作者｜冰拿铁

编辑｜星奈

媒体｜

模圈代有才人出，各领风骚几十天。还没从DeepSeek的“技术眩晕”中缓过来，百度又给我带来了亿点小冲击——3月16日，百度正式发布文心大模型4.5及文心大模型X1，性能远超预期，并宣布提前免费：

目前，两款模型已在文心一言官网上线，免费向用户开放。据介绍，文心大模型4.5是百度首个原生多模态大模型，其多模态理解、文本和逻辑推理能力显著提升，在多项测试中表现优于GPT4.5，API调用价格仅为GPT4.5的1%；文心大模型X1为深度思考模型，性能对标DeepSeek-R1，调用价格约为R1的一半。

其中，作为百度新一代基座大模型，文心大模型4.5的多项基准测试成绩优于GPT4.5、DeepSeek-V3等，并在平均分上以79.6分高于GPT4.5的79.14分。

刚一发布，海外博主瞬间不淡定了，纷纷点赞称炸裂。没有对比就没有伤害，甚至有博主转发了百度的官推并直言：“美国AI公司（就该像这样）把全部时间花在开发和创新上，而不是无所事事地闲逛，一边祈祷自己受到保护、不必竞争。这是缺乏自信的糟糕表现！”

那么，此次的“文心双雄”都带来了哪些维度的性能提升？据悉，文心大模型4.5通过多个模态联合建模实现协同优化，多模态理解能力优秀；具备更精进的语言能力，理解、生成、逻辑、记忆能力全面提升，去幻觉、逻辑推理、代码能力显著提升。而文心大模型X1具备“长思维链”，擅长中文知识问答、文学创作、逻辑推理等，而且增加了多模态能力和多工具调用，能理解和生成图片，还能调用工具生成代码、图表等丰富内容。

技术vs成本双杀背后，文心4.5和X1表现究竟如何？背后又有哪些“技术秘籍”？

一、实测文心4.5千般武艺：多模态能力最惊艳！

在DeepSeek毒打后，我对文心4.5的多模态能力十分期待：此前，DeepSeek哪里都好，但遗憾的是多模态能力实在太弱，深度理解图片都费劲，更别提看音视频了，导致和DeepSeek沟通时只能采取最“原始”的文字交流方式，常常给我一种“5G内容，2G形式”既视感，每次使用都意犹未尽。

因此，此次我们在图片理解、视频分析等场景对文心4.5重点展开测评：

首先，再牛的AI也得经得住抽象网友的毒打，几个梗图下来，文心4.5分分钟秒懂化身开了八倍镜的鉴梗大师，细节捕捉与推理深度在线，点出梗图的巧妙和幽默。

外行看热闹，内行看门道，能读懂梗图背后，要求大模型有很强的综合能力：要精准识别流行文化符号，构建文化共识库；要具备跨次元关联力，才能看懂跨时空混搭梗，这要求模型构建起“古典-现代”知识图谱，实现符号的时空穿越式理解；同时，也要构建起反讽与双关语“解码器”，将黑话转化为直白逻辑，建立情绪强度坐标系……

然后，上几道图片内容判断题：上传景点实拍、电影截图喂给文心4.5，其分分钟指出意义、⽤途是什么、位置在哪里等关键因素，福尔摩斯·文心4.5上线！

在接下来音视频判断题环节，文心4.5也毫不逊色：上传音频，文心4.5分分钟听歌识曲，网易云哭晕在厕所。