文心八项测试拿两冠，字节10万亿模型仍无踪影

11月11日，久未发声的百度文心公布了一份评测结果。

参评模型为ERNIE 5.5 Flash Preview，共八项基准测试，对照的是Claude Opus 5.5、GPT-6.1 Sol、腾讯Hy4、DeepSeek V4.1 Flash和智谱GLM-5.3系列。八项之中，它拿下两项第一。

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日公开自动研究系统ERNIE Evolve，11月11日又放出Preview。

停了将近一年的百度文心公众号，这几日也重新开始更新。

差不多同一时段，阿里把Qwen4-Max预览版开放了出来。

再早一周的11月4日，腾讯推出Hy4正式版，在Artificial Analysis的智能指数V5榜单上得35分，位列中国模型第二。

互联网时代的BAT三家，重新坐回了牌桌。

大模型走进日常之后，叙事权一度落到DeepSeek、月之暗面、智谱手里。BAT里的B，也被换成了字节跳动（ByteDance）。

可字节这边，Seed系列最新的还是6月23日发布的Seed2.1。

8月外媒曾报道，Seed团队正在预训练一个参数规模最高可达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得知，张一鸣近期在一次面向AI团队的全员会上表示，字节有能力与OpenAI和Anthropic竞争，但要真正追平前沿技术，“最早也要到2029年或2030年”。

BAT真回来了吗？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只排第17位，压在它前头的是字节Seed 2.0、智谱GLM-5和Qwen3.5。

那阵子百度基础模型团队把不少精力花在创意写作上，内部甚至喊出做“最强文科生”的口号；同期对手们拼的却是编程、长上下文和Agent。

百度8月18日公布二季度财报：归属于百度的净利润为23.19亿元，同比降68%，美股当天夜里跌幅12.73%。李彦宏在电话会上表态：“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。”他说，有信心推动文心“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。

转机出现在7月1日。

1997年出生的复旦博士孙天祥空降百度，担任基础模型研发部负责人。国产初代类ChatGPT开源大模型MOSS正是由他主导。按《深网》的说法，这已是百度模型线近十个月里的第三轮大调整。

四个月后，文心开始接连出牌。

先亮相的是文心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。百度把它与DeepSeek-V4-Flash-Base、腾讯Hy3-preview-Base、小米MiMo-V2.5-Base放进同一套框架测试，30项基准中24项第一。这也是百度时隔约16个月，再次开源千亿参数级模型。

Preview则是它的首个后训练版本。

AutomationBench得61.9分，SpreadsheetBench V2得36.4分，两项均列第一，都排在Claude Opus 5.5之前；OfficeQA Pro V2为67.9分，仅落后GPT-6.1 Sol；Terminal-Bench 4.0是46.5分，高于Hy4的42.4分，但距Claude Opus 5.5的63.6分仍有不小差距。

七个模型放在一起比，DeepSWE和Agents' Last Exam这两项，它排第五。

图下有一行小字注解：凡是打星号的，都是百度自己测出来的分。而对手那一栏的成绩，星号也占了大半。

百度官方的说法是“取得了具有竞争力的得分”，同时注明，这还只是后训练阶段的一个中间版本，“仍可能存在部分因训练不充分导致的能力缺陷”。

不过有两样东西是确定的。速度快、价格低：千帆平台上，单用户推理速度突破每秒200个 token，每百万 token 忙时输入2元、输出8元，目前还按五折走。另一样是开源，权重定在11月25日前以 Apache 2.0协议放出。2024年李彦宏曾说过，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。价格没给，参数量没给，跑分也没给。

同一个文档页上另有一句：11月25日24点之后，该模型退役，这期间不做任何更改。意思很直白，阿里是在告诉外界，Qwen4-Max正式版11月26日发布。预热文案借的是《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”。

能确定的规格只有几条，条条指向“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，出厂即按想得最久来设。

另外，Qwen4-Max只走Token Plan订阅，不开放按量付费。

Qwen4-Max传出的信号是“一力破万法”。预览版的思路就是这样：参数量和智能水平够高，模型就好用。

可Qwen的力气并非堆出来的，是省出来的。

9月22日云栖大会，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对比Qwen3.7-Plus，激活参数减到1/3，训练成本降到1/9。

省法写在8月26日开源的Qwen3.8-Flash-Next模型卡里，阿里称其为“Qwen4所用模型结构的先导预览”。注意力每四层中有三层换成Gated DeltaNet，残差流由一条扩成4条，主模型之外再挂一张51B的Embedding查找表，优化器改用Muon。四处改动，讲的都是怎么省算力。

那省下来的算力去了哪儿？

现役旗舰Qwen3.8-Max总参数已达2.4T，Qwen4.5、Qwen5要扩到5到10T。模型卡里还有一句：“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。”

刘大一恒压低每一分智能的成本，省出的钱全押在规模上。

他自己的说法是，Max系列追求智能天花板，降低使用门槛交给Flash、Plus。参数规模的扩展，仍是通向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，但每任务成本约0.78美元，只有后者的13分之一。

腾讯这一年发了四个模型：4月Hy3 preview，7月Hy3，8月Hy4 preview，11月Hy4。

马化腾5月这样形容自家处境：“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。”

BAT回来了。

张一鸣的10万亿模型去哪了？

前面提过，Seed2.1发布于6月23日。到11月12日，已经过去142天。

这142天里，腾讯、阿里、百度都没闲着，动作一个接一个。张一鸣身上的压力，显然不小。

其实年初还不是这个局面。

2月的LMArena榜单上，Seed 2.0的排名还在文心5.0之上。到了8月，第三方榜单给出的数字是：Seed2.1 Pro在全球大语言模型里位列第21。8月6日的年中全员会上，字节CEO梁汝波也松了口，承认大语言模型跟海外领先模型的差距有所拉大。

同样在8月上旬，10万亿的说法传开了。

按外媒的说法，字节正在预训练一个新模型，参数规模最高可能到10万亿，目前还在早期阶段，最终多大得看后续训练阶段才能定。

要知道，当时国内公开披露的最大模型是Kimi K3，2.8万亿参数；业内估算Anthropic的Mythos 5也不过8万亿。

有报道提到，这个项目整个训练周期预计3到6个月，最后发不发布还没定论。从8月上旬往后推，3个月就是眼下，6个月要到明年2月。

换句话说，它现在还没露面，谈不上迟到。

张一鸣还在全员会上讲过，Seed大语言模型用的预训练数据集，比顶尖对手小了几个数量级。

DeepMind在2022年的Chinchilla论文里总结过一条经验：参数翻倍，训练数据也得同步跟上。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。

偏偏数据这块补不上。

外媒此前报道，张一鸣在Seed全员会上明确表态，反对靠蒸馏外部模型来追赶，认为字节应当愿意“为长期目标牺牲一些短期利益”。Seed内部也用API检测和训练数据过滤两手，挡住第三方模型的输出流入训练集。

不抄作业，那就只能自己下功夫补课。

今年字节把散在各条业务线的数据团队拢到一起，新设了一级部门“AI数据与安全”，与Seed、Flow、抖音平级。

10月，影视飓风的Tim在内部交流中，演示了字节跳动还没官宣的世界模型。

该模型依托字节Seedance视频生成体系打造，能实现老电影自由运镜、虚拟场景实时交互、VR职业模拟等，主打云端渲染带来的沉浸式空间体验。

其实9月外媒就披露过，早已卸任日常运营的张一鸣，正亲自跨部门协调研发、算力与硬件团队，全程盯着这款实时世界模型的训练推进。

报道称，该项目被列为字节年度最高优先级之一，目标是做到50毫秒延迟、每秒20帧的交互效果，后续将适配Pico VR与抖音内容生态。

今年字节在世界模型和Coding等方向上的数据预算已达千万美元级，且还能继续追加。

不过字节的底子仍然稳，豆包依旧是国内用户规模最大的AI聊天应用，月活约3.24亿。

张一鸣此前在内部会议上说过，做模型得坚持长期主义、延迟满足感，不能拿别人的输出换一时的榜单排名。

那就慢慢等吧。