5月9日消息，百度文心大模型5.1 正式发布，其继承文心5.0 知识，显著降低预训练成本，将总参数压缩至约1/3、激活参数压缩至约1/2，仅使用业界同规模模型约6% 的预训练成本，实现同级别模型基础效果领先。
登录文心一言官网即可与文心5.1模型对话体验最新能力。开发者可以通过千帆大模型平台修改model_name为ernie-5.1即可调用API服务。
另外，从今天起，文心大模型 5.1 将陆续在超过十个创意生产智能体平台上线，包括 ISEKAI ZERO（全球领先的 AI 角色扮演互动平台）、Mulan AI（创意智能体平台）、谛听幻流（AI 原生创意画布）和 Storymaster（AI 短剧生成平台）等。欢迎创作者和用户试用。
登顶多个榜单
5月9日，文心大模型5.1在 Arena Search 排行榜上获得1223分，位居全球第4位，在中国模型中排名第1。
文心大模型 5.1 在多个权威行业基准测试中均取得了强劲的成绩，尤其是在智能体能力、知识、推理和深度搜索方面表现突出。
在 τ³-bench 和 SpreadsheetBench-Verified 智能体评估任务中，文心大模型 5.1 超越了 DeepSeek-V4-Pro，其智能体能力已接近领先闭源模型的水平。在 Search Arena 排行榜上也表现极其出色。
世界知识与创意写作能力方面，在 GPQA 和 MMLU-Pro 评估中，文心大模型 5.1 的性能接近领先闭源模型。在内部评估中，文心大模型 5.1 的创意写作能力已接近 Gemini 3.1 Pro。
推理能力接近领先闭源模型，在颇具挑战性的数学竞赛基准 AIME26（使用工具）上，文心大模型 5.1 得分 99.6，仅次于 Gemini 3.1 Pro。
预训练计算成本仅为同类模型的 6%
文心大模型 5.1 衍生自文心大模型 5.0，从文心大模型 5.0 的多维弹性子模型矩阵中提取出最优子网络架构，在有效继承文心大模型 5.0 所编码知识与能力的同时，显著降低了预训练成本。
研发团队提出了一种创新的“一次训练，处处部署”（Once-For-All）弹性训练框架。传统方法需要为不同规模的模型分别进行预训练，而文心大模型 5.0 则通过动态采样机制，在一次预训练过程中联合优化大量具有不同深度、专家容量和路由稀疏度的子模型，构建了一个覆盖不同参数规模和计算预算的子模型矩阵。
在此过程中，模型沿着三个维度实现弹性压缩与扩展：
弹性深度：训练期间，随机改变激活的 Transformer 层数，使不同深度的子模型能够共享权重，自适应地学习深层与浅层表示的平衡。
弹性宽度/专家容量：通过改变参与路由的专家数量，弹性控制 MoE 层中的有效专家容量。通过动态采样专家子集，模型学习在完整和缩减的专家池配置下运行，从而提高专家利用效率。
弹性稀疏度：通过可变 Top-k 路由机制灵活调整激活的专家数量。激活较少专家可降低推理成本、提升解码效率，而激活更多专家则能增强模型能力，从而实现推理开销与性能的动态平衡。
基于这一突破，文心大模型 5.1 将总参数量压缩至文心大模型 5.0 的约三分之一，激活参数量压缩至约二分之一，预训练计算成本仅为同规模同类模型的 6%。与文心大模型 5.0 相比，推理成本显著降低，同时在同规模模型中仍能实现领先性能。
