文心5.5 Flash Preview发布：一周三连发，开源与效率成焦点

百度文心 5.5 Flash Preview 今天正式亮相。这已经是文心一周里第三次出手：11月5日，基座模型文心 5.5 Flash Base 开源；11月9日，RSI 进展首次对外披露，ERNIE Evolve 随之发布；11月11日，文心 5.5 Flash Preview 登场。

一周连出三张牌，在文心的历史上并不常见。基座模型、RSI 探索、Preview 模型三步接续推进，百度基础模型业务的新走向也由此逐渐清晰。

外界对文心的长期印象有些微妙：起步够早，家底不薄，存在感却一直不算高。放在大模型竞争的坐标系里看，文心始终没有拿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。他接手基础模型业务后的第一份答卷，外界一直在等。本周的三连击，或许就是这份答卷的一部分。

此次发布的文心 5.5 Flash Preview，把重点压在效率、成本和开源三件事上。模型已经上线千帆平台，Web端与API同步开放。按照官方说法，模型权重将在11月25日前以Apache 2.0许可证向全球开源社区发布。明天百度世界2026上，还会有更多模型信息公布。

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 两项第一；在纳入对比的模型中，DeepSWE、APEX-Agents、DRACO、OfficeQA Pro V2 四项排第二，其余项目也都进入前列。

百度官方对这份成绩的用词是“取得了具有竞争力的得分”，表述相当克制。

还要说明一点：对比图中带*号的成绩属于厂商自评口径，横向比较仅供参考。

榜单位置之外，能力版图怎么规划、实测中有哪些工程细节，更能反映一款模型的真实成色。

01

能力版图：

编程、视频、游戏与3D

官方给出的说法是，文心 5.5 Flash Preview 这轮升级落在四个方向：编程、3D建模、知识工作和内容创作。编程侧喂进了超过1400万个可执行代码任务，还有多种Agent框架的执行轨迹；3D建模专门针对Blender、CAD这类工具做了训练；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；内容创作适配上千项Skill，搭起超过15万个创作环境，按官方口径累计成片约5300分钟。

文心 5.5 Flash Preview 的游戏开发能力，AI科技评论第一时间上手测了。

给它的设定是这样：你是一支独立游戏团队，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。请开发一款受到《节奏天国》玩法理念启发的原创 2D 节奏游戏《砰砰退件局！》（PUNCH! RETURN!）

要的不是一个能按节拍出拳的程序 Demo，而是一段完整的、可交互的、充满生命力的卡通音乐喜剧。

场景得像个真实存在的荒诞卡通世界：玩家和发货机器人之外，周围还有不断冒出来的小角色，各有各的动作，会对玩家的成败做出反应，环境在变，乱入事件说来就来，最后所有角色一起参与高潮演出。

测试结果如下：角色逐步登场、节拍判定、结算演出这些核心环节，游戏都顺利跑完了。多轮生成下来，总共花了约7分32秒，拿到一个可运行的版本。

这场测试多少能看出文心 5.5 Flash Preview 应付高度复合型需求的本事，审美、音乐节奏感、画面编排、动画制作都在考察范围内，代码侧还得保证大量事件正确触发。拿角色状态系统举例，状态机写砸了，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受牵连。

单个案例当然说明不了模型的稳定产出水平，不过这种“一份文档、多个系统”的长需求题目，本身就是编程能力最难啃的考法之一。

官方博客里的演示案例铺到了视频编排、游戏开发、3D建模等方向，其中游戏开发分量最重。

• 游戏开发：自我纠错

游戏开发拿出的代表案例是《云岫行》：

这是一款第三人称东方武侠游戏，场景设在云雾缭绕的张家界石峰与崖顶古寺，基于Unreal Engine 5.8构建。整个任务跑了11小时，模型把跨越多代UE引擎的素材合进同一个UE5.8工程，游戏用C++完整实现。

试玩中冒出的人物位置悬空、跑动方向不一致、摄影机位置错位这些视觉问题，被模型一个个转成可测量的代码测试问题，再靠不断完备的测试推着项目迭代。“把视觉问题翻译成测试”，说明模型建起了一套自我验证的闭环，这比一次性生成可运行代码更贴近真实开发，也是长周期开发任务里最难自动化的地方。

官方还披露了规模更大的案例：拿到完整游戏策划方案后，模型构建了近百款手机小游戏，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八个品类都有，其中24款重点作品横跨Cocos、Unity、LayaAir、PixiJS与原生Canvas 2D等多种技术栈，多数采用规则层与表现层分离的确定性模拟，再通过机器人模拟、状态空间搜索和关卡回放自动验证可解性与数值平衡。这套工程化验证的思路，和《云岫行》一脉相承。

• 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：

ERNIE 5.5 Flash Preview 交出的是一部 116 秒的 2D 动画短片，全部用 Python 从零写成。片中的主角是一只白鹈鹕，它蹬着自行车，从公元前 4000 年的撒哈拉岩画出发，一路骑到大模型时代的代码编辑器，中途换了 20 种艺术风格，收尾时现身“第 21 号鹈鹕发布会”。驱动全片的是上万行代码，每一帧都由 Pycairo 做矢量绘制，后期处理则交给 NumPy 和 Pillow。这只参数化鹈鹕在 20 个场景里轮番变成汉画像石拓片、爪哇皮影、示波器光线和 8-bit 像素；转场时画面像胶片那样整格拉过，鹈鹕则始终连贯地骑过画框接缝。

到了《星月夜》一场，漩涡星空直接叠在梵高原作上，随踏频一起扭动。配乐挑了 22 段录音，金贝鼓、古琴、加美兰、马里奥主题都在其中，模型编写的剪辑脚本按画面切换点逐场对齐。有几场背景是 ERNIE 5.5 Flash Preview 调用生图工具做出来的：唐代白描、清明上河图、莫卧儿细密画这三场的静态底图均出自生图工具，随后 ERNIE 5.5 Flash Preview 再用代码在底图上叠出会动的人物、落花和水纹。概念设计由 Bilibili 创作者 @近步抱告_ 提供。

这道题的设计思路有得琢磨。视频生成竞赛里，单帧画质早已被卷到很高的水准，真正卡人的是跨场景一致性和节奏控制。同一只鹈鹕连穿20种风格还能保住形态，多少说明了长程状态管理的能力。

官方展示片长237秒，模型围绕“地球要是也有个环”这个命题，把查资源、写剧本、设计分镜、生成画面四道工序一口气连着做完。按官方披露的数字，一条片子做下来，模型要连续工作一到两个小时，工具调用中位数约170次，过程中自己核对结果、找出问题并加以修正。

• 3D建模：流水线

3D方向的两个案例都基于Blender完成：

其一，两个基于文心5.5Flash Preview的智能体使用Blender Python API分工协作：一个负责机场，自主检索地图平台的布局矢量数据，下载植物、车辆与地面服务设备等授权资产，通过参数化建模构建航站楼及飞行区；

还有一路负责飞机那部分，用截面放样和模块化装配把机身、机翼搭出来。之后两条工程线要统一尺度、位置和镜头，再排动画，交给Cycles/OptiX GPU分帧渲染，最后用FFmpeg合成视频。

另一个案例是法隆寺。模型自己去查这座寺的布局和建筑结构资料，一层层把建筑群建起来，细到逐层收分、梁柱怎么支承、屋瓦怎么层叠。公开授权的佛像扫描件和植物素材被放进了场景，表面细节靠PBR贴图加程序化节点材质一起完成。

这两个案例有一个相同之处：模型是被放进“检索—建模—渲染—合成”这条完整流水线里跑的，不是单点执行某一条建模指令。双智能体之间怎么拆任务、怎么配合，也让案例超出了单个模型能力的边界。

02

快是怎么来的

前面说的游戏和视频案例都属于长程任务：连续跑一到两个小时，工具调用中位数约170次，完整的工程迭代达到11小时。这类任务对推理速度的消耗，远不是日常问答能比的，“快”在这里是实打实的指标。

对多数用户来说，更直观的是另一个数：千帆API单用户推理速度超过200 tokens/s，换算下来每秒能出150个以上汉字。速度到了这个档位，输出基本跟得上阅读节奏，等待感会明显小很多。

官方把“快”归结为一套系统性的技术设计，拆开来看有三层。

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，在当下的稀疏配置里算比较激进的一档。总参数撑的是知识容量，激活参数才决定每个token真正花多少算力。2800亿更像常备库存，每生成一个token，只从里面调一小部分出来。

第二层是显存。1M tokens的上下文，要是每一层都做全量注意力，显存开销根本落不了地。混合稀疏注意力就是冲着这个问题去的：43层里有37层把历史每128个token压成一条缓存条目，全局视野还在；剩下6层保留逐token访问历史的能力，再配合稀疏选取。结果是KV cache占用大幅下降，长文本里抠细节的能力没丢。

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则让主干网络最后一层在预测下一个token之外，兼着预测后续token，这层同时当投机解码的草稿模型用——先猜再验，参数几乎没多，速度却上来了。

三层设计奔的是同一个方向：用更少的激活参数交出够用的智能，把速度提上去、成本压下来。这也是“Flash”这个命名在行业里的惯例——不追单点极限，效率档产品线更看重能力、速度、成本三者的平衡。

百度这次一并放出了完整的技术博客和模型架构图。

03

价格、开源，还有一个特殊信号

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，眼下限时五折——折完闲时输入0.5元、输出2元。放到同参数规模的模型里比，这个价格有一定竞争力。

换算一下更直观：一百万token大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，折后输入成本不到一元。

低价的空间是效率设计撑起来的：每个token只激活140亿参数，FP4压缩专家权重，推理成本已经被架构压下去了。

开源这边，模型权重将于11月25日前以Apache 2.0许可证面向全球开源社区发布，支持SGLang和vLLM部署。对开发者来说，拉下来就能跑，商用没有协议负担。另外，文心 5.5 Flash Preview 的 API 今天已经在千帆平台上线。

在实测和价格的热议之外，还有一条消息容易被忽略：

文心 5.5 Flash Preview的部分推理优化工作，是百度11月9日披露的自动研究系统ERNIE Evolve做的：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至基线的133.7%，平均每个token的生成时间缩短26%，精度没有下降。

AI参与优化AI，现在还处在早期，单次优化也说明不了全貌。但它指向一个事实：模型之间的竞争，正从参数规模的比拼，往研发迭代效率的比拼上延伸。

04

结语

一周之内三次动作，再加一份很有诚意的定价，百度文心这轮进攻的轮廓已经清楚：绕开正面战场，先在效率、价格、开源三个维度同时落子。

今年的模型竞争正在分层：旗舰模型卷榜单上限，效率档模型卷成本曲线，文心选的是后者。这条赛道今年格外拥挤，定价、演示、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、游戏开发这类活儿，眼下已经成了新模型亮相的另一个舞台。它们不比跑分，做出来的东西直接能进工作流，等于在榜单之外又开了一条赛道。文心把长板压在这两个场景上，是跟着行业节奏走，也让自己更容易被看见。

拉长时间线看，口碑吃紧的这段日子，也正是文心闷头往前赶、不声张地追的阶段。外界对百度文心还抱着指望，盼它能追回那个技术底子厚实的自己。蛰伏这么久，接下来会拿出什么样的答案？AI科技评论会继续盯着。