Ernie 5.0 0110

# 一、简介与定位

中国百度公司于2026年1月15日正式发布Ernie 5.0 0110，这是一款面向通用场景的旗舰级原生全模态大模型，聚焦技术深耕与行业落地，是百度文心大模型家族的核心迭代版本。

其名称中“Ernie”是“Enhanced Representation through kNowledge IntEgration”的缩写，核心是“知识增强”，延续文心系列的核心技术基因；“5.0”代表其所属的文心大模型主版本，“0110”是该版本的具体迭代标识，对应2026年1月的迭代批次。核心功能涵盖文本、图像、音频、视频的统一理解与生成，支持复杂逻辑推理、代码生成、专业知识问答等，同时具备智能体工具调用能力。官方使用门槛较低，个人用户可在文心App、文心一言官网免费体验基础功能，高阶功能需订阅会员；企业与开发者可通过百度千帆平台调用API，暂无公开免费额度，需按调用量付费，无明显地域使用限制。同期发布的“兄弟模型”主要有文心5.0正式版，二者核心架构一致，侧重场景略有差异，前者更侧重文本与数学推理的优化，后者侧重全模态场景的全面落地。

目前Ernie 5.0 0110处于生命周期中的主力阶段，尚未被迭代淘汰，仍是百度对外输出的核心通用大模型之一；其最突出的核心特点是采用原生全模态统一架构，兼顾超大参数规模与高效推理，数学推理能力跻身全球前列，同时深度适配中文语境。

# 二、发展历程

# 2.1 研发背景

Ernie 5.0 0110发布前，全球大模型已迈入“技术深耕与行业落地双加速”的关键阶段，主流大模型呈现两大阵营：海外阵营以OpenAI的GPT-5系列、谷歌的Gemini 2.5系列为代表，优势在于多模态融合成熟、推理效率高，但存在中文语境适配不足、国内使用壁垒等问题；国内阵营以阿里通义千问Qwen3系列、深度求索DeepSeek V3系列、百度文心4.5系列为代表，其中Qwen3系列强在多模态生态与阿里系业务打通，DeepSeek V3系列主打架构创新与开源降本，文心4.5系列则聚焦国产化闭环与多模态能力提升。当时行业普遍存在一个核心痛点：多数多模态模型采用“后期融合”方案，不同模态数据分开处理后再拼接，存在转译损耗，且超大参数模型往往面临算力消耗过高、推理效率低下的困境。在此背景下，百度基于自身“芯片-框架-模型-应用”的全栈优势，启动Ernie 5.0系列的迭代研发，旨在突破多模态融合瓶颈，打造兼顾性能、效率与中文适配性的旗舰模型，Ernie 5.0 0110便是这一研发目标的核心落地版本。

# 2.2 关键节点

2025年下半年，百度在文心4.5系列开源后，正式启动Ernie 5.0系列的立项工作，核心方向锁定“原生全模态统一建模”与“超稀疏参数优化”，组建由深度学习技术及应用国家工程研究中心主导的研发团队，同步联动昆仑芯团队优化算力支撑。2025年11月，Ernie 5.0系列进入内部内测阶段，初期版本主要聚焦文本与图像的原生融合，重点测试数学推理与多模态理解能力，收集内部研发与合作企业的反馈，优化模型幻觉与推理效率问题。2026年1月初，模型完成核心技术迭代，确定“0110”迭代标识，进入公测阶段，面向部分企业开发者开放API调用权限，进一步优化场景适配性。2026年1月15日，百度正式发布Ernie 5.0 0110，同步公开其在LMSYS Chatbot Arena榜单的测试成绩，当日开放个人用户免费体验通道，标志着该模型正式进入商业化落地阶段。

# 2.3 家族构成

Ernie 5.0 0110隶属于百度文心大模型家族，该家族始于2019年3月发布的文心1.0，历经多年迭代，形成涵盖基础大模型、任务大模型、行业大模型的三级体系，核心相关模型如下：

文心3.0系列：作为家族中里程碑式的基础模型，是首款知识增强多范式统一预训练模型，融合自回归与自编码网络，支持长文本建模，为后续版本的知识增强能力奠定基础，其中鹏城-百度·文心（ERNIE 3.0 Titan）是全球首个知识增强千亿大模型，参数规模达2600亿。

文心4.0系列：全面提升理解、生成、逻辑和记忆四大核心能力，采用飞桨自适应大规模分布式训练技术，支持万卡算力稳定运行，后续迭代的4.0 Turbo版本侧重推理速度优化，4.5系列则实现多模态能力的大幅提升，引入FlashMask动态注意力掩码等技术，且于2025年6月全量开源，涵盖10款不同规格模型。

文心5.0系列：家族旗舰级全模态系列，核心特征是原生全模态统一建模，摆脱“后期融合”的局限，Ernie 5.0 0110是该系列的核心迭代版本，侧重文本与数学推理优化；同期发布的文心5.0正式版则侧重全模态场景全面落地，二者共享核心架构，适配不同使用需求。

文心X1系列：家族中主打深度思考与工具调用的高端版本，具备更强的规划、反思与进化能力，是首个自主运用工具的深度思考模型，支持多工具协同调用，定位高于Ernie 5.0 0110，面向更复杂的专业场景。

此外，家族还包含文心Lite、视频大模型、语音大模型等矩阵模型，以及搜索闪电专精模型、电商蒸汽机模型等行业专精模型，形成覆盖不同场景、不同规模的完整模型矩阵。

# 三、核心技术剖析

# 3.1 固有技术

Ernie 5.0 0110继承了文心系列模型的核心底层技术，尤其是上一代文心4.5系列的优秀架构，确保模型基础能力的稳定性。其一，继承知识增强技术，延续文心家族的核心基因，通过将大规模知识图谱融入预训练过程，学习词、短语、实体等完整语义单元，提升模型对中文语义的理解能力，减少知识幻觉，这也是其中文处理能力突出的核心原因之一。其二，继承Transformer相关优化架构，在标准Transformer稠密架构的基础上，沿用文心4.5的FlashMask动态注意力掩码技术，优化长序列建模能力，解决长文本处理中的遗忘问题，提升多轮交互的流畅度。其三，继承多阶段对齐手段，采用有监督精调、人类反馈的强化学习（RLHF）等技术，通过“文心导师”计划引入各领域专家校准，确保模型输出与人类意图对齐，提升回答的准确性与合规性。其四，继承飞桨深度学习框架的底层支撑，兼容昆仑芯、Nvidia GPU等硬件，依托百度百舸GPU平台，实现高效的分布式训练与推理。

# 3.2 创新技术

Ernie 5.0 0110的核心创新集中在原生全模态建模与参数效率优化，打破行业传统多模态融合的局限，同时兼顾性能与算力成本，具体创新点如下：

1.  原生全模态统一自回归架构：这是该模型最核心的创新，区别于业内“后期融合”的多模态方案，采用统一的自回归架构对文本、图像、音频、视频等多源数据进行联合训练，无需单独的模态编码器，将所有模态数据转换为统一的“令牌”进行处理。简单来说，就像培养一个精通多门语言的专家，而非多个单一语言翻译员拼凑协作，让不同模态的特征在同一框架中充分融合、协同优化，减少转译损耗，比如能通过一段教程视频，直接理解逻辑并生成可运行的前端代码，实现跨模态的深度理解与重构。

2.  超稀疏混合专家架构（MoE）：采用超大规模混合专家结构，参数规模达2.4万亿，但通过超稀疏激活技术，每次任务仅调动不到3%的参数。可以把整个模型想象成一个拥有数千名专家的智囊团，面对不同任务时，仅调用最擅长的几位专家协同工作，既解决了超大参数模型“算力黑洞”的难题，又在保证顶级性能的同时，大幅提升推理效率，实现“跑得稳、答得对、用得起”的目标。

3.  弹性训练技术：首次引入“弹性训练”方法，解决大模型适配不同硬件与场景的痛点。在一次训练过程中同时培育出主模型与多个不同规模的子模型，可在深度、宽度、稀疏度三个维度灵活调整，比如在资源充足的数据中心使用完整配置，在移动设备上使用精简配置，既保证不同场景下的性能稳定性，又能有效降低部署成本，实测显示，使用仅25%的专家进行推理时，速度提升15%以上，性能损失微乎其微。

4.  数学推理优化机制：针对国产模型数学能力薄弱的痛点，专门优化了形式化推理与问题分解机制，通过合成长程任务轨迹数据，采用基于思维链和行动链的端到端多轮强化学习训练，大幅提升数学推理的准确性，使其在相关评测中跻身全球前列。

# 四、表现评估

# 4.1 历史与现状

Ernie 5.0 0110刚发布时（2026年1月15日），凭借LMSYS Chatbot Arena文本榜国内第一、全球第八的成绩，迅速跻身全球大模型第一梯队，成为当时唯一进入该榜单前十的国产大模型，打破了海外模型在高端推理领域的垄断，尤其数学推理能力全球第二的表现，引发行业广泛关注，发布当日便吸引大量个人用户与企业开发者体验、调用。截至2026年4月，该模型仍保持核心竞争力，稳居国内大模型第一梯队，未被后续迭代版本淘汰，成为百度文心系列对外输出的核心模型之一；随着文心助手月活突破2亿，该模型的落地场景持续拓展，在办公、教育、金融等领域的应用逐渐深入，但同时也面临阿里通义千问、深度求索等国内厂商的激烈竞争，行业地位略有波动。

# 4.2 优势亮点

结合业内公认的LMSYS Chatbot Arena、SuperCLUE等排行榜数据及媒体实测，Ernie 5.0 0110的优势主要集中在以下三个维度，表现突出且具备差异化竞争力：

1.  数学推理能力顶尖：在LMSYS Chatbot Arena榜单中，其数学能力位列全球第二，仅次于尚未正式公开的GPT-5.2-High，大幅超越GPT-5.1-High、Gemini-2.5-Pro等国际主流模型，尤其在复杂方程求解、逻辑推理、数据计算等场景中表现优异，打破了国产大模型数学能力薄弱的刻板印象。

2.  中文处理与语义理解能力突出：继承文心家族的知识增强基因，针对中文语境进行深度优化，能精准把握中文语义、文化内涵与语境差异，比如可模拟《红楼梦》中王熙凤的口吻撰写商业方案，既保留人物特色，又融合现代逻辑，在中文创作、语义检索、情感分析等任务中表现优于多数海外模型。

3.  多模态融合效率高：凭借原生全模态统一架构，其多模态理解与生成的协同性优于采用“后期融合”的模型，能无缝处理文本、图像、音频、视频的跨模态任务，比如看懂视频教程并生成代码、结合音频情感生成对应图像等，且推理效率较高，兼顾性能与体验。

# 4.3 缺点与不足

客观来看，Ernie 5.0 0110仍存在一些明显短板，未达到“全能型”模型的标准，主要集中在三个方面：

1.  图像与视频生成能力偏弱：虽然具备全模态处理能力，但重点优化的是文本与数学推理，图像、视频生成能力仅达到行业中等水平，与文心5.0正式版及阿里Qwen3-VL系列相比，在图像细节还原、视频流畅度、创意性等方面存在差距，难以满足高端设计、影视创作等场景需求。

2.  小样本学习能力不足：在缺乏足够训练数据的小众场景或新兴领域，模型的适配性较差，无法快速学习新场景的核心需求，容易出现回答偏差、逻辑断裂等问题，不如部分开源模型的灵活度高。

3.  API调用成本偏高：企业与开发者通过百度千帆平台调用该模型API时，无免费额度，按调用量付费，且定价高于国内部分开源模型与轻量化模型，对于中小开发者而言，长期使用的成本压力较大，一定程度上限制了其生态扩张。

# 五、重大事件

1.  2026年1月15日，Ernie 5.0 0110正式发布并登顶LMSYS Chatbot Arena文本榜国内第一：当日百度同步公开该模型的测试成绩，以1460分位列全球第八、国内第一，超越GPT-5.1-High、Gemini-2.5-Pro等国际模型，其中数学能力全球第二的表现引发行业热议，成为国产大模型突破的重要标志，当日相关话题登上科技类热搜，吸引大量媒体报道。

2.  2026年1月22日，依托该模型的文心Moment大会顺利举办：百度在大会上重点介绍了Ernie 5.0 0110的核心技术与落地成果，公布其原生全模态架构的技术细节，同时宣布该模型全面接入百度千帆平台，开放企业级调用权限，推动其在工业、能源、金融等关键行业的落地，现场达成多项企业合作意向。

3.  2026年2月4日，相关技术报告发表于arXiv平台：百度ERNIE团队将Ernie 5.0 0110的核心技术成果整理为技术报告，发表于arXiv平台（编号：arXiv:2602.04705v1），详细阐述了原生全模态统一架构、弹性训练等创新技术的实现原理与测试数据，引发学术界广泛讨论，为多模态大模型的研发提供了重要参考。

4.  2026年3月，助力文心助手月活突破2亿：作为文心助手的核心支撑模型，Ernie 5.0 0110的优异表现推动文心助手用户规模快速增长，截至2026年3月，文心助手月活突破2亿，与豆包、千问形成国内三大亿级AI入口，进一步巩固了百度在国内大模型领域的地位。