文心八项基准拿两冠：百度一周三连发，字节10万亿模型仍无影

11月11日，安静了许久的百度文心亮出了一份测试成绩。

这次受测的模型叫ERNIE 5.5 Flash Preview，八项基准测试全部跑完，对照的是Claude Opus 5.5、GPT-6.1 Sol、腾讯Hy4、DeepSeek V4.1 Flash以及智谱GLM-5.3系列。八个项目里，它夺下两个第一。

一周之内，这已经是文心的第三步棋。

11月5日先放出开源基座模型文心5.5 Flash Base；11月9日又公开自动研究系统ERNIE Evolve；到11月11日，Preview版本登场。

连停了将近一年的百度文心公众号，也借着这几天重新开张。

差不多同一时段，阿里把Qwen4-Max预览版放了出来。

再早一周，11月4日腾讯推出Hy4正式版，Artificial Analysis的智能指数V5榜单给了35分，在中国模型里排第二。

互联网年代的那三家BAT，如今又坐回了牌桌。

大模型一步步走进普通人的生活之后，话语权慢慢落到DeepSeek、月之暗面和智谱手上。BAT里的那个B，一度被换成了字节跳动（ByteDance）。

说到字节，Seed系列最新的还是6月23日发布的Seed2.1。

8月有外媒提到，Seed团队正在预训练一个参数规模最高能到10万亿的模型。三个月过去，它没名字，没发布日期，也没交出一份成绩单。

11月12日，澎湃新闻从多位知情人士处了解到，张一鸣近期在一次面向AI团队的全员会上表示，字节有能力和OpenAI、Anthropic同场竞争，可要真正追平前沿技术，“最早也要到2029年或2030年”。

BAT当真回来了？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只排到第17位，压在前头的是字节Seed 2.0、智谱GLM-5和Qwen3.5。

那阵子百度的基础模型团队把大把力气花在创意写作上，内部还喊出过做“最强文科生”的口号。同一时期，对手们拼的却是编程、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23.19亿元，同比降了68%，美股当晚跌掉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。”他还表态，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。

变化从7月1日开始。

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正是他主导的。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，文心开始一张接一张地出牌。

先上场的是文心5.5 Flash Base，总参数280B，每个token激活14B，在33.5万亿token上从零开始预训练。百度把它和DeepSeek-V4-Flash-Base、腾讯Hy3-preview-Base、小米MiMo-V2.5-Base放进同一套框架里比，30项基准中拿了24项第一。这也是百度隔了约16个月，再度开源千亿参数级模型。

Preview就是它的第一个后训练版本。

AutomationBench拿到61.9分，SpreadsheetBench V2为36.4分，两项都排第一，且都在Claude Opus 5.5之前；OfficeQA Pro V2是67.9分，只输给GPT-6.1 Sol；Terminal-Bench 4.0得46.5分，高过Hy4的42.4分，但距Claude Opus 5.5的63.6分还有不小差距。

DeepSWE 和 Agents‘ Last Exam 这两项，它排到了七个模型中的第五位。

图表下方还有一行注脚：凡是带星号的，都是百度自己测出来的分数。而竞争对手那边，成绩大半也带着星号。

百度官方的说法是“取得了具有竞争力的得分”，同时说明这属于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”。

不过有两件事确凿无疑。其一是快且便宜：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，目前还打五折。其二是开源：权重会在11月25日之前按 Apache 2.0协议开放。2024年的时候，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，阿里上线了Qwen4-Max预览版，价格没公布，参数量没公布，跑分也没公布。

同一份文档页上还注明：11月25日24点一过，该模型即退役，这期间不会有任何改动。说白了，阿里就是在明示Qwen4-Max正式版将在11月26日发布。

造势文案借的是《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”。

目前能确定的规格不多，但每一项都指向“大”。最大输出393216个 token，思考与答案共享这一额度，恰好是上一代Qwen3.8-Max的三倍。思考强度分三档，默认 xhigh，出厂设置就奔着想最久去。

另外，Qwen4-Max只支持Token Plan订阅，按量付费的路子走不通。

Qwen4-Max传递出的信号是“一力破万法”，预览版的思路正是如此：只要参数量和智能水平够高，模型自然就好用。

可Qwen的力气并非堆出来的，反倒是省出来的。

9月22日的云栖大会上，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纳成一句话：每一份算力能换回多少智能。他给出的数字是，Qwen3.8-Flash相比Qwen3.7-Plus，激活参数减至1/3，训练成本降至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”。具体做法是：注意力每四层中有三层替换为Gated DeltaNet，残差流由一条扩展到4条，主模型之外再挂一张51B的Embedding查找表，优化器改为Muon。这四处调整，讲的都是怎么省算力。

省下的算力流向了哪里？

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

刘大一恒把每一点智能的成本往下压，省出来的钱则全部押在规模上。

他自己的表述是，Max系列冲的是智能天花板，压低使用门槛交给Flash、Plus去做。而参数规模的扩展，依然是通往ASI的核心路径之一。

Hy4的成绩明明白白摆着，姚顺雨在模型圈的分量更不必多说。

Hy4总参数770B，不到Qwen3.8-Max的三分之一。Artificial Analysis榜单上，Hy4仅比Qwen3.8-Max高1分，可每任务成本约0.78美元，只有后者的13分之一。

腾讯这一年共发布四个模型：4月Hy3 preview，7月Hy3，8月Hy4 preview，11月Hy4。

马化腾5月时这样形容自家处境：“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。对张一鸣来说，压力自然小不了。

可年初的光景并非如此。

2月的LMArena榜单上，Seed 2.0还压着文心5.0一头。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。8月6日的年中全员会上，字节CEO梁汝波也承认，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。项目还处在早期阶段，最终规模得看后续训练阶段才能定下来。

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

按照报道中的说法，整个训练周期预计要花3到6个月，最后发不发布还没定下来。从8月上旬开始算，3个月正好是眼下，6个月就要到明年2月。

换句话说，它眼下没出现，还算不上迟到。

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。

张一鸣的态度此前已被外媒提到过：在Seed全员会上，他直接表态不赞成用蒸馏外部模型的办法去追进度，并称字节应当愿意“为长期目标牺牲一些短期利益”。另外，Seed内部会用API检测和训练数据过滤两道手段，挡住第三方模型的输出，不让它们混进训练集。

不抄作业，那自己就得好好补课了。

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”一级部门，与Seed、Flow、抖音平级。

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，但9月份外媒就披露过，他本人正在盯这个实时世界模型，跨部门把研发、算力、硬件几支团队拉到一起，训练推进由他全程督导。

据媒体报道，该项目在字节内部被划入年度最高优先级之列，追求的是50毫秒延迟、每秒20帧的交互表现，后续会向Pico VR和抖音内容生态做适配。

字节今年在世界模型和Coding等方向的数据预算已经到了千万美元级，还可以继续追加。

不过字节的优势还是不可撼动的，豆包仍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，做模型要坚持长期主义、延迟满足感，而不是用别人的输出，换一时的榜单排名。

那就慢慢等吧！