百度近日宣布推出新一代基础模型文心5.1，在模型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，激活参数量压缩约50%，预训练成本仅为同规模业界模型的6%，同时保持了同级别模型中的领先性能。这一成果得益于百度自主研发的Once-for-All弹性训练方法，通过动态采样技术实现单次预训练生成覆盖多种参数规模的子模型矩阵。
在LMArena最新发布的文本生成大模型排行榜中，文心5.1以全球第14位的成绩跻身前列。该模型在Agentic能力测试中展现出不俗表现，工具调用数学推理得分紧随Gemini-3.1 Pro位列第二，多轮工具协作交互能力与Claude-Opus-4.6差距微小。不过在深度搜索Agent任务中，电子表格工具操作能力较头部模型存在明显差距，仅在基础操作层面领先DeepSeek-V4-Pro。
知识推理与指令遵循能力测试显示，文心5.1在高阶学科知识推理（GPQA）和复杂指令遵循（AdvanceIF）两个维度表现突出，仅次于Gemini-3.1 Pro。但在纯数学推理（AIME26）和通用知识问答（MMLU-Pro）测试中，该模型在四款对比模型中排名末位，与头部产品存在显著性能差异。这种能力分布特点在创意写作场景中同样有所体现，虽然叙事风格和情感表达获得认可，但故事框架创新性仍显不足。
实际场景测试中，文心5.1展现出差异化的能力表现。在高考数学题解答场景，模型通过指示变量法和分布法给出完全正确的解答步骤；信息整合任务中，能自主拆解模糊需求生成结构化对比表格，并提供场景化使用建议。电子表格操作测试显示，虽然基础数据处理能力达标，但复杂表格生成仍需多次指令修正。编程能力测试暴露明显短板，生成的3D格斗游戏代码存在界面遮挡和交互失效问题，横版跑酷游戏代码则完全无法运行。
技术架构层面，文心5.1采用分离式模块设计，将训练、推理、奖励计算和智能体循环四个核心环节独立部署。通过FP8低精度算子库优化和异构弹性调度技术，模型在保持训练稳定性的同时，将CPU闲置算力利用率提升30%。后训练流程创新采用"专家训练-能力融合"双轨机制，通过在线策略蒸馏技术实现代码、推理等确定性能力的高效迁移，同时保留开放式任务的强化学习通道。
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。该模型在国产大模型阵营中持续保持领先地位，其低成本训练方案为行业提供了新的发展路径。不过在工具调用深度和复杂办公场景适应性方面，仍需通过后续迭代缩小与国际头部模型的差距。
