文心八项测试拿两冠：百度一周三连发，字节压力来了？

11月11日，安静了许久的百度文心，忽然亮出一份成绩单。

这次拿出来的模型叫ERNIE 5.5 Flash Preview，跑了八项基准测试，对手包括Claude Opus 5.5、GPT-6.1 Sol、腾讯Hy4、DeepSeek V4.1 Flash和智谱GLM-5.3系列。八项里头，它两项排第一。

一周之内，这已经是文心的第三个动作。

11月5日开源基座模型文心5.5 Flash Base，11月9日披露自动研究系统ERNIE Evolve，11月11日再放出Preview。

连停了将近一年的百度文心公众号，这几天也重新开始更新。

差不多同一时段，阿里把Qwen4-Max预览版开放了出来。

再早一周，11月4日腾讯发布Hy4正式版，在Artificial Analysis的智能指数V5榜单上拿下35分，位列中国模型第二。

互联网时代的BAT三家，又重新坐到了牌桌上。

大模型走进日常生活之后，掌握话语权的是DeepSeek、月之暗面、智谱这些公司。BAT里的B，一度被换成了字节跳动（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，也没交出一张成绩单。

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，但真要追平前沿技术，“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？

01

BAT这轮是怎么回来的？

今年2月的LMArena综合榜单上，文心5.0排在第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量精力花在创意写作上，内部一度喊出要做“最强文科生”，而同期对手们拼的是编程、长上下文和Agent。

百度二季度财报8月18日公布：归属于百度的净利润23.19亿元，同比降68%；美股当晚跌12.73%。李彦宏在电话会上称：“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，本身就等于承认了已经不在。

转折点出现在7月1日。

1997年出生的复旦博士孙天祥空降百度，出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》的说法是，这已是百度模型线近十个月里的第三轮大调整。

四个月之后，文心开始一张接一张地出牌。

先看文心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。百度把它和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项基准里拿下24项第一。这也是百度时隔约16个月，再度开源千亿参数级模型。

Preview则是它第一个后训练版本。

AutomationBench 61.9分、SpreadsheetBench V2 36.4分，两项都排第一，且都在Claude Opus 5.5之前；OfficeQA Pro V2 67.9分，只落在GPT-6.1 Sol后面；Terminal-Bench 4.0为46.5分，高过Hy4的42.4分，离Claude Opus 5.5的63.6分还有一段距离。

DeepSWE和Agents' Last Exam这两项，它的名次是七个模型中的第五。

图表下方另有一行脚注：凡带星号的，均为百度自行测试所得。竞争对手的成绩里，多数也标着星号。

百度方面给出的说法是“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”。

不过有两项信息是确定的。其一是速度与价格：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，目前还按五折执行。其二是开源，权重定于11月25日前以 Apache 2.0协议发布。李彦宏曾在2024年表示，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、参数量、跑分一概没有公布。

同一份文档页面上另有一句：11月25日24点之后该模型退役，此期间不作任何改动。意思很直白，阿里是在暗示Qwen4-Max正式版11月26日登场。

预热文案取自《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，但每一项都指向规模。最大输出393216个 token，思考与答案共用这一额度，恰好是上一代Qwen3.8-Max的三倍。思考强度分三档，默认 xhigh，出厂即按最长思考时间运行。

另外，Qwen4-Max只通过Token Plan订阅提供，不开放按量付费。

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

可Qwen的力气并非靠堆砌得来，靠的是节省。

9月22日云栖大会上，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结为一句话：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，激活参数降到1/3，训练成本降至1/9。

节省的具体做法，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”。注意力部分每四层中有三层改为Gated DeltaNet，残差流由一条增加到4条，主模型之外再挂一张51B的Embedding查找表，优化器则替换为Muon。这四处调整，讲的都是如何省算力。

省下的算力投向了哪里？

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。”

刘大一恒压低每一分智能的成本，省出来的钱全押在规模上。

他本人的说法是，Max系列瞄准智能天花板，降低使用门槛交给Flash、Plus。参数规模的扩展，依然是通往ASI的核心路径之一。

Hy4的成绩明摆在那里，姚顺雨在模型圈的位置也不必多说。

Hy4总参数770B，不足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，仅为后者的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月曾这样描述自家处境：“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。

02

张一鸣的10万亿模型去哪了？

如前所述，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，压力确实不小。可年初那会儿，局面还不是这样。

2月的LMArena榜单上，Seed 2.0还压在文心5.0前头。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，目前仍在早期阶段，最终规模得等后续训练阶段才能敲定。

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。

按已有报道，整个项目训练周期估计在3到6个月之间，最后发不发布，目前并没有定论。从8月上旬起算，3个月就落在眼下这个节点，6个月则要到明年2月。也就是说，这东西现在还没露面，谈不上晚。

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。

张一鸣在Seed全员会上的态度，此前已被外媒提到过：他明确反对用蒸馏外部模型的办法去追赶，觉得字节应当肯“为长期目标牺牲一些短期利益”。Seed内部另有一道关卡，靠API检测和训练数据过滤，挡住第三方模型的输出混进训练集。

不抄作业，那自己就得好好补课。字节今年把分散在各条业务线的数据团队收拢起来，成立了与Seed、Flow、抖音平行的一级部门“AI数据与安全”。

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。

更早之前，9月份外媒就披露过：张一鸣已经卸下字节日常运营的担子，却在亲自跨部门拉通研发、算力与硬件团队，盯着这款实时世界模型的训练一步步往前走。按那篇报道的说法，该项目被字节列入年度最高优先级之一，追求的是50毫秒延迟、每秒20帧的交互效果，今后会适配Pico VR和抖音内容生态。

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！