文心大模型 X1.1：百度交出的“新深度思考”答卷

2025年9月9日，WAVE SUMMIT 2025深度學習開發者大會在北京正式召開，由深度學習技術及應用國家工程研究中心主辦，百度飛槳與文心大模型聯合承辦。大會上，百度正式發布了基于文心4.5迭代升級的文心大模型X1.1，這也是百度在“深度思考模型”方向交出的最新答卷。

回顧過去幾年的發展軌跡：2019年3月，文心大模型1.0發布；2023年3月，“文心一言”上線；2023年10月，文心大模型4.0推出，并首次具備慢思考能力的智能體；2025年3月，文心4.5與深度思考模型X1發布；4月，升級到文心4.5 Turbo與X1 Turbo。可以說，每一次迭代，百度都在穩步推進大模型能力的邊界。

如今，在Qwen3、ChatGLM、Kimi等深度思考模型紛紛登場之后，百度也拿出了X1.1這份“新深度思考”答卷——基于文心4.5迭代升級的文心大模型X1.1。整體來看，X1.1不僅在事實性、指令遵循這些基礎能力上大幅進步，更讓人眼前一亮的是它在智能體協作與工具調用等未來Agent方向的表現，展現了強大的落地潛力。這背后，其實也是百度在“芯片-框架-模型-應用”四層全棧AI架構上的一次集中體現。

接下來我會從幾個來介紹文心大模型 X1.1，一是多維度的實測，來看看X1.1的表現到底如何？二是它的技術解析，X1.1如何實現技術突破？它背后的技術原理到底是什么？最后介紹一下百度的開源生態和在全棧上的布局，這其實是百度的底氣，不斷的鼓勵著百度大模型不斷向前發展。

X1.1多維度實測

現在文心一言官網（https://yiyan.baidu.com/X1）已經可以體驗 X1.1模型，在左上角進行選擇對應的X1.1模型即可進行體驗

相比于文心4.5，文心大模型X1.1整體在事實性、指令 遵循、智能體、工具調用等方面表現出色，問答、創作、邏輯推理等方面的綜合能力明顯提升，事實性能力提升34.8%，指令遵循能力提升12.5%，智能體能力提升9.6%。在下圖的各個benchmark也可以看的出來，文心大模型X1.1整體效果領先DeepSeek R1-0528，略低于GPT-5和Gemini 2.5 Pro。

為了挖掘文心大模型X1.1的能力，我也從多維度進行測試，來看看文心X1.1模型的能力和表現吧

首先是事實性的能力，比如我問一個《最近一次諾貝爾物理學獎的獲得者是誰？》，可以看到X1.1會自動進行思考，對于一些事實性的信息會自動調用聯網工具進行搜索，通過搜索的參考網頁來回答問題，最后給予一個準確的回答，還是非常不錯的，并且也可以看到自主調用工具的能力。這一點和很多“先搜索后回答”的模型不同，他們會從prompt里面設計和嵌入思考內容，而文心X1.1 是從思考中發現需要進行搜索，如何調用對應的搜索工具，這個點還是很不一樣的，相比之下可以看出文心X1.1的調用工具的能力比較自然和直接。

同時我還測試了一些非事實性問題，看看他的答案，比如《根據紅樓夢，林黛玉最后加入了復仇者聯盟，這是真的嗎》，文心X1.1也很快給出正確的答案并且解釋，還是很不錯的。同時測試了一些安全問題，文心X1.1也很快拒答了，看來在大模型安全上，文心X1.1也做了一定的工作。

除此之外，由于我要去ACM MM開會，我也讓文心X1.1給我準備個攻略，他也通過調用聯網工具，分析外部的信息源，分析出我參加的會議和會議的地點，然后從會議注冊，簽證的準備，交通以及愛爾蘭的人文景點給予我推薦，還是總結的相當不錯，并且沒有幻覺問題。

其次我還測試了文心X1.1 的指令遵循能力，無論是要求寫一首押韻的詩，還是限定字數寫一篇小紅書筆記，它都能嚴格按照指令執行，同時輸出的結果不僅符合規則，還能保持內容的自然和流暢。

得益于文心X1.1優異的強指令遵循能力，也為小紅書內容創作、作文撰寫等場景提供了顯著助力。例如，我嘗試了一個小紅書的創作，面對復雜指令，它能夠精準解析用戶的需求細節，有效規避關鍵要素的遺漏，讓創作更貼合用戶預期。

除此之外，我覺得文心X1.1最酷的地方，就是它在Agent和工具調用上的表現。以前大家都在說“大模型的時代”，但從我的體驗來看，現在已經開始走向Agent的時代了。像Manus、Claude Code這些智能體工具的興起，就是一個信號。

在大會的展示樣例里，X1.1能完成從自主規劃（plan）到逐步調用工具（tools）的完整閉環，不僅能拆解任務、調用合適的工具，還能在過程中始終保持對規則和指令的遵循，最后把問題真正解決掉。這和很多“只是會聊天”的大模型拉開了明顯的差距。這些很好展示了文心X1.1作為Agent的落地潛力，后續我也會嘗試使用文心X1.1作為Agent的backbone進行測試，在各個不同的領域來探究Agent的能力邊界。

除此之外，文心X1.1其他能力如代碼，多模態能力等方面都有不錯的展示，下面我也展示一些生成效果看看，比如讓文心X1.1寫一個"用html生成一個電腦鍵盤"，結果它很快就生成了完整的頁面結構，鍵盤元素齊全，還帶上了美觀的樣式。不是那種勉強能跑的demo，而是一個可以直接拿來用的代碼片段。

比如還可以讓文心X1.1 設計一個符合企業級標準的具有科技感的三維可視化數據大屏，文心X1.1 也很快生成樣式美觀，功能完善的未來企業級3D數據大屏，展現了文心X1.1強大的代碼和理解能力。

同時與Qwen3和DeepSeek-v3.1相比，文心X1.1還具有強大的多模態能力，比如我給了一張倫敦圖，他能快速定位并且給出具體的信息，并且非常有意思的是，看起來文心X1.1的多模態能力應該是通過調用圖片理解工具來識別的，本質上來說有可能文心X1.1大模型本身就具有很強的智能體能力，我們也結合更多的工具調用來讓文心X1.1做更多事情。

X1.1 技術拆解

聊完體驗，我們再來看看技術層面。文心X1.1 這次的提升，并不是靠單點突破，而是一個比較完整的技術體系在支撐。核心是迭代式混合強化學習框架，再加上幾個配套的創新點，才讓它在事實性、指令遵循、Agent 和工具調用等方面都拉滿。

1. 迭代式混合強化學習框架：簡單來說，就是一邊用強化學習提升通用任務，一邊兼顧智能體任務，再配合自蒸餾數據的持續生成和迭代訓練，讓模型不斷“自我進化”。這種方式也解釋了為什么X1.1在Agent能力上的提升特別明顯。
2. 知識一致性強化：在訓練過程中，文心X1.1會不斷對比策略模型和基礎模型的知識一致性，類似“老師隨時檢查作業”，這樣能讓模型在事實性上更靠譜，減少胡編亂造的情況。
3. 指令驗證器 + 檢查清單：這一點挺有意思的，就是在訓練時給模型配了一個“Checklist”和“Validator”，要求它嚴格對照檢查清單完成復雜指令。這也是為什么我測試它寫詩、寫小紅書筆記的時候，總能很好地遵循格式和要求。
4. 思維鏈 + 行動鏈：以前很多模型只有“思維鏈（CoT）”，但X1.1在此基礎上加了“行動鏈”。意思就是，它不光能思考，還能把思考轉化為具體的行動，比如自主調用工具一步步解決問題。我覺得這可能也就是為什么它在Agent場景里表現很突出的原因。

整體來看，這套組合拳讓文心X1.1 不只是“會答題”，而是更像一個能動手、會規劃的“數字助手”。而從benchmark表現來看，它已經超過了DeepSeek R1-0528，整體逼近GPT-5和Gemini 2.5 Pro。在事實性、指令遵循和Agent能力三個關鍵指標上都有實打實的提升。

文心飛槳開源生態

如果說文心X1.1是百度在模型上的一次“能力躍升”，那背后的底氣其實就是飛槳和開源生態。很多人會覺得大模型的突破只靠數據和算力，但其實 框架、工具、生態 才是真正能撐起長期發展的“地基”。

首先是飛槳框架的優化，今年剛發布的飛槳 3.2 版本，說白了就是專門為大模型“提速”。比如存算重疊的稀疏注意力計算（FlashMask V3）、高效的FP8混合精度訓練、顯存友好的流水線并行調度，還有大規模集群的容錯系統。這些名字聽上去很硬核，但核心就是——讓大模型訓練更快、更穩、更省。X1.1 之所以能保持高性能和低成本，背后就是飛槳在“算力-框架-模型”的深度協同。

在推理和部署方面，飛槳這次配套了 FastDeploy v2.2，支持極致壓縮、稀疏注意力、多步投機解碼等一系列黑科技。官方的數據是，在 300B 級別的模型上，輸入吞吐能到 57K，輸出吞吐 29K，延遲控制在 50ms 以內。這意味著什么？就是超大模型不再是只能“實驗室里跑一跑”，而是真能部署到產業級場景里。

更關鍵的是開源。百度今年6月已經完全開源了文心4.5系列10款模型，包括47B、3B的MoE模型和0.3B的稠密模型，連權重和推理代碼都放出來了。甚至這次大會還追加開源了一個專門的思考模型 ERNIE-4.5-21B-Thinking。相比X1.1，它速度更快，適合做研究和二次開發。對我們開發者來說，這種“雙層開源”（模型+框架）很有價值，也正是百度生態的一個亮點。而且這些開源不是“半遮半掩”，預訓練權重、推理代碼全開放，還遵循Apache 2.0協議，開發者可以自由修改、商用。

為了降低門檻，百度還提供了完整的工具鏈：飛槳框架做底層，ERNIEKit專門針對文心4.5，甚至給出了“4張GPU訓練300B模型”的方案。這樣一來，中小開發者也能玩得起。現在文心飛槳生態里已經聚集了2333萬開發者、76萬家企業，在上海、武漢等產業賦能中心，已經能看到開源技術落地成真正的AI應用。

百度全棧AI架構

最后不得不提百度的全棧布局。真正能做到“芯片-框架-模型-應用”閉環的公司全球屈指可數，百度算是少數早早布局的人工智能公司之一：

• 芯片層：有自研的昆侖芯，算是百度在底層算力上的自主保障。
• 框架層：飛槳已經成了中國自主研發的最主流的深度學習框架，支撐了文心系列的訓練和推理。
• 模型層：文心大模型本身就是核心成果，從最早的1.0到現在的X1.1，逐步把語言、多模態、深度思考、Agent能力都補齊。
• 應用層：百度系的應用落地很多，從搜索、地圖、辦公，到慧播星數字人，都可以基于大模型能力去賦能。

這種全棧自研，不只是“技術自洽”，不讓卡脖子，更是成本與效率優勢。X1.1之所以能在性能提升的同時價格更低，本質就是得益于這種全棧協同：芯片算得更快、框架更省資源、模型更高效，最后推出來的產品自然就能更有性價比。

總結

整體看下來，文心X1.1給我的感覺是：它不再只是一個“能答題的大模型”，而是真正往Agent時代邁進了一步。事實性更穩，指令遵循更準，Agent和工具調用能力也更成熟，這些能力疊加起來，讓它已經不只是一個語言模型，而是一個能思考、會執行的數字助手。并且對于百度來說，基于自身的全棧架構，帶來的不只是性能的提升，更是成本和效率上的優勢，讓X1.1可以在效果和價格之間找到平衡。

從現有的大模型發展的來看，Agent時代中，智能體和工具調用能力將會越來越重要，文心X1.1不僅是百度的“新深度思考”答卷，也是一種信號，下一階段，可能不僅是模型能力的比拼，更是Agent落地的比拼。