文心8项测试拿2个第一：百度连续出牌，字节的10万亿模型仍无音讯

11月11日，安静了许久的百度文心拿出一份成绩单。

主角是ERNIE 5.5 Flash Preview，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，这项模型拿下两个第一。

这已经是文心一周里的第三次出手。

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，也在这几天重新开始更新。

差不多同一时间，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榜单上拿到35分，在中国模型里排第二。

互联网时代的那三家BAT，又坐回了牌桌。

大模型走进日常生活之后，话语权慢慢落到DeepSeek、月之暗面和智谱手里。BAT里的B，也被换成了字节跳动（ByteDance）。

说回字节，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，这个模型既没有名字，也没有发布日期，更没拿出一张成绩单。

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？张一鸣的10万亿模型又去哪了？

BAT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，排在前面的有字节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放在创意写作上，内部一度喊出做“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。

百度二季度财报8月18日出炉：归属百度的净利润为23.19亿元，同比跌68%，美股当晚跌幅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，有信心推动文心“重新回到基础大模型的第一梯队”。

“重新回到”四个字，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，担任基础模型研发部负责人。国产初代类ChatGPT开源大模型MOSS就是由他主导的。《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放进同一套框架里测，30项基准中拿下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是这个模型的第一个后训练版本。

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

DeepSWE 与 Agents‘ Last Exam 这两项测试里，它排在七个模型中的第五位。

图表下方附有一行备注：标星号者为百度自行测试所得；而竞争对手的成绩，多数也带着星号。

百度官方的说法是“取得了具有竞争力的得分”，同时说明该模型属于后训练阶段的中间版本，“仍可能存在部分因训练不充分导致的能力缺陷”。

不过有两项信息确凿无疑。其一，速度快、价格低——在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，当前还打五折。其二，走开源路线，权重将于 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，阿里上线 Qwen4-Max 预览版，价格、参数量、跑分一概未公布。

同一份文档页面上另有说明：11月25日 24 点之后该模型退役，此期间不做任何改动。意思很直白，阿里是在明示 Qwen4-Max 正式版将于 11月26日发布。

预热文案借用《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，但每一条都指向“大”。最大输出 393216 个 token，思考与答案共用这一额度，恰为上一代 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足够高，模型就必然好用。

可 Qwen 的力气并非堆出来的，而是省出来的。

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。字母榜将那场演讲概括为一句话：每一份算力换多少智能。他给出的数据是，Qwen3.8-Flash 对比 Qwen3.7-Plus，激活参数降至 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 模型卡上，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，主模型之外另挂一张 51B 的 Embedding 查找表，优化器改为 Muon。四处调整，讲的都是如何省算力。

省下来的算力花到哪里去了？

现役旗舰 Qwen3.8-Max 总参数已达 2.4T，Qwen4.5、Qwen5 将扩至 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压下去，省出的钱全部押在规模上。

他自己的解释是，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，姚顺雨在模型圈的地位也不必多说。

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，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？

如前所述，Seed2.1 发布于 6月23日。到 11月12日，已过去 142 天。

这142天，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，显然小不了。

可年初的光景完全不是这样。

2月的LMArena榜单上，Seed 2.0的位次还在文心5.0之上。到了8月，第三方榜单给出的结果是：Seed2.1 Pro在全球大语言模型里排第21。8月6日的年中全员会上，字节CEO梁汝波也认了账——大语言模型跟海外领先模型的差距，确实拉大了一些。

同样在8月上旬，10万亿的说法开始流传。

按外媒的说法，字节手上有一个预训练模型，参数规模最高可能做到10万亿，目前还在早期阶段，最终多大要等后续训练阶段才定得下来。

当时国内公开披露过的最大模型，是2.8万亿参数的Kimi K3；业内对Anthropic的Mythos 5的估计，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，还没有结论。从8月上旬往后数，3个月就是眼下，6个月则要到明年2月。

换句话说，它现在还没现身，谈不上迟到。

张一鸣还在全员会上讲过，Seed大语言模型所用的预训练数据集，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规律：参数翻倍，训练数据得跟着涨。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。

偏偏数据这一块补不上。

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，字节应当愿意“为长期目标牺牲一些短期利益”。Seed内部还设了API检测和训练数据过滤两道关，拦着第三方模型的输出进训练集。

不抄作业，那就只能自己把课补上。

字节今年的做法是，把散在各条业务线上的数据团队收拢到一处，新设一级部门“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，演示了字节跳动一款尚未官宣的世界模型。

它基于字节Seedance视频生成体系搭建，能老电影自由运镜，能虚拟场景实时交互，也能做VR职业模拟，走的是云端渲染的沉浸式空间体验路线。

其实9月外媒就披露过，早已卸任字节日常运营的张一鸣，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。

报道里说，这个项目被列为字节年度最高优先级之一，目标做到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。

今年字节投在世界模型、Coding等方向的数据预算，已经到千万美元级，并且还能继续追加。

当然，字节的底子还在：豆包依旧稳坐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。