文心5.5 Flash Preview发布：8项基准两项第一，权重11月25日前开源

百度文心 5.5 Flash Preview 今天正式亮相。一周之内，这已经是文心第三次出牌。

11月5日，基座模型文心 5.5 Flash Base 宣布开源；

11月9日，RSI 进展首次对外披露，ERNIE Evolve 同步发布；

11月11日，文心 5.5 Flash Preview 登场。

一周连出三招，在文心的历史上并不常见。基座模型、RSI 探索、Preview 模型，三步彼此咬合，百度基础模型业务的新方向也由此一点点显形。

外界对文心的长期印象其实有点微妙：起步不算晚，家底也不少，声量却一直不高。放到大模型竞争的坐标里看，文心始终没走到与之匹配的位置。

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）。国产初代类ChatGPT开源大模型MOSS由他主导，他也有过创业经历。他接手基础模型业务后的第一份答卷，外界一直在等。本周这三连击，或许就是答卷的一部分。

效率、成本、开源，是这次文心 5.5 Flash Preview 的落点。模型目前已上线千帆平台，Web端与API同步开放。按照官方说法，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。

明天举行的百度世界2026上，模型还会有更多信息放出。

先看榜单。Terminal-Bench 4.0、DeepSWE v1.1、AutomationBench、APEX-Agents 1.1、DRACO、SpreadsheetBench V2、OfficeQA Pro V2、Agents' Last Exam 共8项基准测试中，文心 5.5 Flash Preview 拿下AutomationBench和SpreadsheetBench V2 两个第一；在纳入对比的模型里，DeepSWE、APEX-Agents、DRACO、OfficeQA Pro V2 四项排第二，其余项目同样处于前列。

百度官方给这份成绩的说法是“取得了具有竞争力的得分”，用词相当克制。

有一点要说明：对比图中带*号的成绩属于厂商自评口径，横向比较只作参考。

榜单位置之外，能力版图怎么规划、实测中有哪些工程细节，更能看出一款模型的实际成色。

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 的升级集中在编程、3D建模、知识工作、内容创作四条线上。编程这一路，训练素材包括超过1400万个可执行代码任务，以及多种Agent框架的执行轨迹；3D建模则针对Blender、CAD这类工具做了专门训练；知识工作的后训练铺到了金融、法律等领域，覆盖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，搭出超过15万个创作环境，官方口径累计成片约5300分钟。

文心 5.5 Flash Preview 的游戏开发能力究竟如何，AI科技评论第一时间做了上手测试。

给模型的提示词是这样写的：你们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，要开发的是原创 2D 节奏游戏《砰砰退件局！》（PUNCH! RETURN!），玩法理念受《节奏天国》启发。

要求很明确——不是交一个能跟着节拍出拳的Demo程序，而是一段完整、可交互、带着生命力的卡通音乐喜剧。

场景得像个真存在的荒诞卡通世界：玩家和发货机器人之外，周围要有不断冒出来的小角色，各有各的动作，会对玩家的成败作出反应；环境要持续变化，乱入事件要来得突然，到最后还得有一场所有角色一起参与的高潮演出。

实测结果如下：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。经过多轮生成，前后耗时约7分32秒，拿到一个能运行的版本。

这一轮测试，某种程度上检验了文心 5.5 Flash Preview 处理高度复合需求的能力，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被正确触发。拿角色状态系统来说，状态机一旦写歪，角色连续击打失败之后可能就困在紧张状态里出不来，整个场景的连锁反馈也跟着受影响。

当然，单个案例说明不了模型的稳定产出水平。可这类“一份文档、多个系统”的长需求题目，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涉及视频编排、游戏开发、3D建模等方向，分量最重的一块是游戏开发。

• 游戏开发：自我纠错

游戏开发这边拿出的代表案例叫《云岫行》：

这是一款第三人称东方武侠游戏，场景放在云雾缭绕的张家界石峰和崖顶古寺，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引擎的素材并进同一个UE5.8工程，游戏用C++完整实现。

试玩时暴露出人物悬空、跑动方向对不上、摄影机位置错位这些视觉问题，模型把它们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”，等于模型自己搭了一套验证回路，这比一次性吐出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。

官方还给了规模更大的案例：拿一份完整游戏策划方案，模型做出近百款手机小游戏，弹幕射击、肉鸽、塔防、竞速、卡牌RPG、城建经营、物理解谜、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，再用机器人模拟、状态空间搜索和关卡回放自动验证可解性与数值平衡。这套工程化验证的路子，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：

用 Python，ERNIE 5.5 Flash Preview 从零做出了一部 116 秒的 2D 动画短片：白鹈鹕蹬着自行车，从公元前 4000 年的撒哈拉岩画出发，一路骑到大模型时代的代码编辑器，穿过 20 种艺术风格，最终抵达“第 21 号鹈鹕发布会”。上万行代码撑起全片，每一帧都由 Pycairo 矢量绘制，后期交给 NumPy 和 Pillow 处理。20 个场景里，同一只参数化鹈鹕换了多副面孔——汉画像石拓片、爪哇皮影、示波器光线、8-bit 像素；转场时整格画面像胶片般拉过，鹈鹕则始终连贯地骑过画框接缝。

到了《星月夜》这一场，踏频直接带动梵高原作上的漩涡星空扭动起来。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依照画面切换点逐场对齐。有几场的背景是 ERNIE 5.5 Flash Preview 调生图工具做出来的：唐代白描、清明上河图、莫卧儿细密画三场的静态底图均出自生图工具，随后 ERNIE 5.5 Flash Preview 再用代码在底图上叠加会动的人物、落花和水纹。概念设计由 Bilibili 创作者 @近步抱告_ 提供。

这道题的设计思路值得琢磨。视频生成赛道上，单帧画质早就卷得很高，真正难的是跨场景一致性和节奏控制。同一只鹈鹕穿过20种风格还能保住形态，长程状态管理能力多少能看出一点。

237秒的官方展示片则是另一个路数：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。官方披露的数字显示，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，中间自己检查结果、发现问题再改。

• 3D建模：流水线

3D方向的两个案例都在Blender里完成：

第一个案例里，两个基于文心5.5Flash Preview的智能体靠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、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；

另一路负责飞机，靠截面放样加模块化装配，把机身和机翼搭出来。两个工程随后统一尺度、位置和镜头，再做动画编排，用Cycles/OptiX GPU分帧渲染，最后由FFmpeg合成视频。

其二，模型自己去查法隆寺的布局和建筑结构参考，一层层把建筑群建起来，细到逐层收分、梁柱怎么支承、屋瓦怎么叠。公开授权的佛像扫描和植物资产被放进场景，表面细节靠PBR贴图与程序化节点材质一起完成。

两个案例有个共同点：模型被塞进了“检索—建模—渲染—合成”的整条流水线，而不是单点执行一条建模指令。双智能体之间拆任务、互相配合，案例也因此超出了单个模型能力的范围。

02

快，从何而来

前面说的游戏和视频案例都属于长程任务：连续跑一到两个小时、工具调用中位数约170次、11小时的完整工程迭代。这类任务吃推理速度远比日常问答狠，“快”在这里是有实际意义的。

对多数用户来说，更直观的是另一个数字：千帆API单用户推理速度超过200 tokens/s，约合每秒150个以上汉字。生成速度到了这个量级，输出基本跟得上阅读，等待感会明显下降。

官方给“快”的解释是一套系统性的技术设计，拆开看有三层。

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。放在当下的稀疏配置里，这算比较激进的一档。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，只从里面调一小部分。

第二层是显存。1M tokens的上下文，如果每层都做全量注意力，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来的：43层里有37层把历史每128个token压成一条缓存条目，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，几乎不增加参数就换来提速。

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”这个命名在行业里的惯例——比起单点极限，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。

效率设计给文心 5.5 Flash Preview的低价留出了空间：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了下来。

开源方面，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，这意味着拉取即可运行，商用没有协议负担。另外，今天文心 5.5 Flash Preview 的 API 已上线千帆平台。

在实测和价格的热议之外，还有一条容易被忽略的消息：

文心 5.5 Flash Preview的部分推理优化工作，由百度11月9日披露的自动研究系统ERNIE Evolve完成：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%，精度未降。

AI参与优化AI，眼下还在早期，单次优化也说明不了全貌。但它指向的事实是，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、价格和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、演示和单次实测都只是入场券，能不能转化成开发者的调用量，才是下一阶段的分野。

视频编排、游戏开发眼下成了各家模型亮相的新舞台，这一点同样该记一笔。它们不看跑分，做出来的东西直接能进工作流，算是榜单之外另开了一条赛道。文心把长板押在这两个场景上，既是跟着行业节奏走，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，也正是文心闷头长本事、悄悄追赶的阶段。业界对百度文心仍有期待，盼它追上那个技术积累厚实的自己。蛰伏这么久之后，它还能拿出什么样的答卷？AI科技评论会继续盯着。