百度近日宣布推出新一代基礎模型文心5.1，在模型壓縮和訓練成本優化方面取得突破性進展。該模型總參數量縮減至前代的三分之一，激活參數量壓縮約50%，預訓練成本僅為同規模業界模型的6%，同時保持了同級別模型中的領先性能。這一成果得益于百度自主研發的Once-for-All彈性訓練方法，通過動態采樣技術實現單次預訓練生成覆蓋多種參數規模的子模型矩陣。
在LMArena最新發布的文本生成大模型排行榜中，文心5.1以全球第14位的成績躋身前列。該模型在Agentic能力測試中展現出不俗表現，工具調用數學推理得分緊隨Gemini-3.1 Pro位列第二，多輪工具協作交互能力與Claude-Opus-4.6差距微小。不過在深度搜索Agent任務中，電子表格工具操作能力較頭部模型存在明顯差距，僅在基礎操作層面領先DeepSeek-V4-Pro。
知識推理與指令遵循能力測試顯示，文心5.1在高階學科知識推理（GPQA）和復雜指令遵循（AdvanceIF）兩個維度表現突出，僅次于Gemini-3.1 Pro。但在純數學推理（AIME26）和通用知識問答（MMLU-Pro）測試中，該模型在四款對比模型中排名末位，與頭部產品存在顯著性能差異。這種能力分布特點在創意寫作場景中同樣有所體現，雖然敘事風格和情感表達獲得認可，但故事框架創新性仍顯不足。
實際場景測試中，文心5.1展現出差異化的能力表現。在高考數學題解答場景，模型通過指示變量法和分布法給出完全正確的解答步驟；信息整合任務中，能自主拆解模糊需求生成結構化對比表格，并提供場景化使用建議。電子表格操作測試顯示，雖然基礎數據處理能力達標，但復雜表格生成仍需多次指令修正。編程能力測試暴露明顯短板，生成的3D格斗游戲代碼存在界面遮擋和交互失效問題，橫版跑酷游戲代碼則完全無法運行。
技術架構層面，文心5.1采用分離式模塊設計，將訓練、推理、獎勵計算和智能體循環四個核心環節獨立部署。通過FP8低精度算子庫優化和異構彈性調度技術，模型在保持訓練穩定性的同時，將CPU閑置算力利用率提升30%。后訓練流程創新采用"專家訓練-能力融合"雙軌機制，通過在線策略蒸餾技術實現代碼、推理等確定性能力的高效遷移，同時保留開放式任務的強化學習通道。
內部評測數據顯示，文心5.1的創意寫作能力已接近Gemini-3.1 Pro水平。該模型在國產大模型陣營中持續保持領先地位，其低成本訓練方案為行業提供了新的發展路徑。不過在工具調用深度和復雜辦公場景適應性方面，仍需通過后續迭代縮小與國際頭部模型的差距。
