孙天祥接手四个月，文心大模型有了一些新动作：Flash 模型先上桌，再下注 RSI

11 月 12 日的百度世界大会上，孙天祥第一次以百度基础模型研发部负责人的身份公开亮相。

他上台介绍了文心 5.5 Flash Preview，先拿模型名字开了个玩笑：「这个模型名还是有点长，念起来稍微有点麻烦，我们正在努力，尽快把 Preview 的尾缀去掉。」

这还不算最终版本，模型仍在打磨。过去一周，百度已经连续放出了几项进展。11 月 5 日，开源文心 5.5 Flash Base。11 月 9 日，公开用于自动优化模型研发的 ERNIE Evolve。11 月 11 日，基于 Base 进行后训练得到的文心 5.5 Flash Preview 上线千帆，目前还上线了 OpenRouter，正在限免体验中。

今年 7 月，1997 年出生的孙天祥正式加入百度，担任基础模型研发部负责人，同时进入百度模型委员会。在复旦大学读博期间，他曾主导研发国内首个公开内测的类 ChatGPT 对话大模型 MOSS，也较早在国际上提出「语言模型即服务（LMaaS）」和模型低成本调优。博士毕业后，他创办了日行迹智能，研究方向是用 AI 来做 AI 研究。

接手文心四个月，孙天祥没有急着拿一个旗舰模型去回答「文心还能不能打」。但这一轮动作，至少踩在了当下的几个关键方向上。先在开发者用得最多、竞争也最激烈的 Flash 档位争取上桌，同时开始往 RSI 这个前沿方向下注。

⬆️关注 Founder Park，最及时最干货的创业分享

01

Flash 这一档，争取先上桌

文心 5.5 Flash Preview 是一个 MoE 模型，总参数 2800 亿，每个 Token 激活 140 亿参数，支持 100 万 Token 上下文，生成速度超过每秒 200 Token。

这个参数区间，是今年开源模型竞争最激烈的位置。DeepSeek-V4-Flash、腾讯 Hy3-preview、小米 MiMo-V2.5 都在相近的尺寸。百度公布的数据显示，文心 5.5 Flash Base 在知识、推理、数学和代码等多项基准测试上，拿到了同尺寸基座模型的 SOTA。

Flash 已经是模厂绕不开的一档。中等规模的 MoE 模型，在迭代速度、验证成本和实际使用价值之间最容易找到平衡。它的总参数量足够大，能在 Agent 任务上和头部模型同台比较。激活参数又足够小，训练和推理成本更可控。

这一档也更接近开发者和创业公司真正会考虑的部署区间。一个 Agent 产品真正跑起来，一次任务往往要调用模型几十到上百次，单次调用的速度和成本会被成倍放大。所以 Flash 模型拼的不只是能力，还有效率。

这次文心 5.5 Flash 架构上的改动，基本也围绕着效率展开。面对上下文更长、输出更多、运行时间更久的 Agent 任务，速度、显存和 Token 成本都要一起考虑。

注意力机制上，文心 5.5 Flash 采用了混合稀疏注意力。大部分层读取压缩后的历史信息，少数层保留对完整上下文的访问，长上下文场景下能省下不少显存。

专家路由上，团队发现传统 MoE 靠单个路由器给专家打分，这个分数和专家的实际作用只是弱相关，于是改成多个路由器共同决策。同样的激活量下，专家选得更准。

解码阶段用的是百度自己设计的 ECHO 多 Token 预测。训练时，让模型复用最后一层，一次预测后续多个 Token。推理时，这一层可以先起草多个候选 Token，再由主模型一起验证，减少逐字生成的等待时间。

这几项技术最后落到两个最直接的指标上，一是每秒生成超过 200 Token，二是更低的调用价格。按千帆公布的标价，文心 5.5 Flash Preview 每百万 Token 输入忙时 2 元、闲时 1 元，输出忙时 8 元、闲时 4 元，目前还在限时五折。

孙天祥对它的定位是，一款真正称得上 Flash、真正普惠的模型。

这次的发布方式，也和文心以往的节奏不太一样。一周之内，百度先开源了 Base，再上线 Preview。Base 是完成预训练、尚未经历中后训练的底座。开发者可以在此基础上继续做指令微调、强化学习和行业训练。Preview 则是这个底座进入后训练后的第一个版本，开始具备指令遵循、工具调用和长程任务执行能力。

目前，Base 权重已经在 Hugging Face 和 ModelScope 开放，vLLM、SGLang 也提供了部署支持。Preview 仍以 API 形式上线，百度计划在 11 月 25 日发布权重。

从 MOSS 开始，开源就一直是孙天祥职业经历里的一条主线。对那些手里有数据和场景，需要私有化部署或继续训练的团队来说，Base 意味着又多了一个可以自己动手改造的基座。

02跑分还不算「全面领先」，重点放在了「干长活」上

介绍模型能力时，孙天祥先说了一句「按照行业规范先看 Benchmark」，随后只用几句话就带过了跑分。

从百度公布的八项评测来看，文心 5.5 Flash Preview 拿到了两个第一。

它在企业业务流评测集 AutomationBench 上得到 61.9 分，高于 Claude Opus 5.5 的 58.0 分和 DeepSeek V4.1 Flash 的 57.2 分。在考察复杂表格操作的 SpreadsheetBench V2 上得到 36.4 分，也略高于 Claude Opus 5.5 的 35.1 分。

但它并没有在所有项目上领先。在评测真实终端操作的 Terminal-Bench 4.0 上，文心 5.5 Flash Preview 拿到 46.5 分，低于 Claude Opus 5.5 和 GPT-6.1 Sol。在软件工程评测 DeepSWE v1.1 上，文心为 71.2 分，排在 DeepSeek V4.1 Flash 和海外旗舰模型之后。

综合来看，这组成绩还谈不上「全面领先」，更适合用「坐上了前沿模型的牌桌」来形容。自动化办事和表格任务是它的强项，到了终端操作和复杂的软件工程，和最头部的模型还有距离。

百度这次花更多篇幅展示的，是模型怎么从头到尾做完一个项目。

孙天祥在台上重点演示了 3D 建模。他的理由是，这项任务既考验模型的编程能力，又考验模型调用工具、执行长程任务的能力，还考验模型的创造力。

比如在一个机场与客机的 3D 建模项目中，两个由文心 5.5 Flash Preview 驱动的 Agent 分工协作。一个负责机场，自己去地图平台检索矢量数据，按需下载植物、车辆和地面服务设备等素材，再用 Blender Python API 搭出航站楼和飞行区。另一个负责飞机，从截面放样开始建出机身、机翼、驾驶舱、双层客舱和货舱。最后，两个 Agent 还要统一比例、位置和镜头，逐帧渲染，再用 FFmpeg 剪出视频。

另一个游戏开发案例跑得更久。在一次持续 11 小时的任务里，模型把来自多个版本 Unreal Engine 的素材合进同一个 UE 5.8 项目，用 C++ 写完了整款武侠游戏。文心 5.5 Flash Preview 本身是纯文本模型，不能直接「看」屏幕。模型就把试玩中发现的人物悬空、跑动方向错误、镜头位置不对等问题，转成了可以用代码检查的测试，再不断修正。

这种工作方式，比单次生成一段代码更接近真实开发。模型除了会写代码，还要能拆任务、维护状态、调用外部工具，在出错之后继续往下走。

这也是今年行业里越来越明确的一个方向。模型后训练的重心，正在从单纯堆语料规模转向训练环境的规模和质量。谁能搭出更多真实、可验证的任务环境，谁的 Agent 能力就更扎实。

文心这次给出的环境数据，在国内厂商里算是比较具体的。对正在做游戏、3D、视频或金融法律类 Agent 产品的团队来说，这几个专项训练过的场景，值得拿真实任务去测一测。

03开始试水 RSI，让模型参与「造模型」

在文心 5.5 Flash 的发布里，有一条容易被 Demo 盖过去的线。这款模型的一部分推理优化，是由另一个 AI 系统做出来的。

11 月 9 日，百度文心首次公开了在 RSI 方向上的进展，推出了一套叫 ERNIE Evolve 的自动研究系统。

这套系统分为内外两层循环。外层负责决定「研究什么」，参考历史实验结果和已有知识提出新方向，同时安排多条研究线并行探索。内层负责「怎么做好」，围绕具体方向反复修改代码、跑评测、积累经验。

系统内部由多个 Agent 分工，有的选方向、定目标、改代码，有的做评估和审查。只有通过独立评估和审查的改动，才会被保留下来。

百度把它用在了文心 5.5 Flash 的三个真实研发任务上。

在已经被工程师优化过的 GPU 确定性推理系统中，ERNIE Evolve 用约三天时间把吞吐提升了 33.7%，将平均每个输出 Token 的耗时降低 26%，首 Token 延迟也降低了 12%。在昆仑芯 P800 的低时延推理场景中，官方给出的提升更大，最终生成速度达到原基线的 623.6%。

第三项任务是继续压榨单请求解码速度。这个系统此前已经由人类工程师专门优化过，剩余改动的单项收益往往只有零点几个百分点，甚至小于测试波动。ERNIE Evolve 一共探索了 7 个方向，其中 3 个带来有效提升，最终又把解码速度提高了 14.9%。

按照官方规划，这套循环下一步会扩展到训练系统优化。再往后，会用模型能力指标来驱动自动化的假设生成和实验设计，甚至去改进评测本身。如果这条路走得通，被加速的就不只是文心的推理速度，还有整个模型的迭代节奏。

用 AI 自动化改进 AI 研发，也是今年国内外前沿实验室都在探索的方向。这条线和孙天祥过去的经历恰好接得上。

他在日行迹智能做过一个全自动研究系统 FARS，今年 2 月还做了一场持续 228 小时的直播，期间自主完成了 100 篇论文，研究对象主要就是 AI 本身。FARS 让 AI 自己选题、跑实验、写论文，ERNIE Evolve 让 AI 自己找瓶颈、改代码、跑测试。

再回头看孙天祥在百度交出的第一份答卷，拼图就显得相对完整了。开源 Base，提供一个可以继续训练的底座。用后训练把模型推向 Agent 和专业工作。再让自动研究系统参与优化推理效率。

文心能不能借此回到模型竞争的最前排，还要看接下来几个版本的表现。但至少在过去这一周，换帅后的文心先把自己的新节奏打了出来。