文心八项基准拿两冠，字节10万亿模型仍无音讯

11月11日，久未发声的百度文心公布了一份评测结果。

参与评测的模型是ERNIE 5.5 Flash Preview，共八项基准测试，对比对象包括Claude Opus 5.5、GPT-6.1 Sol、腾讯Hy4、DeepSeekV4.1 Flash以及智谱GLM-5.3系列。八项测试中，它拿下两个第一。

一周之内，这已是文心的第三次出手。

11月5日开放开源基座模型文心5.5 Flash Base；11月9日公开自动研究系统ERNIE Evolve；11月11日又推出Preview。

另外，停更将近一年的百度文心公众号，这几天也重新发文了。

差不多同一时间，阿里放出了Qwen4-Max预览版。

再早一周的11月4日，腾讯上线Hy4正式版，在Artificial Analysis智能指数V5榜单中拿到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。

大模型一步步进入日常生活之后，DeepSeek、月之暗面、智谱先后掌握了话语权，BAT里的B也被换成了字节跳动（ByteDance）。

说到字节，Seed系列最新的产品还是6月23日发布的Seed2.1。

8月有外媒报道，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，这个模型既没有名字，也没有发布日期，更没有公布任何成绩。

11月12日，澎湃新闻从多位知情人士处了解到，张一鸣在近期一次面向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真的回来了吗？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位列第17，排在它前面的是字节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放在创意写作上，内部甚至提出要做“最强文科生”，而同期对手们拼的是编程、长上下文和Agent。

8月18日，百度公布二季度财报，归属于百度的净利润为23.19亿元，同比下滑68%，美股当晚下跌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，本身就说明它已经不在其中。

转折点出现在7月1日。

1997年出生的复旦博士孙天祥进入百度，担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》称，这已是百度模型线近十个月内的第三轮大调整。

文心在四个月之后开始接连落子。

打头的是文心5.5 Flash Base：总参数280B，单个 token 激活14B，在33.5万亿 token 上从零做起预训练。百度把它跟DeepSeek-V4-Flash-Base、腾讯 Hy3-preview-Base、小米 MiMo-V2.5-Base 摆进同一套框架比对，30项基准中拿了24项头名。百度上一次开源千亿参数级模型，距今大约16个月。

这个 Preview 是它第一个后训练版本。

具体分数：AutomationBench 61.9分、SpreadsheetBench V2 36.4分，两项都排第一，压在Claude Opus 5.5前面；OfficeQA Pro V2 67.9分，只输给GPT-6.1 Sol；Terminal-Bench 4.0拿46.5分，高过Hy4的42.4分，跟Claude Opus 5.5的63.6分比还有明显距离。

DeepSWE和Agents‘ Last Exam这两项，它在七个模型里位列第五。

图下有一行脚注：打星号的是百度自己测出的成绩。对手的分数，多数也带着星号。

百度自己的说法是“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”。

不过有两件事是确定的。一是快且便宜：千帆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，现在还在打五折。二是开源：权重会在11月25日前按 Apache 2.0协议放出。2024年李彦宏曾表态，开源模型会越来越落后。

再说阿里。

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

同一份文档页上还标着：11月25日24点之后该模型退役，这期间不做任何改动。意思很明白，阿里是在告诉外界Qwen4-Max正式版11月26日登场。

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”。

能确定的规格不多，但每一项都指向大。最大输出393216个 token，思考和答案共用，正好是上一代Qwen3.8-Max的三倍。思考强度分三档，默认 xhigh，出厂就设成想得最久。

另外，Qwen4-Max只走Token Plan订阅，不开放按量付费。

Qwen4-Max传递出的思路是“一力破万法”，预览版的逻辑也是如此：只要参数量和智能水平够高，模型就一定好用。

可Qwen的力气不是堆出来的，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相比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，残差流由一条扩为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，说的都是怎么省算力。

省下的算力花到哪儿去了？

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。”

刘大一恒把每分智能的成本往下压，腾出的钱全押在规模上。

他的原话是，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的成绩明摆在那里，姚顺雨在模型圈的位置也不用多说。

Hy4的总参数量是770B，连Qwen3.8-Max的三分之一都不到。Artificial Analysis的榜单上它只领先Qwen3.8-Max 1分，可每任务成本约0.78美元，只有后者的13分之一。

这一年腾讯一共放出四个模型：4月的Hy3 preview、7月的Hy3、8月的Hy4 preview，再到11月的Hy4。

马化腾5月时这样描述过公司的处境：“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。”

BAT回来了。

张一鸣的10万亿模型去哪了？

前面提过，Seed2.1的发布日是6月23日。到11月12日，中间隔了142天。

这142天里腾讯、阿里、百度都没闲着，动作一个接一个。对张一鸣来说，压力显然不小。

不过年初的光景并不是这样。

2月的LMArena榜单上，Seed 2.0还压着文心5.0。到了8月，第三方榜单显示Seed2.1 Pro在全球大语言模型里排第21位。字节CEO梁汝波在8月6日的年中全员会上也承认，大语言模型和海外领先模型的差距有所拉大。

同样在8月上旬，10万亿的消息传了出来。

按外媒的说法，字节正在预训练一个参数规模最高可能达到10万亿的模型，目前仍处于早期阶段，最终规模要等后续训练阶段才能确定。

在当时，国内公开披露的最大模型Kimi是K3，2.8万亿参数。业内估计Anthropic的Mythos 5也就才8万亿。

这个项目整个训练周期，据有关报道估计在3到6个月之间；到底会不会公开发布，目前还没有结论。按8月上旬起算，满3个月正好是眼下，满6个月则要等到明年2月。

换句话说，它眼下没出现，还谈不上迟到。

张一鸣还曾在全员会上表示，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论文里给过一条经验规律：参数翻倍，训练数据也得跟着涨。参数可以堆，GPU可以买，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。

可唯独数据不行。

据外媒早前报道，张一鸣在Seed全员会上说得很明确，不赞成用蒸馏外部模型的办法去追赶，他觉得字节应当甘心“为长期目标牺牲一些短期利益”。Seed内部另有一套做法：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。

今年字节把散在各条业务线上的数据团队收拢起来，成立了“AI数据与安全”这个一级部门，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。

张一鸣早已不参与字节的日常运营，可9月份外媒就披露过，他正在亲自出面，把研发、算力、硬件几个团队拉到一起协调，这款实时世界模型的训练推进由他全程盯着。

这个项目在字节内部被划进年度最高优先级，追求的是50毫秒延迟、每秒20帧的交互效果，后续还要适配Pico VR和抖音的内容生态。

今年字节投在世界模型、Coding这些方向上的数据预算已到千万美元级，报道里说还能接着追加。

但字节手里还攥着别人动不了的一张牌，豆包它依旧是国内用户量最大的AI聊天应用，月活大约3.24亿。

张一鸣早前在内部会上讲过，做模型得看长期、要能延迟满足，别拿别人的输出去换一时的榜单名次。

那就慢慢等吧！