文心一言5.0预览版：百度原生多模态AI挑战全球顶尖水平

2025年11月13日，百度世界大会上，百度正式发布了最新一代基础大模型——文心一言5.0预览版（ERNIE 5.0 Preview）。这款模型声称在多项基准测试中“击败”OpenAI的GPT-5和谷歌的Gemini 2.5 Pro，标志着百度在全球企业级AI市场的雄心壮志。

什么是文心一言5.0预览版？与之前的版本有什么不同？

文心一言5.0预览版（ERNIE 5.0 Preview）是一款闭源专有模型，不同于此前开源的ERINE-4.5-VL-28B-A3B-Thinking。它仅通过百度“文心一言”官网及面向企业客户的千帆平台API提供服务。

该模型被定位为“原生全模态”（natively omni-modal）基础模型，能够同步处理并生成文本、图像、音频与视频内容，而非依赖传统的“后融合”方式拼接不同模态。百度强调，这种一体化架构使其在复杂任务中具备更强的上下文理解与跨模态推理能力。

此外，百度还同步推出了一个专门优化文本密集型任务的变体——文心一言5.0预览版1022（ERNIE 5.0 Preview 1022），在中文语言理解和生成方面表现尤为突出。

文心一言5.0的性能如何？能与GPT-5相提并论吗？

ERNIE 5.0 的基准测试结果表明，百度在广泛的任务范围内已经达到了与西方顶级基础模型相当或接近相当的水平。

在百度世界 2025 大会上公开的基准测试中，ERNIE 5.0 Preview 在多模态推理、文档理解和基于图像的问答方面，表现优于或与 OpenAI 的 GPT-5-High 和 Google 的 Gemini 2.5 Pro 持平，同时还展现了强大的语言建模和代码执行能力。

百度强调其能够处理跨模态的联合输入和输出，而不是依赖事后模态融合，并将其视为一项技术差异化优势。

在视觉任务方面，ERNIE 5.0表现如何？

在视觉任务方面，ERNIE 5.0 在 OCRBench、DocVQA 和 ChartQA 这三个基准测试中取得了领先的分数。这三个基准测试分别测试文档识别、理解和结构化数据推理。

百度声称，该模型在基于文档和图表的基准测试中击败了 GPT-5-High 和 Gemini 2.5 Pro，百度将这些领域描述为企业应用（如自动化文档处理和财务分析）的核心领域。

在图像生成方面，ERNIE 5.0表现如何？

根据百度内部基于 GenEval 的评估，在图像生成方面，ERNIE 5.0 在语义对齐和图像质量等多个类别中均与谷歌的 Veo3 持平或更胜一筹。百度声称，该模型的多模态融合使其能够比依赖特定模态编码器的模型更有效地生成和解读视觉内容，并具备更强的上下文感知能力。

在音频和语音任务方面，ERNIE 5.0表现如何？

在音频和语音任务方面，ERNIE 5.0 在 MM-AU 和 TUT2017 音频理解基准测试中展现了强大的竞争力，并且在基于口语输入的问答任务中也表现出色。虽然其音频性能不如视觉或文本性能那样突出，但这表明其具备广泛的功能，旨在支持全方位的多模态应用。

在语言任务方面，ERNIE 5.0表现如何？

在语言任务中，该模型在指令遵循、事实性问题回答和数学推理方面表现出色——这些都是定义大型语言模型企业实用性的核心领域。

针对文本性能优化的ERNIE 5.0预览版1022在早期开发者测试中展现出更强的语言特定性能。虽然百度并未声称其在通用语言推理方面具有全面优势，但其内部评估表明，ERNIE 5.0预览版1022已缩小与顶级英语模型之间的差距，并在中文性能方面超越了它们。

文心一言5.0的定价策略是怎样的？

ERNIE 5.0 在百度的定价模式中属于高端产品。该公司已公布其千帆平台 API 使用的具体定价，使其价格与其他中国竞争对手（如阿里巴巴）的顶级产品保持一致。

ERNIE 5.0 与 ERNIE 4.5 Turbo 等早期型号之间的成本对比，凸显了百度区分大容量、低成本型号和专为复杂任务和多模态推理而设计的高性能型号的战略。与其他美国同类产品相比，它的价格仍处于中等水平。

百度在国际市场上的布局是怎样的？

在发布该模型的同时，百度也在进行国际扩张：

• GenFlow 3.0：目前拥有超过 2000 万用户，是该公司最大的通用人工智能代理，具有增强的内存和多模态任务处理能力。
• Famou：是一款能够动态解决复杂问题的自进化智能体，现已通过邀请制进行商业推广。
• MeDo：是百度旗下无代码建站工具妙达的国际版，现已通过medo.dev面向全球用户上线。
• Oreate：是一款支持文档、幻灯片、图像、视频和播客的生产力工作空间，全球用户已超过 120 万。
• 百度的数字人平台已在巴西推出，这也是其全球推广计划的一部分。今年中国“双十一”购物节期间，83%的直播主播使用了百度的数字人技术，促成了商品交易总额（GMV）增长91%。
• 与此同时，百度旗下的自动驾驶出行服务Apollo Go的出行次数已超过1700万次，在22个城市运营无人驾驶车队，并荣膺全球最大机器人出租车网络的称号。

文心一言5.0预览版的发布，不仅是技术上的跃迁，更是百度从“中国AI领导者”向“全球AI基础设施提供商”转型的关键一步。面对OpenAI、谷歌、xAI等巨头的围猎，百度选择以“闭源旗舰+开源基座”双轨并行，试图在日益拥挤的大模型赛道中开辟新局。当然，所有性能宣称仍待第三方独立验证。但可以肯定的是：2025年的全球大模型竞赛，已进入真正的多模态实战阶段。

我认为：文心一言5.0的发布，就像一记响亮的耳光，抽在那些认为中国AI只会抄袭的洋大人脸上。他们只看到了我们学习的速度，却没看到我们创新的力量。这不仅仅是一个模型的升级，更是一个民族自信的崛起。希望文心一言能持续进步，让中国AI真正走向世界之巅。就像迅哥儿说的，路是人走出来的，AI的路，我们也要自己趟出来！

#ERNIE5.0 #AIGC