作者｜子川
来源｜AI先锋官
昨日，许久不见的文心迎来了重磅更新，正式发布文心大模型4.5和文心大模型X1，比之前官宣的4月1日全面免费提前了半个月。文心大模型4.5：百度新一代原生多模态基础大模型，能对文字、图片、音频、视频等内容进行综合理解。文心大模型X1：首个自主运用工具的深度思考模型，具备更强的理解、规划、反思、进化能力，同样也支持多模态。从官方放出的成绩单来看，文心4.5这款模型实力不容小觑。文心 4.5 在多模态能力几乎全面超越GPT-4o，GPT-4o 仅在 MMMU 上的表现更好。在文本测试基准上，文心 4.5 在 C-Eval、CMMLU、CMath 和 CLUEWSC 等基准上的成绩要优于DeepSeek-V3、GPT-4o、GPT-4.5等模型，同时它的平均分也同样高于其他三款模型。当看到这两款模型的价格的那一刻，终于明白了广为流传的一句话“没有最卷，只有更卷”。文心4.5输入价格低至0.004元/千tokens，输出价格低至0.016元/千tokens。文心X1输入价格低至0.002元/千tokens，输出价格低至0.008元/千tokens。这个价格是什么概念，文心4.5的价格约为GPT4.5的1%。同时文心X1的价格是DeepSeek R1的一半。文心4.5号称能对文字、图片、音频、视频等内容进行综合理解，下面来看一下它的回答到底靠不靠谱。下面我们用最近爆火的Gemini 2.0 Flash Experimental和文心4.5做一下对比。先来一个降档的看图猜成语，效果似乎不错，文心4.5回答正确，成功猜出成语“呆若木鸡”，但Gemini 2.0 Flash Experimental的答案就有点离谱了——“击飞蛋打”Gemini 2.0 Flash ExperimentalGemini 2.0 Flash ExperimentalGemini 2.0 Flash Experimental来一个简单的，刚刚录了一段背诵木兰辞的的音频，看它们是否能将音频中的所有文字都提取出来。Gemini 2.0 Flash ExperimentalGemini 2.0 Flash Experimental这次轮到文心4.5翻车了，没有识别出来，相反，Gemini 2.0 Flash Experimental匹对成功。最近在看“阴阳裁缝”，对里面的做法事颇感兴趣，看看文心4.5能否理解视频中人物的动作行为。Gemini 2.0 Flash Experimental好家伙，文心4.5再次翻车，视频短短19秒的画面，并没有出现双手合十的画面，而且台词提取的也不全，仅仅提取开头的那一部分。而Gemini 2.0 Flash Experimental这款模型就能完美的理解视频中的人物动作，并把所有的台词都提取出来。值得关注的是，文心大模型X1能“自主运用工具”，已支持高级搜索、文档问答、图片理解、AI绘图、代码解释器、网页链接读取、TreeMind树图、百度学术检索、商业信息查询、加盟信息查询等多款工具。比如给它一张佛跳墙的图片，让它输出佛跳墙的正确做法并转换成PDF文件。
文心X1首先会调用图片理解工具，然后再调用代码解释器功能，将做法转换成PDF，玩起来非常有意思。据介绍，文心X1是推理模型，老规矩，接下来，实测一下，看一下文心X1的推理能力到底有多强。下面就用文心X1和DeepSeek R1、Qwen2.5-Plus打个PK。最近在测试时，还会发现部分模型面对9.11和9.8谁大？Strawberry有几个字母r等问题出现错误，看看它们三是否能回答正确。DeepSeek R1
Qwen2.5-Plus
不出所料，全部回答正确，上上难度，来一道较难的推理题。
测试题二：推理日期
提示词：如果昨天是明天的话就好了，那么今天就是周五了。请问：实际上，句中的今天可能是周几？
文心X1
DeepSeek R1
Qwen2.5-Plus
这道推理题仅Qwen2.5-Plus少推理出一个答案，其他两款模型文心 X1和DeepSeek R1都回答正确。
测试题三：猜猜老师的生日
老师告诉学生自己的生日是以下日期之一：3月4日、3月5日、3月8日、6月4日、6月7日、9月1日、9月5日、12月1日、12月2日、12月8日。老师只告诉了A月份，告诉了B日期。A说：“我不知道老师的生日，但B肯定也不知道。” B说：“我本来也不知道，但现在我知道了。” A说：“那我也知道了。” 请问老师的生日是哪一天？
文心X1
DeepSeek R1
Qwen2.5-Plus
仔细去看了这道题的推理过程，非常烧脑，想不到最后它们都回答正确了，有点东西~
既然这样，那就只能智取了，来一道挖坑的题。
测试题四：一根8米长的竹竿是否能通过一个4米高、2米宽的门？
文心X1
DeepSeek R1
Qwen2.5-Plus
终于是坑到DeepSeek R1和Qwen2.5-Plus这两款模型了，它们的回答是一根8米长的竹竿不能通过一个4米高、2米宽的门，反观文心 X1回答正确，它理解可以侧着过去。
测试题五：拿多少个乒乓球
排列着100个乒乓球，由两个人轮流拿球，每次至少拿1个，最多拿5个，拿到第100个乒乓球的人获胜。如果你是先拿的人，第一次该拿几个？
文心X1
DeepSeek R1
Qwen2.5-Plus
再一次全部回答正确，太厉害了！！！
后续小编又测试了10多道推理题，三款模型均准确作答，难分伯仲！注意，并没有开联网功能，而是它们用自身的推理能力回答出来的。
看来该更新测试题库了.....,模型的迭代速度太快了。
插播一条预告，百度将在6月30日正式开源文心大模型，并预计在下半年发布文心大模型5.0，大家可以期待一下~
