百度世界大会发布全模态文心大模型 5.0

背景

文心大模型 5.0（ERNIE 5.0）被百度定位为文心大语言模型的下一代，承接文心 4.5 系列以及推理模型文心 X1、X1.1。基础模型（foundation model）指在广泛数据上训练、能适应多种任务的大型模型。每一代新模型通常从两方面衡量：能做的事情有多少，以及能处理的输入类型有多少。

全模态（omni-modal）指一个模型能在同一系统内处理文本、图像、音频和视频等多种数据类型。「原生」全模态则是指从训练一开始就按这些类型来训练，而不是把几个单独的模型事后拼接在一起。

发生了什么

2025 年 11 月 13 日，百度在百度世界大会（Baidu World 2025）上发布文心大模型 5.0。^[1] 百度把它描述为在文本、图像、音频和视频上原生全模态的模型。^[1] 模型预览版向公众开放，用户可在文心一言上体验；企业则可通过千帆平台使用。千帆是百度面向开发者和企业的模型服务平台。^[1]

据报道，该模型的参数规模为 2.4 万亿，约为 Qwen3-Max 和 Kimi K2 的两倍。^[2] 同一场活动上，百度还预览了昆仑芯 M100 和 M300 两款芯片。^[2]

关键细节

李彦宏（Robin Li）表示，技术迭代的速度是唯一的竞争护城河（moat）。^[1] 护城河指使企业难以被复制的长期优势，这句话把模型研发的节奏与百度的竞争地位联系在一起。

百度还推出了 GenFlow 3.0，称其用户超过 2000 万，同时发布了面向国际市场的无代码应用构建工具 MeDo。^[1]

文心大模型 5.0 于 2026 年 1 月退出预览。它在 LMArena 文本榜上排名第八，是前十名中唯一的中国模型。^[3] 百度于 2026 年 2 月 4 日在 arXiv 上发布了《ERNIE 5.0 Technical Report》。^[4]

影响

文心 5.0 把百度的模型产品线从以文本为主的发布，扩展到能同时接收和理解多种媒体类型的单一系统。它在该文本榜前十名中排名最高的中国模型。^[3] 技术报告则为研究者提供了关于这一模型的公开资料。^[4]