文心5.5 Flash Preview八项基准夺两冠，百度一周三连发

11月11日，久未出声的百度文心亮出一份成绩单：模型ERNIE 5.5 Flash Preview参与八项基准测试，两项拿下第一。与之同场对比的是Claude Opus 5.5、GPT-6.1 Sol、腾讯Hy4、DeepSeek V4.1 Flash以及智谱GLM-5.3系列。

这已是文心一周内的第三次出手：11月5日开源基座模型文心5.5 Flash Base，11月9日披露自动研究系统ERNIE Evolve，11月11日再发布Preview版本。

差不多同一时间，阿里把Qwen4-Max预览版开放了出来。另外，停了将近一年的百度文心公众号，这几天也重新开始更新。

再往前一周，11月4日腾讯推出Hy4正式版。在Artificial Analysis的智能指数V5榜单上，它拿到35分，位列中国模型第二。

互联网时代的BAT御三家，重新坐回了牌桌。这几年大模型走进普通人的生活，讲故事的主导权落到DeepSeek、月之暗面、智谱手里；BAT里的B，也被换成了字节跳动（ByteDance）。

说到字节，Seed系列最新的仍是6月23日发布的Seed2.1。

8月时有外媒报道，Seed团队正预训练一个参数规模最高能到10万亿的模型。三个月过去，它没名字、没发布日期，也没拿出一张成绩单。

11月12日，澎湃新闻从多位知情人士处了解到，张一鸣最近在一次面向AI团队的全员会上表示，字节有能力与

BAT是不是真回来了？张一鸣那个10万亿模型又去了哪里？

BAT是怎么回来的？

今年2月的LMArena综合榜单上，文心5.0排在第17位，排在前面的有字节Seed 2.0、智谱GLM-5和Qwen3.5。

那阵子百度的基础模型团队把大量精力花在创意写作上，内部一度提出要打造“最强文科生”，而同一时期对手们拼的是编程、长上下文和Agent。

8月18日百度发布二季度财报，归属于百度的净利润为23.19亿元，同比下滑68%，美股当晚跌了12.73%。电话会上李彦宏说：“一路走来，过程中有尝试也有失误，但是我们要让文心具备竞争力的决心从未动摇。”他还表示，有信心让文心“重新回到基础大模型的第一梯队”。

“重新回到”这四个字，等于承认了已经不在。

转折点出现在7月1日。

1997年出生的复旦博士孙天祥空降百度，出任基础模型研发部负责人。他是国产初代类ChatGPT开源大模型MOSS的主导者。《深网》的说法是，百度模型线近十个月里已经历了第三轮大调整。

四个月后，文心开始连续出牌。

打头的是文心5.5 Flash Base，总参数280B，每个token激活14B，在33.5万亿token上从零预训练。百度把它和DeepSeek-V4-Flash-Base、腾讯Hy3-preview-Base、小米MiMo-V2.5-Base放进同一套框架里测，30项基准中拿下24项第一。百度上一次开源千亿参数级模型，距今约16个月。

Preview 是它的首个后训练版本。

两项第一落在 AutomationBench 61.9 分和 SpreadsheetBench V2 36.4 分上，均压过 Claude Opus 5.5；OfficeQA Pro V2 拿到 67.9 分，只输给 GPT-6.1 Sol。Terminal-Bench 4.0 一项是 46.5 分，比 Hy4 的 42.4 分高，不过距 Claude Opus 5.5 的 63.6 分仍有明显差距。

至于 DeepSWE 和 Agents‘ Last Exam，七个模型里它排第五。

图注里另有一行小字：标星号的分数为百度自行测试所得。对手那一侧，大半成绩也带着星号。

百度方面用的说法是“取得了具有竞争力的得分”，同时说明这只是后训练过程中的中间版本，“仍可能存在部分因训练不充分导致的能力缺陷”。

但有两件事可以确定。其一是速度与价格：千帆平台上单用户推理速度超过每秒 200 个 token，每百万 token 忙时输入 2 元、输出 8 元，目前还按五折收费。其二是开源，权重定在 11月25日之前以 Apache 2.0 协议放出。李彦宏曾在 2024 年表示，开源模型会越来越落后。

再说阿里。

11月11日上午10点，阿里上线 Qwen4-Max 预览版，参数量、价格、跑分一概没给。

同一份文档页还注明：11月25日24点之后该模型退役，这期间不做任何改动。意思很直白，Qwen4-Max 正式版会在11月26日发布。

预热文案借用《逍遥游》：“北冥有鱼，其名为__。”原文下一句是“鲲之大，不知其几千里也”。

已确认的规格不多，但每一项都指向“大”。最大输出 393216 个 token，思考与答案共用这一额度，正好是上一代 Qwen3.8-Max 的三倍。思考强度分三档，默认 xhigh，出厂即按最久思考运行。

Qwen4-Max的付费方式也定了，只有Token Plan订阅这一条路，按量付费并不开放。

用一句话概括Qwen4-Max的路子，就是“一力破万法”。预览版透出的思路同样如此：参数够大、智能水平够高，模型自然就好用。

不过Qwen这份力气不是靠堆出来的，是省出来的。

9月22日的云栖大会上，刘大一恒首次以Qwen负责人身份公开露面。字母榜把那场演讲归结成一句话：每一份算力换多少智能。他给出的数字是，Qwen3.8-Flash相比Qwen3.7-Plus，激活参数缩到1/3，训练成本压到1/9。

省法的细节写在8月26日开源的Qwen3.8-Flash-Next模型卡里。阿里将这个模型称作“Qwen4所用模型结构的先导预览”。具体动了四处：注意力每四层有三层改为Gated DeltaNet，残差流由一条增加到4条，主模型之外再挂一张51B的Embedding查找表，优化器则换成Muon。这些改动的落点都是省算力。

那省下来的算力投到了哪里？

现役旗舰Qwen3.8-Max总参数已达2.4T，Qwen4.5、Qwen5还要扩到5到10T。模型卡里写着这样一句：“固定激活专家数量而持续增加专家总参数量，可稳定降低训练loss。”

刘大一恒的做法是压住每一分智能的成本，再把省出的钱全部押到规模上。

按他自己的说法，Max系列盯的是智能天花板，降门槛交给Flash、Plus去做。参数规模继续扩展，仍是通往ASI的核心路径之一。

Hy4的成绩摆在那里，姚顺雨在模型圈的位置也不用多说。

Hy4总参数770B，不到Qwen3.8-Max的三分之一。Artificial Analysis榜单上它只比Qwen3.8-Max高1分，可每任务成本约0.78美元，只有后者的13分之一。

这一年腾讯先后放出四个模型：4月的Hy3 preview、7月的Hy3、8月的Hy4 preview，以及11月的Hy4。

5月的时候，马化腾这样描述自家当时的处境：“原来一年前我们以为上了船，后来发现那个船漏水了，现在感觉站上去了，还坐不下去。”

至此，BAT又回到了第一阵营。

那张一鸣的10万亿参数模型，眼下又到了哪一步？

Seed2.1的发布时间是6月23日，到11月12日已经过去142天。这段时间里腾讯、阿里、百度都动作不断，张一鸣身上的压力可想而知。

可年初的局面并不是这样。

2月的LMArena榜单上，Seed 2.0还压着文心5.0一头。到了8月，第三方榜单显示Seed2.1 Pro在全球大语言模型里排在第21位。8月6日的年中全员会上，字节CEO梁汝波也承认，大语言模型与海外领先模型的差距被拉大了一些。

同样在8月上旬，10万亿参数的说法开始流传。

按照外媒的说法，字节正在预训练一个参数规模最高或达10万亿的模型，项目还在早期，最终规模得看后续训练阶段才能定下来。

当时国内公开披露过的最大模型是Kimi K3，参数为2.8万亿；业内估计Anthropic的Mythos 5也只有8万亿。

有报道提到，该项目整个训练周期预计3到6个月，最后是否对外发布尚无定论。从8月上旬往后数，3个月就是眼下，6个月则要等到明年2月。

换句话说，它现在还没露面，不能算晚点。

张一鸣在全员会上提过，Seed大语言模型用的预训练数据集，比顶尖对手小了好几个数量级。DeepMind在2022年的Chinchilla论文里总结过一条经验：参数翻倍，训练数据也得跟着涨。参数能堆，GPU能买，字节今年5月就讨论过把全年资本开支提到最高700亿美元。

不过数据这一环恰好是短板。外媒早前提到，张一鸣在Seed全员会上说得很清楚：不靠蒸馏外部模型来追赶，字节宁可“为长期目标牺牲一些短期利益”。Seed内部还有一道关，用API检测加上训练数据过滤，把第三方模型的输出挡在训练集之外。

不抄作业，那就得自己好好补课。字节今年把散在各条业务线的数据团队收拢起来，成立了“AI数据与安全”一级部门，与Seed、Flow、抖音平行。

10月的时候，影视飓风的Tim在内部交流中演示了字节跳动尚未官宣的世界模型。这个模型基于字节Seedance视频生成体系打造，支持老电影自由运镜、虚拟场景实时交互、VR职业模拟等能力，主打云端渲染的沉浸式空间体验。

外媒其实在9月份就报道过这件事：张一鸣已经卸下字节的日常运营，却亲自上手，跨部门协调研发、算力与硬件几支团队，实时世界模型的训练进度由他全程盯着。

按照报道的说法，该项目在字节内部被定为年度最高优先级之一，要做出50毫秒延迟、每秒20帧的交互效果，后续会适配Pico VR和抖音的内容生态。

今年字节在世界模型、Coding这些方向上投的数据预算，已经达到千万美元级别，而且后续还能接着加。[[保留1]]

话说回来，字节的位置并不容易被撼动。豆包依旧稳坐国内AI聊天应用用户规模头把交椅，月活大约3.24亿。[[保留2]]

张一鸣早前在内部会议上表过态：做模型得讲长期主义、要能延迟满足感，不能拿别人的输出换一时的榜单名次。

那就不急，慢慢等。[[保留3]]