文心5.5 Flash Preview发布：2800亿参数，11小时做出虚幻5游戏

新智元报道  

它有三个特点：速度快、价格低、开源。

速度确实快：每秒输出 200 多个 token，参数规模 2800 亿，每次推理只调用其中的 140 亿。

价格也压得低。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，目前还打限时五折。

上线节奏上，百度智能云千帆今天先开放，API 可以直接调用；模型权重则定在 11 月 25 日面向全球开源社区发布。

编程、3D 建模、知识工作、内容创作这几块，文心 5.5 Flash Preview 都做了升级。

Terminal-Bench、AutomationBench 等多项基准测试中，它的成绩具备竞争力：

Terminal-Bench 4.0 考的是终端里的实际操作，它拿到 46.5 分；AutomationBench 考跨应用办事，61.9 分；SpreadsheetBench V2 考真实 Excel 任务，36.4 分。

带 * 的分数由百度自己测得。

有些项目它还在追赶。不过要记得它的定位——一款主打快和省钱的 Flash 模型。

2800 亿参数、每次激活 140 亿、100 万 token 上下文、每秒输出 200 多个 token。

按这个定位，它和 Claude Opus 5.5、GPT-6.1 Sol 这些知名模型同场比拼，还拿下了两个第一。

跑分我一贯只信一半，剩下那一半得看实际干活。

先说最让我意外的一个案例：《云岫行》。

这是一款第三人称东方武侠游戏，场景里有云雾环绕的张家界石峰，崖顶立着一座古寺。游戏用虚幻 5.8（Unreal Engine 5.8）引擎，底层代码是 C++，整个由文心 5.5 Flash Preview 在一次持续 11 小时的任务里做完。

11 小时本身不算罕见。真正少见的是：文心 5.5 Flash Preview 是纯文本模型，根本看不到画面。

做 3D 游戏最常出的毛病——角色浮在半空、跑动方向反了、镜头位置对不上——都属于人瞄一眼就能发现不对的那类问题。

它的办法很执拗，也很聪明：看不见，那就去量。

拿悬空举例，不必看图，写段程序测出脚底到地面的距离就行。试玩中冒出的这些视觉问题，被它逐条改写成能运行、能出数值的代码测试，再测、再改，一轮轮磨下去，直到游戏完整做出来。

中间它还捎带处理了一件麻烦事：把跨越好几代虚幻引擎的素材整合进同一个 UE 5.8 工程。不同代际的引擎，格式和接口经常对不上。干过游戏的人大概都清楚，这种活换人来干都想撂挑子。

老实说，这个案例真正打动我的不是画面，而是它干活的这套方法。

写过代码的人都明白，新手报 bug 会说“好像哪里不太对”，老手则说“第 37 行的返回值差了 0.3”。把模糊的直觉转成可验证的数字，这是老手才具备的本事。

连续高强度跑11个小时也不崩，这份耐力到底哪来的？

官方说法是，训练阶段喂了 1400 多万个「真能跑起来」的代码任务，还掺进了多种智能体（Agent）框架的执行轨迹。

它练的是完整的一套动作：写完代码、运行、盯着报错、再回头改。光会背代码，考不出这个效果。

另一块底子是 100 万 token 的超长上下文——十来个小时里读过的文件、调用过的工具、拿到的结果，都留在记忆里。Unreal、Unity、Godot 这几款主流游戏引擎，也都做了专门适配。

实际水平如何？我们亲自出了一道题：做一款第三人称 3D 御剑飞行游戏，名字叫《御剑穿云》。

场景从一方石台开始。主角身穿青袍，背后垂着浅色飘带，头上挽着发髻，稳稳站在一把飞剑上——不是拿几个方块拼出来的凑数货。

再往前看，暖金色的云海中一座座青绿石峰矗立，半路横着一道石拱，十个金色光环一字排开，通向崖顶的寺院。

真正关键的是它玩得通。飞过第 3 环和第 7 环，检查点会自动记下；左上角的环数、计时、能量条持续跳动，右下角还挂着一张小地图。最终落在红柱重檐的寺院前，结算面板弹了出来：十环全过。

顺手，我们又让它拍了一条科普片。题目就一句话：假如月亮离地球只有现在的一半远，世界会变成什么样？

成片一分多钟，竖屏。开场是一轮巨月压在海面上，配一句「最先失控的不是夜空，是海」，一下把人拽住。

让我意外的是它懂得分寸。讲到潮汐，它专门补了一句：是引潮力 8 倍，不等于潮高一定 8 倍。没人要求，它自己把洛希极限算了一遍，结论是月球不会被撕碎，离那条线还有十倍多的余量。

几个关键数字我用计算器逐一核过，全都对得上。一个 Flash 模型，干完的是一整个科普视频小组的活：查资料的、算数的、做图的、剪片的，全包了。

同样的本事，换一个考场依然见效。

开发者圈子里有个流传很广的土味测试：让模型用代码画一只骑自行车的鹈鹕。画得像不像样，大致就能看出模型几斤几两。

别人交出来的是一张图。文心 5.5 Flash Preview 交出来的是一部片子。

一部叫《鹈鹕测试》的 2D 动画，时长 117 秒，从头到尾都是拿 Python 写出来的。片子主角是只白鹈鹕，蹬着自行车一路往前：起点是公元前 4000 年的撒哈拉岩画，途中穿过汉画像石拓片、爪哇皮影和 8-bit 像素，前后换了 20 种艺术风格，末了骑进大模型时代的代码编辑器，站上「第 21 号鹈鹕发布会」。骑到梵高《星月夜》那段，转个不停的星空会跟着它蹬车的节奏一起晃。

配乐用了 22 段录音，从金贝鼓、古琴到马里奥主题都有。剪辑也没假手于人：模型自己写了剪辑脚本，卡着每个换场点逐场对齐。（概念设计来自 B 站创作者 @近步抱告_，已获授权。）

出题的人只想要一只鹈鹕，它交回来一部鹈鹕简史。多少有点欺负人了。

剪片子这件事，它是正经练过的。

官方说法是，训练阶段围绕科普、漫剧、创意剪辑等场景，一共搭起 15 万多个创作环境，创意、剧本、分镜、配音都能串起来做，累计出片时长约 5300 分钟。

再换到专业生产力软件，这里考的是空间感：只给一段文字描述，它得自己推断出形状、比例和位置关系。

在三维建模软件 Blender 里，两个文心智能体分头开工，一个建机场，一个造飞机。

建机场的那个自己去地图平台找布局数据，下载植被、车辆、地勤设备等配套素材；造飞机的那个把机身、机翼、驾驶舱、双层客舱一段段装起来。最后两边对齐尺度和镜头，渲染出片。活像一个小型外包团队，还不扯皮。

到了工程设计软件 FreeCAD 里，它用 Python 脚本搭出一台 W16 发动机，曲轴一转，四列气缸里的活塞跟着起落。

它又参照深圳的百度国际大厦，把东西两座楼做成了可编辑的三维模型，室内布局和机电管线都细到了局部；还从玉兔二号那里取灵感，设计出一辆月球概念车——悬架能摆、太阳翼能转。

看到这里，我才算想明白了。

游戏、动画、飞机、发动机，表面上看互不相干，往根上追其实是同一码事：写代码。

建模靠它写脚本指挥 Blender，剪片靠它写程序调度音视频素材。只要代码够得着，它就能把手伸进去。

百度把编程能力摆成这次升级的头号亮点，我认。这哪算一项能力，分明是一把万能钥匙。

这把钥匙连办公室的门都捅得开。开头提到的两个第一，考的正是这类活。

它单独写出了一份 24 页的自动驾驶研究报告，读完 4169 条美国联邦事故报告，把 Waymo 和特斯拉两条路线的安全数据拆开来比。另外还做了个个人财富规划工具，拿 1000 条随机市场路径做模拟推演，帮你算退休金够不够花。

这同样是练出来的。针对金融、法律这类知识工作，官方为它搭了 30 万个工作空间，备下 1000 万份参考文件，覆盖 40 多种文件类型。

它甚至自己编了曲，生成出一首 6 分 35 秒的交响乐。

能干活是一回事，干得快、用得起又是另一回事。

智能体动起手来动辄几百步，每一步慢一点、贵一点，月底账单就能让人心梗。

文心 5.5 Flash Preview 打架构设计起，就死盯「效率」两个字：

• 长文读取怎么省显存：整个模型有 43 层，其中 37 层翻历史内容时只扫「摘要」，每 128 个 token 归成一条；其余 6 层才逐字回看原文，并且挑最要紧的位置去算。像一支项目组，大部分人看会议纪要，少数几个人去查原始档案。哪怕塞进百万 token，显存照样撑得住。

• 挑专家防走眼：每层有 512 位「专家」，每次只点 10 位出场，外加 1 位常驻的共享专家，2800 亿参数就是这么压成每次只用 140 亿的。派活也有讲究：过去由一个「调度员」（路由器）决定叫谁出场，一旦看走眼，落选的专家连改错的机会都没有，容易一错到底；现在换成多个调度员一起打分，谁也别想一言堂。

• 写草稿来抢时间：另有一个名为 ECHO 的设计挺巧——它不额外挂模块，而是借模型自己的最后一层，在写下一个词时顺便把后面几个词先拟出来，核对没错就直接采用。

架构图上还标着几个名字不好念的部件：mHC 用来拓宽层与层之间的信息通道，MultiMax 负责最后挑词那一步，R2L 分词器则把数字按从右往左、三位一组的方式切开，好让它做算术。

几样加在一起，才有了每秒 200 多 token 的生成速度。文心这个 Flash，算是名副其实。

更有意思的还在后面。

11 月 9 日，百度文心首次公开了 RSI（递归自我改进）方向的进展：一套名为 ERNIE Evolve 的自动研究系统。通俗讲，就是让 AI 充当研究员，想法自己提，代码自己改，实验自己跑，结果还要通过独立评测那一关，糊弄不过去。

它领到的实战任务，正是给文心 5.5 Flash 的推理提速。交回来的作业是这样的：

在国产昆仑芯 P800 的低时延场景下，生成速度达到基线的 623.6%。而在强化学习训练所需的「确定性推理」中（同一请求，每次生成的每个词、每个概率都必须完全一致，代价是速度下降），吞吐量提升了 33.7%。

最能看出功力的是极致解码这一项。该场景人类工程师早已专门调优过，好拿的收益基本被吃干净，余下的单项改进通常只有 0.3% 到 0.5%，甚至小于测量噪声。

它硬是试了 7 个方向，又挤出 14.9% 的提速。

AI 上手去优化下一代 AI，这种桥段过去只出现在科幻作品里，如今却写进了一款国产大模型的研发记录。

把日历往回拨，百度这七天的动作排得相当紧凑。

11 月 5 日，文心 5.5 Flash Base 开源；这是百度隔了 16 个月，再度放出千亿参数级别的模型权重。11 月 9 日，公开了 RSI 自动研究方面的进展。11 月 11 日，文心 5.5 Flash Preview 正式发布。七天，三连发。

后面还有一发已经定好：11 月 25 日，文心 5.5 Flash Preview 的权重也将开源。

明天，百度世界 2026 会在北京开幕，主题定为「下一幕，智能组织」。大会前夜先把新模型摆出来，重头戏估计还在后面。

说几句实在话。

这两年，外界对文心的议论不少，有期待的，也有怀疑的。

不过看完这一周发布的东西，我的感受是：这支团队没花时间辩解，一直在低头干活。架构反复打磨，效率一点点抠，成果一件件拿出来。哪怕只是零点几个百分点的提速，也有人带着 AI 一条条去抠。

追在别人后面不丢人。文心这次的态度挺坦荡：我确实在追，而且追得很认真，东西就摆在这儿，随便测。

有句话想送给它：无人扶你凌云志，你自踏雪至山巅。

山巅究竟到没到，现在下结论还早，榜单上的对手一个赛一个强。但雪地里这串脚印，是一步一步踩出来的，做不了假。这个赞，文心担得起。

眼下，文心 5.5 Flash Preview 已经上线百度智能云千帆平台，开发者可通过 API 调用。定价为每百万 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。

别光听我说，去让它给你搓个游戏。

体验地址：https://ernie.baidu.com/web/new-chat