
百度世界2026亮相两款全新文心应用模型
在百度世界2026主论坛活动现场,百度应用模型研发部负责人贾磊对外公布两套全新的文心应用模型,分别为文心闪电深度思考模型、文心一镜微表情大模型。两款产品已经接入百度智能云千帆开发平台,企业以及合作开发者可以直接调用API接口开展业务,覆盖复杂逻辑推理、AI视频内容创作两大方向。
大模型大规模商用过程当中,一直绕不开两个现实难题。一方面深度思考类模型算力开销居高不下,推理成本抬高企业落地门槛。另一方面AI生成视频的人物表情、情绪表达生硬,长剧本的音频连贯性不足。这两款新模型,正是针对这两类行业痛点推出的应用型产品。
文心闪电深度思考模型,兼顾推理能力与成本控制
文心闪电深度思考模型最初的开发目的,是为百度搜索业务提供底层能力支撑。如今搜索业务不再只是简单的信息检索,还要承接智能问答、智能体执行、复杂任务解析等需求。这就要求模型既能够读懂复杂问题,调用各类工具完成任务,同时面对海量访问还需要维持较快的响应速度。
为平衡推理质量与算力消耗,研发团队对传统Transformer架构做出改良,打造出BSA反馈式KV压缩稀疏注意力技术。这套技术会在模型解码运行的时候,结合已经输出的内容与当前运行状态,对历史记忆数据做反馈压缩处理。在不损害输出质量的前提下,减少存储占用,压低整体算力消耗。该技术兼容性较强,能够搭配DSA、HCA其他压缩类注意力方案,适配不同架构的大模型。
除此之外,研发团队还设计Looping快慢思考协同运行机制。快思考模块直接承接业务请求给出输出结果,慢思考模块扮演评判角色,持续输出反馈,迭代优化快思考部分的输出效果。
该模型可以自由切换思考、非思考两套运行模式,除搜索之外,编程编写、逻辑推演、智能体开发、文本加工都可以使用。搭配昆仑芯硬件完成软硬协同调优,能够实现单机八卡高速推理。官方给出的数据显示,对比同类型硬件方案,该模型的投入产出比提升百分之五十,推理引擎综合成本下降百分之三十以上。
文心一镜微表情大模型,改善AI视频人物情感表现力
当下很多AI视频生成工具,能够顺利产出画面和基础人物动作,但人物细微神态、情绪起伏很难还原,处理大段剧本配音的时候还容易出现音色割裂的情况。文心一镜微表情大模型,主要就是用来化解这类创作痛点。
这套模型采用文本、视觉、语音三态一体统一建模,最长支持4000字文本作为生成驱动条件。内部搭建包含6大维度、200个子维度的精细描述体系,可以读懂文字描写当中潜藏的情绪,自动转换成对应的面部神态、肢体动作,让虚拟角色的表演更加贴近真人表达。
在音频处理层面,自研篇章级配音技术,区别过去把长脚本切割成几十秒片段分开生成再拼接的做法。整套剧本一次性完成音频生成,完整把握全篇情绪节奏,保障音色统一连贯。在播客、短漫剧等内容场景,这套模型可以输出情感表现力更强的成片。
按照官方介绍,它的视频生成成本较行业平均水平下降百分之五十,支持产出分钟级时长的视频内容。极速版本支持一比一实时生成,也就是说产出一分钟视频,大约耗时一分钟。
面向企业开放,商业化落地仍需实际业务检验
两款模型全部通过千帆平台对外开放服务,企业不用从零搭建大模型底座,就可以把推理能力、AI视频生成能力接入自身业务。不过实验室环境测出的性能指标,不等于真实业务场景的最终效果。
在真实业务中,会遇到各式各样输入内容,企业在接入API之后,还需要结合自身业务场景做适配调试。成本下降、实时视频生成这些亮眼指标,后续还需要大量真实项目来进一步验证实际表现。国内大模型的竞争,已经从基础参数比拼,慢慢转向面向具体行业场景的应用型模型迭代。
(素材来自:百度 智算芯能前沿网综合)
本文由智算芯能前沿网编辑整理,转载请注明出处。
