大数跨境

纯代码造《后室》,116秒切20种画风!文心新模型玩嗨了

纯代码造《后室》,116秒切20种画风!文心新模型玩嗨了 量子位
2026-11-11
5
导读:模型即将开源

文心5.5 Flash Preview发布:主打“端到端”编程能力,即将开源

百度近日正式亮相新一代大模型——文心5.5 Flash Preview(ERNIE 5.5 Flash Preview)。该模型总参数量达2800亿,单次推理激活140亿参数,支持百万Token上下文,生成速度超过每秒200 Token。此次更新的核心亮点在于强化了编程与Agent能力,旨在实现从需求理解到项目交付的“端到端”自动化。

目前,文心5.5 Flash Preview已在Terminal-Bench、AutomationBench等基准测试中展现出与Claude Opus、GPT-4o等旗舰模型相当的实力,并宣布即将采用Apache 2.0许可证开源。

实测:从动画编排到游戏开发的全流程验证

为验证其实际落地能力,我们针对3D建模、游戏开发和视频编排进行了多场景测试。

案例一:Python代码编排动画

模型仅凭Python代码,在116秒内生成了包含20种艺术风格的动画。内容涵盖从公元前4000年撒哈拉岩画风格到大模型时代代码编辑器的视觉演变,全程无需外部素材,实现了复杂的齿轮、甲片组装及九尾机关兽的动态渲染。

案例二:原生网页游戏《后室》开发

在无游戏引擎辅助的情况下,模型生成了一个完整的单HTML文件游戏。该游戏具备《后室》风格的迷宫探索、实体追逐、体力机制及录像带收集任务。用户无需配置环境,直接在浏览器中即可运行,展现了模型对完整游戏逻辑和前端交互的掌控力。

案例三:Blender自动化建模苏州园林

通过调用Blender API,模型在半小时内从零构建了包含建筑、植物、水面及镜头动画的苏州园林场景。虽然复杂场景仍需人工微调,但模型已能独立完成基础搭建与渲染流程,证明了其在专业3D工具链中的可用性。

技术解析:如何打通“端到端”编程链路

Google首席科学家Jeff Dean曾指出,编程是AI解决复杂问题的关键抓手。文心5.5 Flash Preview通过以下技术手段,试图解决传统AI写代码“只能片段补全,无法独立交付”的痛点:

1. 强化“可执行”数据训练

百度构建了包含1400万个可执行代码任务的训练集。每段代码均在真实环境中运行验证,确保模型不仅关注语法正确性,更关注代码的实际运行结果。

2. 引入Agent自我调试循环

针对纯文本模型无法直接识别视觉Bug的问题,百度将视觉反馈转化为数据指标。模型在执行如UE5游戏开发任务时,能自主检测人物悬空、摄像机错位等问题,并通过“运行-检测-修改”的闭环自动修复错误,减少人工干预。

3. 场景化技能与长上下文优化

  • 多引擎适配:针对Unreal Engine、Unity、Godot及Blender等不同工具链,模型学习了特定的调用逻辑与工作流。
  • 百万级上下文:支持100万Token上下文窗口,结合混合稀疏注意力机制,确保模型在长时间任务中不遗忘关键信息。
  • 推理加速:应用多路由器MoE、ECHO多Token预测及FP4专家权重技术,并将自研RSI技术引入推理优化,提升生成效率。

生态布局:开源与降价并行

伴随着技术升级,百度在开发者生态上也采取了更为开放的策略。

模型开源计划

文心5.5 Flash Preview模型权重预计近期开放,遵循Apache 2.0许可证,并兼容SGLang和vLLM部署框架,方便开发者进行本地部署与二次开发。

API限时优惠

模型API已上线百度智能云千帆平台,目前实行限时五折优惠:
- 输入价格:1元/百万Tokens
- 输出价格:4元/百万Tokens
(忙时价格翻倍)

这一举措降低了高频调用场景(如视频生成、大型代码库处理)的使用门槛,旨在吸引更多开发者参与测试与应用落地。

从早期的技术积累到如今的全面开源与性能突破,百度文心团队正试图通过实际行动回应市场关切。随着文心5.5 Flash Preview的推出,国产大模型在Agentic Coding领域的竞争或将进入新的阶段。

【声明】内容源于网络
0
0
量子位
各类跨境出海行业相关资讯
内容 16635
粉丝 1
量子位 各类跨境出海行业相关资讯
总阅读562.3k
粉丝1
内容16.6k