决定模型的知识容量，激活参数才决定每个token的实际计算成本。2800亿参数更像常备库存，每生成一个token，只调用其中一小部分。
第二层是显存。1M tokens的上下文，如果每一层都做全量注意力，显存开销大到没法落地。混合稀疏注意力就是冲着这个问题去的：43层里，37层把历史每128个token压缩成一条缓存条目，保住全局视野；剩下6层保留逐token访问历史的能力，配合稀疏选取。结果是KV cache的占用大幅下降，长文本里的细节检索能力还在。
第三层是推理阶段的加速。FP4把专家权重的存储压到4比特，直接省下显存带宽；ECHO则让主干网络的最后一层在预测下一个token之外，兼着预测后续token，这层同时充当投机解码的草稿模型——先猜后验，参数几乎不增加就换来提速。
三层设计指向同一个目标：用更少的激活参数交付够用的智能，把速度拉起来、成本再降下去。这也是“Flash”这个命名的行业惯例——比起单点极限，效率档产品线更看重能力、速度、成本的平衡。
百度这次同步放出了完整的技术博客和模型架构图。
03
价格、开源，和一个特殊信号
定价上，API每百万Token输入忙时2元、闲时1元，输出忙时8元、闲时4元，目前限时五折——折后闲时输入0.5元、输出2元。在同参数规模的模型里，这个价格有一定竞争力。
换算一下更直观：一百万token约合六十万到八十万汉字。按模型支持的最长上下文算，把一个100万token的窗口整个填满，折后的输入成本不到一元。
低价的空间，来自效率层面的设计。文心 5.5 Flash Preview 每个 token 只激活 140 亿参数，专家权重用 FP4 压缩，推理成本已经被架构压了下来。
开源这条路也摆上了台面：模型权重会在 11月25日前以 Apache 2.0 许可证向全球开源社区发布，部署上支持 SGLang 和 vLLM。对开发者来说，拉下来就能跑，商用也没有协议负担。今天文心 5.5 Flash Preview 的 API 已经在千帆平台上线。
价格和实测被反复讨论的同时，还有一条消息容易被略过。
文心 5.5 Flash Preview 的部分推理优化工作，出自百度 11月9日披露的自动研究系统 ERNIE Evolve。在昆仑芯P800的低时延场景上，ERNIE Evolve 连续探索约 168 小时，把生成速度做到基线的 623.6%；确定性推理吞吐提升到基线的 133.7%，平均每个 token 的生成时间缩短 26%，精度没有下降。
AI 优化 AI 这件事，眼下还处在早期，一次优化也说明不了全貌。不过它指向的事实是，模型之间的竞争正从参数规模的比拼，延伸到研发迭代效率的比拼。
04
结语
一周之内三次动作，再加上一份很有诚意的定价，百度文心这轮进攻的轮廓已经清楚：不往正面战场挤，先在效率、价格和开源三个维度同时落子。
今年的模型竞争正在分层，这一点不难看到：旗舰模型卷榜单上限，效率档模型卷成本曲线，文心挑的是后者。这条赛道今年格外拥挤，定价、演示和单次实测都只是入场券，能不能转成开发者的调用量，才是下一阶段的分野。
视频编排、游戏开发这两类任务，眼下正被当成模型亮相的新舞台。它们不拼跑分，产出直接能进工作流程，于是在榜单之外又开了一条战线。文心把长板压在这两个场景上，既跟上了行业节奏，也让自己更容易被看见。
时间线拉长来看，口碑吃紧的这段日子，其实也是文心闷头进步、低调追赶的阶段。业界对百度文心还有期待——盼它能追上那个技术积累丰厚的自己。蛰伏这么久之后，下一份答卷会是什么样？AI科技评论会继续盯着。
