Ernie 5.0 Preview 1203 大模型深度百科

# 一、简介与定位

Ernie 5.0 Preview 1203是中国百度公司于2025年12月推出的一款原生全模态预览版大模型，定位为文心5.0系列的核心预览迭代版本，主要用于验证全模态技术落地效果并收集用户反馈。

其名称中，“Ernie”是百度文心大模型的核心命名体系，源自“Enhanced Representation through Knowledge Integration”（知识增强的语义表示），“5.0”代表其所属的文心大模型主版本，“Preview”意为预览版，表明其尚未正式定型，“1203”推测为12月3日相关迭代节点的标识；核心功能涵盖文本、图像、音频、视频等多模态的理解与生成，支持智能体规划、工具调用及创意输出等场景。官方使用门槛极低，个人用户登录文心一言网页版、文心App即可免费调用，无强制订阅要求，API接口在百度千帆平台提供基础免费额度，超出额度后按用量计费，无明显使用地域限制；同期发布的“兄弟模型”主要为文心5.0系列的轻量化衍生版本，适配不同算力场景。

目前该模型处于生命周期中的活跃预览阶段，未被淘汰，也并非百度当前最新主力模型（主力为文心5.0正式版），其最突出的核心特点是在保持高水准多模态能力的同时，文本表现跻身国内顶尖行列，尤其在创意写作和高难度指令遵循上表现亮眼。

# 二、发展历程

# 2.1 研发背景

Ernie 5.0 Preview 1203发布前，全球大模型领域已进入全模态竞争白热化阶段，主流模型主要分为两类：一类是海外头部模型，如谷歌Gemini 2.5系列、Anthropic Claude 4系列、OpenAI GPT-5系列，特点是多模态融合度高、推理能力强劲，但部分模型对中文语境适配不足，且国内用户使用存在壁垒；另一类是国内主流模型，如阿里通义千问3系列、字节跳动豆包系列、腾讯混元系列，优势是中文处理和本土场景适配性强，但多数多模态模型采用“后期融合”模式，存在模态转译损耗、协同性不足的痛点。彼时行业核心需求已从单一文本能力转向原生全模态统一建模，百度为巩固其在国内大模型领域的优势，验证文心5.0核心技术的落地效果，推出了Ernie 5.0 Preview 1203这一预览版本，填补自身预览版与正式版之间的迭代空白，同时应对国内同行的全模态竞争。

# 2.2 关键节点

2025年11月13日，百度在2025百度世界大会上正式发布文心大模型5.0原生全模态大模型，明确其核心架构为超稀疏混合专家架构，参数量达2.4万亿，此时Ernie 5.0 Preview 1203已进入内部内测阶段，主要针对文本能力和多模态协同效果进行调试；同年12月初，该模型完成内部内测，优化了指令遵循精度和创意写作能力，确定迭代标识为“1203”；12月23日前，该模型正式对外上线，同步登陆文心一言网页版、文心App及百度千帆平台，开放免费调用权限；上线后一周内，其在LMSYS Chatbot Arena榜单中快速跻身国内前列，随后百度根据用户反馈持续优化细节，但未进行重大版本迭代。

# 2.3 家族构成

Ernie 5.0 Preview 1203隶属于百度文心（Ernie）大模型家族，该家族自2019年首次对外发布以来，形成了清晰的分层架构，核心相关模型如下：

文心1.0-3.0系列：属于早期迭代版本，核心聚焦文本语义理解与生成，采用知识增强技术，逐步完善Transformer架构适配，为后续多模态发展奠定基础，目前已逐步淘汰，仅用于技术追溯和基础研究。

文心4.0系列：百度首款成熟的多模态大模型，采用“后期融合”模式，实现文本、图像、音频的基础协同，分为基础版、Pro版和企业版，Pro版主打个人及中小开发者场景，企业版侧重行业定制，目前仍在部分场景使用，但已被文心5.0系列逐步替代。

文心5.0正式版：2026年1月22日正式上线，是Ernie 5.0 Preview 1203的迭代完善版本，保留原生全模态统一建模核心，优化了推理效率和短板能力，是目前百度文心家族的主力模型，覆盖个人、企业及开发者全场景。

Ernie 5.0 Preview 1203：文心5.0正式版的预览迭代版，定位为技术验证和用户反馈收集，核心能力与正式版相近，但在部分细节（如数学推理、代码生成）上未完全优化，主要面向对多模态和文本能力有需求的个人用户及开发者。

文心5.0轻量化衍生版：与Ernie 5.0 Preview 1203同期发布，包括文心Lite、视频大模型、语音大模型等，主打快速落地和低算力适配，用于手机端、嵌入式设备等轻量化场景，与Preview 1203形成能力互补。

# 三、核心技术剖析

# 3.1 固有技术

Ernie 5.0 Preview 1203继承了文心系列模型的核心固有技术，底层架构上延续了Transformer基础架构，保留了百度自研的知识增强技术，能够将海量结构化知识融入模型训练，提升文本理解的准确性和事实性，减少无意义幻觉；同时继承了上一代模型的常规对齐手段，包括指令对齐和人类反馈强化学习（RLHF），确保模型输出符合用户指令，贴合人类使用习惯；此外，还延续了文心4.0系列的多模态基础处理能力，如文本的位置编码变体、图像的时空Patch化策略，为原生全模态建模提供了技术基础。

# 3.2 创新技术

该模型的核心创新的是基于文心5.0主架构的原生全模态相关技术，重点解决了传统多模态模型“拼接式”融合的痛点，具体创新点如下：

1.  超稀疏Ultra-Sparse MoE架构：采用超大规模混合专家结构，参数量高达2.4万亿，但推理时真正激活的参数不到3%，既保证了模型的强大能力，又有效降低了算力消耗，解决了超大模型“算力黑洞”的难题，让普通用户也能免费调用高阶能力。简单来说，就是模型有一个庞大的“专家池”，每次处理任务时只调用最擅长该任务的少数“专家”，不用启动全部参数，兼顾性能和效率。

2.  模态无关的专家路由（Modality-Agnostic Expert Routing）机制：打破了传统多模态模型“分而治之”的模式，拆除了人为设立的模态壁垒，不预先给数据贴上“视觉”“语言”等标签。模型构建了共享专家池，所有模态的数据都能在同一个参数网络中自由流动，通过统一Token表征匹配最合适的专家，实现文本、图像、音频、视频的原生融合，避免了模态转译带来的信息损耗，让跨模态理解更丝滑。

3.  弹性预训练范式：首创“一次性全能”的训练模式，通过构建超大超网络，只需进行一次预训练，就能通过权重共享，抽取出一整套不同规格的子模型，无需重新微调或压缩，就能适配不同算力设备。其中引入的弹性深度机制，会随机跳过部分Transformer层，让浅层网络也能独立承担计算任务，同时支持弹性宽度与稀疏度调节，可动态调整专家池容量和活跃专家数，平衡模型性能和部署成本。

4.  统一多模态强化学习（UM-RL）策略：将逻辑推理、指令跟随与多模态生成任务纳入同一RL流水线协同优化，实现跨模态能力的深度对齐，解决了传统模型多模态能力不均衡、指令遵循不精准的问题，让模型在理解复杂指令后，能同步输出符合要求的多模态结果。

# 四、表现评估

# 4.1 历史与现状

该模型刚发布时（2025年12月），凭借其突出的文本表现迅速出圈，上线仅几天就以1451分登上LMSYS Chatbot Arena文本榜国内第一，全球排名第13，超越GPT-5.1、Qwen3-Max-Preview等多款主流模型，成为当时国内文本能力最强的大模型之一，吸引了大量个人用户和开发者关注，百度千帆平台相关API调用量短期内快速增长。截至2026年4月，随着文心5.0正式版的全面推广，Ernie 5.0 Preview 1203已不再是主力版本，但其核心能力未被淘汰，仍作为预览版供用户免费调用，主要用于对比测试、技术学习和轻量级场景使用，行业地位虽有所回落，但仍是国内优质的全模态预览版大模型之一。

# 4.2 优势亮点

结合LMSYS Chatbot Arena、SuperCLUE等业内公认排行榜数据及媒体评测，该模型的优势亮点主要集中在三个维度，表现突出：

1.  中文文本处理能力顶尖：根据LMSYS Chatbot Arena 2025年12月数据，其文本榜得分1451分，位列国内第一，在创意写作、高难度指令遵循上表现尤为出色，能够精准理解中文语境和文化细节，例如可模拟《红楼梦》王熙凤口吻撰写融合现代商业逻辑的文案，既保留人物特色，又贴合指令需求；同时在事实性、文本梳理、情绪解读等方面表现优异，远超同期多数国内模型，甚至超过Claude-Opus-4-1、GPT-5.2等海外模型。

2.  多模态融合流畅度高：得益于原生全模态统一建模技术，其多模态理解与生成能力达到全球先进水平，在VBench视频语义评分中拿下83.40分，语音识别AISHELL-1字错率低至0.31，能够实现视频内容理解、图像情绪分析、音频转写与文本生成的无缝协同，例如输入一段教程视频，可直接拆解步骤、理解逻辑并生成可运行的前端代码。

3.  性价比高且易用性强：个人用户可免费无门槛调用，无需订阅或绑定付费账户，百度千帆平台的API提供基础免费额度，超出后计费合理，适合中小开发者和个人用户使用；同时操作门槛低，接口适配性强，可快速对接各类应用场景，无需复杂的技术调试，兼顾专业性和易用性。

# 4.3 缺点与不足

客观来看，该模型仍存在明显短板，未达到“全能型”水平，主要不足集中在三个方面：

1.  数学推理能力较弱：根据LMSYS Chatbot Arena评测数据，其数学推理能力排名未进入全球前20，在MATH数据集上得分73.89分，虽处于中等水平，但相较于其文本和多模态能力差距明显，处理复杂微积分、线性代数等高阶数学问题时，易出现计算错误、逻辑断层，甚至无法理解复杂数学指令。

2.  代码生成能力不足：与国内DeepSeek、Qwen等主打代码能力的模型相比，其代码生成的准确性、完整性和可运行性较差，仅能完成简单的前端代码、基础脚本编写，无法应对复杂项目开发、算法编程等场景，代码调试和优化能力薄弱。

3.  部分场景存在幻觉的现象：在处理冷门知识、小众领域信息时，容易出现事实性错误，尤其是在跨模态生成场景中，偶尔会出现图像与文本不匹配、音频转写偏差等问题；同时在长文本处理中，存在上下文遗忘的情况，超过5000字的长文本理解和续写，易出现逻辑脱节、重点遗漏。

# 五、重大事件

1.  2025年12月23日，登榜LMSYS Chatbot Arena并登顶国内第一：该模型以1451分的成绩登上LMSYS Chatbot Arena文本榜，位列国内第一、全球第13，超越多款国内外主流模型，引发行业广泛关注，也让百度文心5.0系列的文本能力得到业内认可，当日文心App下载量同比增长30%以上。

2.  2025年12月，联合海豚出版社推出AI绘本智能体：基于该模型的原生全模态能力，百度文心联合海豚出版社推出“与众不同的AI绘本”智能体，可将绘本文字、插画转化为语音并实现实时互动，为特殊儿童提供听读支持，成为该模型落地公益场景的重要案例，提升了模型的社会影响力。

3.  2026年1月，伴随文心5.0正式版发布完成技术迭代：随着文心5.0正式版的上线，Ernie 5.0 Preview 1203的核心技术（如原生全模态建模、超稀疏MoE架构）被正式版继承并优化，该模型作为预览版完成其技术验证使命，百度官方对其进行小幅优化后，保留免费调用权限，转为辅助性使用版本。