在百度文心Moment大會上，一款具有里程碑意義的大模型——文心大模型5.0正式版宣布上線。這款模型參數規模高達2.4萬億，采用原生全模態統一建模技術，實現了對文本、圖像、音頻、視頻等多種信息的全面理解與生成能力，標志著人工智能技術邁向新的高度。
與傳統多模態模型采用“后期融合”方案不同，文心5.0通過統一的自回歸架構進行原生全模態建模。該技術路線將多源數據在同一模型框架中聯合訓練，使多模態特征在統一架構下深度融合并協同優化。這種創新設計不僅提升了模型對復雜場景的理解能力，還實現了原生全模態的統一生成。在權威基準評測中，其語言與多模態理解能力穩居國際第一梯隊，圖像與視頻生成能力達到垂直領域專精模型水平，整體性能處于全球領先地位。
技術架構方面，文心5.0采用超大規模混合專家結構，激活參數比低于3%。這種設計在保持模型強大能力的同時，顯著提升了推理效率。通過大規模工具環境合成訓練數據，并運用基于思維鏈和行動鏈的端到端多輪強化學習，模型的智能體和工具調用能力得到質的飛躍。這些突破使得模型在多模理解、代碼生成、創意寫作等關鍵領域實現顯著提升。
百度應用模型研發部負責人賈磊在會上展示了三項突破性技術：基于聲音Token的端到端合成大模型、5分鐘生成超越真人效果的直播技術，以及實時交互數字人技術。其中，實時交互數字人采用三態Token聯動架構，實現文本、語音、視頻的流式控制。該技術突破傳統數字人模態串聯模式，通過系統自動完成動作銜接與狀態重組，由聲音Token實時驅動表情與口型，輸出三態合一的視頻流。這項技術具有低延遲、低成本和高表現力的特點，百度羅永浩數字人即基于此技術開發。
為推動技術落地，百度千帆平臺同步支持企業用戶和開發者便捷調用文心5.0正式版。平臺提供的Agent Infra解決方案涵蓋模型、工具、開發、數據及運行環境五個層面。在模型服務方面，提供包括文心5.0在內的150余個全場景SOTA模型，并針對Agent場景開發精準思維鏈控制等增強服務。工具服務層面，通過MCP協議開放百度AI搜索、地圖、文庫等成熟AI能力，同時引入出行、支付等企業級高頻需求的第三方能力。
開發服務方面，千帆平臺凝聚百度工程師實戰經驗，開放企業級深度研究Agent等多款官方應用。數據服務通過智能平臺將非結構化數據轉化為模型可理解信息，實現多模態數據統一管理及算力混合調度，數據處理效率提升6倍，計算成本降低30%。運行環境則提供完善的資源部署、權限管理及監控工具鏈，確保智能體在業務場景中的穩定運行。目前，千帆平臺上已累計開發超過130萬個Agents，展現出強大的生態構建能力。
