百度近日正式推出原生全模态大模型文心5.0，标志着其在人工智能领域的技术突破迈入新阶段。该模型采用统一的自回归架构进行原生全模态建模，将文本、图像、视频、音频等多源数据在同一框架下联合训练，实现了真正的多模态统一理解与生成。与传统的“后期融合”方案不同，这一技术路线使多模态特征在统一架构下充分融合，避免了拼接式处理的局限性。
文心5.0的参数规模达2.4万亿，通过超大规模混合专家结构实现超稀疏激活，激活参数比低于3%，在保持强大能力的同时显著提升了推理效率。模型还引入了基于思维链和行动链的端到端多轮强化学习训练方法，结合大规模工具环境合成的长程任务轨迹数据，大幅增强了智能体和工具调用能力。在40余项权威基准测试中，其语言与多模态理解能力超越Gemini-2.5-Pro、GPT-5-High等国际主流模型，图像与视频生成能力与垂直领域专精模型相当，整体处于全球领先水平。
应用层面，文心5.0已构建起覆盖通用场景与行业需求的模型矩阵。矩阵模型包括文心Lite、视频大模型和语音大模型，面向产品级应用快速落地；专精模型则针对搜索、电商、数字人等垂直领域开发，如搜索闪电专精模型、电商蒸汽机模型等。百度应用模型研发部负责人透露，基于声音Token的端到端合成大模型通过离散语音表示、MoE韵律建模和Unet自重构特征等技术，实现了高质量语音合成；5分钟直播技术通过少量音色采样和韵律模式匹配，使合成语音具备直播带货所需的情绪感染力；实时交互数字人技术采用三态Token联动架构，突破传统模态串联模式，实现文本、语音、视频的流式控制，百度罗永浩数字人即基于此技术开发。
为推动大模型在产业中的落地，百度千帆平台推出Agent Infra解决方案，提供包括文心5.0在内的150余个全场景模型服务，集成百度AI搜索等工具及MCP和Agent工具链，结合数据管理和企业级服务，为企业提供全周期、多场景的业务运行环境。目前，千帆平台已累计开发超130万个Agents，以百度AI搜索为代表的工具日均调用量突破千万次。此前，百度数字人技术已在直播带货等领域广泛应用，2025年罗永浩数字人直播曾创下行业纪录。
作为国内大模型领域的先行者，百度正通过“芯云模体”全栈自研生态闭环持续探索AI赋能行业的路径。该生态以芯片为底座、智能云为平台框架、模型为支撑，形成覆盖硬件、算法、应用的完整链条，为AI技术从实验室走向真实场景提供了可复制的解决方案。当前，全球AI行业正加速向应用层拓展，如何让技术真正服务于产业需求成为关键课题，百度的实践为这一方向提供了重要参考。
