百度文心5.1：参数砍到三分之一反而更强了？实测之后说几句真话

本文整理自B站"鲲鹏Talk"对文心大模型5.1的测评视频，基于AI好记转写。

模型概况

百度在5月正式发布了文心大模型5.1，基于5.0训练。几个关键数据：

• 总参数压缩到原来的1/3
• 激活参数压缩到1/2
• Arena搜索榜全球第四、中文领域第一
• MME26上超过了DeepSeek-V4-Pro和Gemini 3.1 Pro

压缩了参数反而更强了？这个反直觉的结果确实是亮点，但百度并没有公开具体是怎么做到的。没有论文，模型也没开源，只给了排行榜分数。

实测表现：有亮点，但也有明显短板

博主做了几个实际测试：

数学题（注水问题）：思考约1分钟，答案正确（8小时24分钟）。✅

逻辑推理题（谁坐在B的对面）：思考了接近5分钟，答案是错的，正确答案应该是C。❌

Python编程（滑动窗口+哈希表）：写得完全没问题。百度不愧是编程领域的老底子。✅

网页创作：号称文本生成能力强，但实际展示效果一般——两边空白太多，风格跟上一代模型差不多。

总结来说：编程是强项，逻辑推理有短板，文本创作"排行榜上很强但实测感觉不到"。

百度的困境：做得早，但没人讨论了

博主提到了一个很扎心的现象：百度是国内最早做大模型的公司，AI领域的"黄埔军校"，但现在在国内大模型圈子里，很少有人讨论百度的模型了。

文心5.1在外网推特上还有一些人在讨论，但在国内几乎没什么声量。

如果连讨论都没有，不管是黑他也好，说他好或坏都可以。如果连讨论都没有，那这个模型真的就是不行了。

对比一下：腾讯混元三模型请了一个大牛，3个月就做出可交付版本。小米vimo挖了一个人，马上推出接近V4水平的模型。百度这么多人，做不出同等水平的东西？博主的建议是：如果是人不行，赶紧换人。

百度其实也做了不少开源工作——ERNIE-45开源了，有28B和21B的VR模型，有5B的CR模型（OCR领域很强），还有33个模型在平台上。但因为没有一个足够亮眼的旗舰模型撑场面，所有这些努力都被淹没了。

几句真话

文心5.1到底行不行？从排行榜分数来看确实不错，但实测的体验有落差。这其实是百度目前最大的问题：分数和口碑之间存在巨大的鸿沟。

排行榜分数是可以优化的——选择性地针对评测标准做调优，分数就能上去。但用户真正用的时候，体验是另一回事。逻辑推理做不出来、文本生成跟上一代差不多，这些才是用户感知到的"真实水平"。

百度需要的不是更多的排行榜第一，而是一个让用户真正觉得"好用"的模型。就像博主说的：希望百度能追上第一梯队。

百度加油吧。