说真的，大家这两天可以关注一下这个：文心5.1的预训练成本，大概是业界同规模模型的6%。

我看到这个数字的时候，第一反应是：这写错了吧？

假如别人训练同规模模型要花100块，百度只需要用6块就搞定了？

1

我先简单交代一下背景。

过去两三年，大模型行业一直流传着一套心照不宣的逻辑：要想效果好，就得砸钱。

更多的 GPU，更多的训练数据，更高的预训练成本，最后才能换来模型能力的提升。

这套逻辑也带来了一个隐患：这条路越走越贵，门槛越来越高，普通公司想进来的难度越来越大，小团队更是没法入场。

所以当百度说，文心 5.1 只用了业界同规模模型 6% 的预训练成本，还没有明显牺牲模型能力，甚至在 LMArena 搜索榜（Search Arena）上拿了国内第一、全球第四，是唯一上榜的国产模型。

其分量，你大概能感受到了。 

2

那到底是怎么做到的？

文心 5.1 用的这套技术叫"多维弹性预训练"，是从文心 5.0 时代就开始搭建的体系。

通常我们理解的大模型训练，是一条路走到底，确定好模型结构，然后大量数据喂进去，跑完整个训练流程，得到一个固定规模的模型。

这个过程没有什么弹性可言，你想要一个 70B 的模型，就从头训一个 70B 的；想要 13B 的，就重新来过。

成本就是这么叠起来的。

而多维弹性预训练干的事情，是在一次训练过程中，通过调整模型的深度、专家容量、路由稀疏度等维度参数，直接"捏出"不同规模的模型——不是把大模型裁剪压缩，而是在训练时就已经在生成多种形态的模型。

这个思路的核心转变在于：训练的成本不再随模型数量线性增长。

原来你要三种规模的模型，就得训三遍。

现在训一遍，产出可能覆盖多个规模需求。

文心 5.1 这次的结果是：总参数压缩到文心 5.0 的约三分之一，激活参数压缩到约二分之一，但综合能力并没有同比例下滑，而是继续有所提升，且在搜索类任务上达到了国内最强水平。

3

当然，我知道很多人会有一个疑问：成本这么低，效果到底靠不靠谱？

这个问题很合理，我自己也是带着这个怀疑去看测评数据的。

LMArena 搜索榜（Search Arena），文心 5.1 以 1223 分拿下国内第一、全球第四，也是进入榜单的唯一国产模型。 

再往前几天，文心 5.1 Preview刚刚在LMArena 文本榜上拿下国内第一，分数达到 1476，在榜单前十五名里是唯一一个国产模型，超过了 GPT-5.5 和 DeepSeek-V4-Pro。

在 Agent 能力这块，提升也比较明显，超过了 DeepSeek-V4-Pro；创意写作方面，被认为和 Gemini 3.1 Pro 处于同等水平；推理能力已经接近业界头部闭源模型的区间。

把这些放在一起看，基本可以说：成本降到 6%，没有换来能力的明显妥协。

这里我多说一句，这个"搜索能力"的含义，可能和你平时说的搜索不太一样。

LMArena 搜索榜测的不是"会不会用搜索引擎"，而是模型在面对复杂问题时，能不能同时整合多个信息来源，并生成一个内部一致性强、表达可靠的回答。

这种能力在企业场景里价值极高，知识管理、多轮问答、内容生成、Agent 流程里的信息处理环节——凡是需要模型既理解问题又能整合背景知识输出的地方，搜索能力的强弱会直接决定应用的可靠程度。

4

说回到 Create 2026。

5 月 13 日，百度将在北京国家会议中心二期举办今年的 AI 开发者大会。

正常情况下，这类大会之前，厂商通常会做一些氛围预热，放点宣传物料，偶尔发一条倒计时推文。

但百度这次的操作有点不一样，直接发布了一个真实可用、已经上线的模型。

如果前菜都是这个体量，那大会现场，百度还准备端出什么？

从文心 5.0 到文心 5.1，这条技术路线已经跑出了初步结论：多维弹性预训练这套框架是可行的，成本压缩是真实的，模型能力没有断崖。

那接下来，这套框架还能往哪走？是更极致的压缩比，还是更多模态的整合，还是面向 Agent 场景的专项优化？

这些问题，大概只有等 5 月 13 日之后才有答案。