百度近日推出新一代基础模型文心5.1，在参数压缩和训练成本优化方面取得突破性进展。该模型总参数量缩减至前代的三分之一，激活参数量减少约一半，预训练算力成本仅为行业同规模模型的6%，同时保持了同级别模型中的领先性能。不过，百度未明确说明这一成本数据对比的具体参照范围。
在LMArena最新发布的文本生成大模型排行榜中，文心5.1位列全球第14名，与OpenAI、xAI等头部机构开发的模型存在微小差距。该模型在Agentic能力、知识推理、指令遵循等维度，与DeepSeek-V4-Pro、Claude-Opus-4.6及Gemini-3.1 Pro展开横向对比测试。
具体能力评估显示，文心5.1在工具调用数学推理测试中表现突出，得分仅次于Gemini-3.1 Pro。多轮工具协作交互能力位居第二，与头部模型差距较小。但在深度搜索Agent任务中，电子表格工具操作能力明显落后于Claude-Opus-4.6与Gemini-3.1 Pro，仅在部分指标上优于DeepSeek-V4-Pro。
知识推理与指令遵循测试呈现差异化结果。该模型在高阶学科知识推理和复杂指令遵循任务中表现优异，紧随Gemini-3.1 Pro之后。但在纯数学推理和通用知识问答领域，四款模型中排名末位，与领先者存在显著差距。值得注意的是，文心5.1在发布时登顶国内大模型搜索能力榜首位。
实际场景测试覆盖创意写作、数学推理、信息整合等五个维度。在创意写作方面，思考模型产出的内容在叙事质感和情感表达上优于快速模型，且未出现基础性逻辑错误。数学推理测试中，模型对概率题解答步骤严谨，答案准确。信息整合任务表现突出，能自主拆解模糊需求，生成结构化对比表格。
办公场景测试暴露部分短板。电子表格数据分析任务中，快速模型虽能完成基础操作，但需多次调整指令才达到理想效果。思考模型在首次输出即呈现更规范的结果。编程能力测试成为最大弱点，生成的复杂游戏代码存在运行障碍，小型跑酷游戏代码甚至无法正常启动。
技术架构革新是成本优化的关键。文心5.1采用Once-for-All弹性训练方法，从已训练的子模型矩阵中筛选最优结构，避免重复训练。分离式架构设计将训练、推理等模块独立部署，配合FP8低精度算子库和异构弹性调度技术，使资源利用率提升30%以上。
后训练流程引入并行专家训练机制。先通过统一监督微调建立基础能力，再并行训练代码、推理等领域的专家模型，最后通过在线策略蒸馏实现能力融合。针对创意写作等高熵任务，单独采用强化学习保持输出多样性。这种训练方式使模型迭代周期缩短40%，同时避免能力冲突。
内部评测数据显示，文心5.1的创意写作能力已接近Gemini-3.1 Pro水平。该模型此前多次进入LMArena榜单国产模型第一梯队，此次升级进一步巩固了其在知识推理和指令遵循领域的优势。不过，工具调用深度和复杂表格操作仍需改进，部分场景需要用户反复调整指令才能获得满意结果。
