百度文心5.1正式发布：参数压缩三分之一，预训练成本降至6%

在2026年6月，百度正式发布了文心大模型5.1版本，这一更新在模型架构优化和性能提升方面取得了显著突破。根据官方公布的数据，文心5.1在保持性能提升的同时，实现了模型参数的大幅压缩和训练成本的有效降低。

架构优化与参数压缩

文心5.1延续了前代的超稀疏MoE（Mixture of Experts）架构，但在参数效率上实现了重要改进。与文心5.0相比，新版本的总参数量从约2.4T压缩至约0.8T，压缩幅度达到三分之一；激活参数也从约72B减少至约36B，减半的同时保持了模型的核心能力。

这种参数压缩并非简单的规模缩减，而是通过更精细的专家网络设计和更高效的激活策略实现的。超稀疏MoE架构允许模型在推理时只激活相关的专家网络，从而在保持整体性能的同时大幅降低了计算开销。

值得关注的是，文心5.1的预训练成本仅为业界同规模模型的6%。这一数据的背后体现了百度在模型训练效率优化方面的技术积累。通过改进的训练算法、更优的数据利用策略以及针对国产算力平台的深度适配，文心5.1在保证模型质量的前提下，大幅降低了训练所需的计算资源和时间成本。

在权威的Arena搜索排行榜上，文心5.1以1223分的成绩位列全球第四、国内第一。这一排名反映了模型在综合能力方面的竞争力，特别是在中文理解、知识问答等场景下的表现。

在Agent能力评估中，文心5.1的表现超越了DeepSeek-V4-Pro。Agent能力是衡量模型在复杂任务规划、工具调用和多步骤推理方面的重要指标，这一成绩表明文心5.1在智能体应用场景中具备较强的实用价值。

在数学推理能力方面，文心5.1在AIME26数学竞赛中获得了99.6分，仅次于Gemini-3.1 Pro。AIME是美国数学邀请赛的缩写，其题目难度较高，能够有效测试模型的数学逻辑推理能力。文心5.1在这一基准上的表现，说明其在数学推理领域已达到国际先进水平。

文心5.1的发布体现了国内大模型厂商在追求性能提升的同时，对效率和成本的重视。参数压缩和训练成本降低不仅有助于降低模型部署和使用的门槛，也为大规模商业化应用提供了更可行的技术基础。

从行业角度看，文心5.1在多个基准测试中的良好表现，进一步验证了国产大模型在综合能力上的持续进步。特别是在Agent能力和数学推理方面的成绩，为模型在企业级应用、科研辅助等场景中的实际部署提供了参考依据。

随着文心5.1的正式上线，百度在大模型领域的技术迭代仍在继续。对于开发者和企业用户而言，新版本在性能、效率、成本等方面的平衡，为不同场景下的模型选型提供了新的选择。