发布
2026 年 5 月 9 日，文心 5.1 正式上线。
文心 5.1 充分继承文心 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。
为推动大模型向自主决策智能体进化，百度全新构建了分离式全异步强化学习基础技术，针对性解决了训推偏差、资源利用率低及长尾效应带来的全局优化挑战。在此基础上，通过规模化智能体后训练与环境-专家-融合全链路协同策略，实现了训练效率与模型能力的双重跃升，确保模型在处理复杂长尾任务时依然保持极致的稳定性与卓越表现。
作为当前国产大模型的效价比标杆之一，文心 5.1 在保持旗舰智力的同时，完成了参数效率与训练成本的跨越式优化。性能已通过国际权威榜单验证：5 月 9 日，文心 5.1 以 1223 分斩获 Arena 搜索榜全球第四、国内第一。
登录官网 https://yiyan.baidu.com 即可与最新的文心 5.1 模型对话，探索智能全新体验。星河社区也同步上线文心 5.1 Playground 体验入口。
核心能力
文心 5.1 在多个业界权威基准测试中表现出色，尤其是智能体、知识、推理、深度搜索方面：
Agent 能力突出
在 τ³-bench 与 SpreadsheetBench-Verified Agent 评测任务中，文心 5.1 性能超越 DeepSeek-V4-Pro，Agentic 能力接近领先的闭源模型，并在 Search Arena 榜单中表现优异。
世界知识与创意写作能力领先
在 GPQA 和 MMLU-Pro 评测中，文心 5.1 效果接近领先的闭源模型。内部评测中，文心 5.1 的创意写作能力接近 Gemini 3.1 Pro。
推理能力接近领先的闭源模型
在挑战性的数学竞赛评测 AIME26（使用工具）中，文心 5.1 得分 99.6，仅次于 Gemini 3.1 Pro。
技术特性
多维度弹性预训练技术
文心 5.1 基于文心 5.0 训练而得，从文心 5.0 子模型矩阵中提取最优子结构，充分继承文心 5.0 知识，显著降低预训练成本。研发团队创新性提出 Once-for-All 的弹性训练框架，传统方法需为不同规模模型分别进行预训练，而文心 5.0 仅在单次预训练中，便可通过动态采样机制，同时优化大量参数各异的子模型，构建出覆盖多种参数规模与计算开销的"子模型矩阵"。
在此过程中，模型在三个维度上实现弹性压缩与扩展：
* 弹性深度： 训练时随机跳过部分 Transformer 层，使不同深度的子模型共享权重，从而自适应地学习深层与浅层表征的平衡。 * 弹性宽度： 弹性调控 MoE 层实际参与计算的专家池规模，通过随机动态屏蔽部分专家，迫使剩余专家承担更多样化的任务，从而提升专家利用效率。 * 弹性稀疏度： 通过可变的 Top‑k 路由机制，灵活调整模型激活的专家数量。当激活专家较少时，可降低推理成本；当激活专家较多时，则能增强模型能力，实现推理开销与性能之间的动态权衡。
基于该突破，文心 5.1 将总参数量压缩至文心 5.0 的 1/3 左右，激活参数量压缩至约 1/2，预训练算力成本仅为业界同规模模型的 6%，相对文心 5.0 显著降低了推理成本，并在同规模模型中取得了领先的预训练模型效果。
分离式全异步强化学习训练
百度基于飞桨构建了一套分离式强化学习基础设施，支撑了文心 5.1 的多阶段强化学习训练。为了更高效、稳定、低成本地完成长程强化学习任务的稳定训练，在以下三个方向上做了重点优化：
* 分离式全异步架构： 设计并研发了以强化学习中控（RL Controller）为核心的分离式架构，将训练、推理、奖励以及智能体循环四大子系统的控制面完全解耦，各子系统之间基于高性能网络的数据组件进行桥接与交互，实现控制流与数据流分离。 * FP8 训推一致性优化： 基于飞桨训推一体框架，实现了统一的 FP8 低精度算子库，最小化强化学习中训练与推理之间的精度偏差。针对 MoE 模型训推路由偏差问题，对 Rollout Router Replay (R3) 技术做了深度优化——通过两阶段的计算–通信掩盖，结合动态比特位的通信量压缩与多级 KVCache 池化技术，实现在开启 R3 后训推耗时几乎无增加的同时，KL 散度下降 50%。 * 资源异构弹性调度： 得益于分离式的架构设计，可以非常灵活按需为各个训练、推理、奖励等系统匹配最优的算力配置，充分借助集群的弹性算力降低 Rollout 的端到端耗时。
多阶段强化学习训练管线
为了克服传统串行训练范式的瓶颈，百度提出了一种以多教师在线策略蒸馏（MOPD）为核心的多阶段强化学习训练流程。文心 5.1 的后训练管线是一个四阶段流程，将专家训练与统一能力融合进行了解耦：
* 阶段一：统一监督微调（SFT）。 使用高质量的多领域指令数据进行微调，为模型奠定指令遵循和工具调用的基础能力。 * 阶段二：领域专家模型训练。 并行训练多个领域的专家模型（如代码、推理、智能体）。每个方向独立定制专属的奖励信号和训练算法。 * 阶段三：在线策略蒸馏（OPD）。 以统一 SFT 模型为学生，多个领域专家模型为教师。学生基于自身策略分布采样，通过令牌级 KL 同时学习多个教师能力。 * 阶段四：通用在线强化学习（General-RL）。 在初次 OPD 阶段之后，引入面向通用对话场景的在线强化学习，确保模型的指令遵循能力、生成多样性并更好地对齐人类偏好。
创作能力表现突出
基于技术架构的迭代优化与核心技术的精准优化，文心 5.1 基础能力全面升级的同时，在创作能力上也有突出表现。无论是创意写作中"灵感-情感-表达"的精准同频、长篇叙事里"逻辑-人物-节奏"的协同把控，还是专业文本中"知识准确性-风格适配性"的双重平衡，文心 5.1 均能在穿透用户表层需求、捕捉核心意图的基础上，生成"有温度、有深度、有逻辑"的超越预期之作。
文心 5.1 已陆续上线 ISEKAI ZERO（全球头部 AI Roleplay 互动游戏平台）、Mulan AI（创意 Agent 平台）、谛听幻流（AI 原生创意画布）、Storymaster（AI 短剧生成平台）等数十个创作生产 Agent 平台。
结语
文心大模型的持续迭代与进步，离不开技术底座的强力支撑与用户长期主义的共同坚守。感谢每一位社区测评与使用的开发者与伙伴，你们的每一条建议都在推动模型优化；感谢选择与百度合作的企业，你们的场景需求让技术真正落地生根；更要感谢所有包容过模型不足、持续给予耐心的用户——是你们的信任，让百度有勇气突破边界。
AI 的进化没有终点，文心大模型的每次进步都源于真实需求。未来，百度将继续保持开放，倾听每一份声音，让技术更踏实地服务于广大用户。