1月22日，百度“文心Moment”大会在上海张江举行。会上，百度发布并上线原生全模态大模型文心5.0正式版，以2.4万亿参数规模与原生全模态架构，彻底打破过去多模态技术“拼接融合”的行业痛点，在40余项权威基准测试中超越GPT-5-High、Gemini-2.5-Pro等国际顶尖模型，稳居国际第一梯队。其中，该大模型的图像与视频生成能力与垂直领域的专精模型相当，整体处于全球领先水平。
在此之前，全球主流大模型的多模态能力，本质上是对文本、图像、视频等不同模态信息“各自训练、简单对接”，就像只会切换不同语言的翻译，无法深度理解跨模态信息的逻辑关联。例如：输入一段APP开发讲解视频，以前的模型只能复刻表面内容，无法拆解交互逻辑并生成可用代码。
据百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜介绍，与业界多数采用“后期融合”的多模态方案不同，文心5.0的技术路线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模型框架中进行联合训练，使得多模态特征能够在统一架构下，充分融合并协同优化。
如此一来，实现了跨模态信息在同一模型框架内就能深度推理，真正具备了“跨领域解决实际问题”。举个例子：如果要做一个团购小程序的首页，在没有文心大模型5.0之前，开发者要写文档、敲代码、反复调试，耗时往往在4小时左右，同时还需要专业技能。而如今，伴随着这一大模型的出现，面对同样的工作，开发者只需上传参考图、直接说出需求 ，仅需10分钟，就能拿到可直接用的完整代码，开发的便捷度和效率大幅提升。
目前，个人用户可在文心App、文心一言官网体验，企业与开发者可通过百度千帆平台进行调用。当天，百度还发布了“文心导师”计划的最新进展。当前，文心导师队伍持续壮大，已吸纳835位来自科技、金融、文化、教育、医疗、能源等十余个重点行业以及数理化生文史哲等学科的专家，在知识传授、鉴赏评价、专业校准方面对大模型进行指导，帮助模型在逻辑严谨性、专业深度、创意质量和价值观对齐等方面不断精进。
