在百度文心Moment大會上，一款具有里程碑意義的大模型——文心大模型5.0正式版宣布上線。這款模型參數(shù)規(guī)模高達2.4萬億，采用原生全模態(tài)統(tǒng)一建模技術(shù)，實現(xiàn)了對文本、圖像、音頻、視頻等多種信息的全面理解與生成能力，標志著人工智能技術(shù)邁向新的高度。

與傳統(tǒng)多模態(tài)模型采用“后期融合”方案不同，文心5.0通過統(tǒng)一的自回歸架構(gòu)進行原生全模態(tài)建模。該技術(shù)路線將多源數(shù)據(jù)在同一模型框架中聯(lián)合訓(xùn)練，使多模態(tài)特征在統(tǒng)一架構(gòu)下深度融合并協(xié)同優(yōu)化。這種創(chuàng)新設(shè)計不僅提升了模型對復(fù)雜場景的理解能力，還實現(xiàn)了原生全模態(tài)的統(tǒng)一生成。在權(quán)威基準評測中，其語言與多模態(tài)理解能力穩(wěn)居國際第一梯隊，圖像與視頻生成能力達到垂直領(lǐng)域?qū)＞Ｐ退剑w性能處于全球領(lǐng)先地位。

技術(shù)架構(gòu)方面，文心5.0采用超大規(guī)?；旌蠈＜医Y(jié)構(gòu)，激活參數(shù)比低于3%。這種設(shè)計在保持模型強大能力的同時，顯著提升了推理效率。通過大規(guī)模工具環(huán)境合成訓(xùn)練數(shù)據(jù)，并運用基于思維鏈和行動鏈的端到端多輪強化學(xué)習(xí)，模型的智能體和工具調(diào)用能力得到質(zhì)的飛躍。這些突破使得模型在多模理解、代碼生成、創(chuàng)意寫作等關(guān)鍵領(lǐng)域?qū)崿F(xiàn)顯著提升。

百度應(yīng)用模型研發(fā)部負責(zé)人賈磊在會上展示了三項突破性技術(shù)：基于聲音Token的端到端合成大模型、5分鐘生成超越真人效果的直播技術(shù)，以及實時交互數(shù)字人技術(shù)。其中，實時交互數(shù)字人采用三態(tài)Token聯(lián)動架構(gòu)，實現(xiàn)文本、語音、視頻的流式控制。該技術(shù)突破傳統(tǒng)數(shù)字人模態(tài)串聯(lián)模式，通過系統(tǒng)自動完成動作銜接與狀態(tài)重組，由聲音Token實時驅(qū)動表情與口型，輸出三態(tài)合一的視頻流。這項技術(shù)具有低延遲、低成本和高表現(xiàn)力的特點，百度羅永浩數(shù)字人即基于此技術(shù)開發(fā)。

為推動技術(shù)落地，百度千帆平臺同步支持企業(yè)用戶和開發(fā)者便捷調(diào)用文心5.0正式版。平臺提供的Agent Infra解決方案涵蓋模型、工具、開發(fā)、數(shù)據(jù)及運行環(huán)境五個層面。在模型服務(wù)方面，提供包括文心5.0在內(nèi)的150余個全場景SOTA模型，并針對Agent場景開發(fā)精準思維鏈控制等增強服務(wù)。工具服務(wù)層面，通過MCP協(xié)議開放百度AI搜索、地圖、文庫等成熟AI能力，同時引入出行、支付等企業(yè)級高頻需求的第三方能力。

開發(fā)服務(wù)方面，千帆平臺凝聚百度工程師實戰(zhàn)經(jīng)驗，開放企業(yè)級深度研究Agent等多款官方應(yīng)用。數(shù)據(jù)服務(wù)通過智能平臺將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為模型可理解信息，實現(xiàn)多模態(tài)數(shù)據(jù)統(tǒng)一管理及算力混合調(diào)度，數(shù)據(jù)處理效率提升6倍，計算成本降低30%。運行環(huán)境則提供完善的資源部署、權(quán)限管理及監(jiān)控工具鏈，確保智能體在業(yè)務(wù)場景中的穩(wěn)定運行。目前，千帆平臺上已累計開發(fā)超過130萬個Agents，展現(xiàn)出強大的生態(tài)構(gòu)建能力。