11月12日，百度世界2026在北京开场。整场大会围绕”芯云模体”四层架构展开，一口气抛出四件事：一个叫词元所的大模型交易平台、文心大模型5.5 Flash预览版、两款应用模型，以及一套关于组织该怎么改的方法论。台下坐着的是企业技术负责人和创业者，他们真正关心的只有一个问题：Token越烧越多，为什么收入和利润没有跟着涨。
李彦宏给出的答案是”智能组织”，但让开发者竖起耳朵的，是那个被称作”大模型交易所”的平台。它想卖的不是算力，也不是模型分数，而是”可信”。
一、词元所：把”不敢用”变成一门生意
李彦宏在台上描述了一个几乎所有技术负责人都似曾相识的场景：今年前9个月，几乎每天都有新模型发布，有时候一天能发好几个。供给爆炸的结果不一定是选择自由，反而常常是选择困难。”同一款模型，有的贵有的便宜，来源五花八门，质量参差不齐。选来选去，就是不放心、不敢用。”
这句话点破了模型采购的真实处境。过去两年，大量企业通过第三方中转站调用模型，价格便宜、接入简单，但中转站大多只负责转发请求，既不为模型效果背书，也不为服务稳定性负责。线上业务一旦出问题，企业很难判断到底是模型能力不行、供应商超卖，还是自己的提示词写错了。
模型越多，选择越难
这个问题在智能体时代被放大。以前一个应用只调用一个模型，选错了换掉即可；现在一个智能体可能同时挂着检索、代码、语音、视频四五个模型，链路越长，单点质量问题的破坏力越大。采购方需要的不只是报价单，而是一份能核验的”体检报告”。
词元所的定位正是从这里切进去的。它把自己比作交易所：买方在货架上比价，卖方挂牌接受检验，平台负责验货和记账。这个比喻是否成立，取决于它能不能把”验真”和”征信”做成硬约束，而不只是页面上的一枚徽章。
验真与征信：交易所的两条规矩
按官方口径，词元所的第一项能力是验真：通过模型指纹比对、能力测试、性能与可用性测试等技术手段，核验挂牌资源是不是它宣称的那款模型。第二项能力是征信：通过定期抽检拨测、全链路实时监测调用，为模型提供商建立信用评级，并把评级公开给采购方。
这两件事听起来朴素，做起来却不容易。模型指纹比对解决的是”挂羊头卖狗肉”，也就是用便宜的小模型冒充旗舰模型；抽检拨测解决的是”高峰期限流”，也就是宣传时满血、卖出去后半血。两者叠加，词元所实际上是在给非标的模型服务做标准化，把”我觉得还行”变成”可以查证”。
值得注意的是，词元所并不承诺替客户选模型。它提供的是比价、核验和信用记录，最终拍板的仍是采购方。这种只做裁判、不做教练的姿态，是它能吸引非百度系模型挂牌的前提——哪怕文心大模型的自家产品同样摆在货架上。
上线一个月的数据说明了什么
官方披露的数字是：上线一个月，入驻供应资源超过100个，日均调用次数突破5000万，日均调用Token超过7000亿。换算下来，平均每次调用消耗约1400个Token，这个量级更接近真实业务请求，而不是压测流量。
不过，这些数字全部来自百度自己，既没有第三方审计，也没有披露具体的模型构成和客户名单。词元所究竟是一个已经跑通交易的市场，还是一个刚刚搭好柜台的样板间，目前还看不出全貌。
把三种常见路径放在一起看，词元所的差异化会更清楚。下表按核验方式、定价、稳定性责任、信用体系、门槛和适用对象六个维度做了对照。
| 对比维度 | 词元所 | 传统API中转站 | 企业自建或私有化 |
|---|---|---|---|
| 资源核验 | 模型指纹比对，加能力、性能、可用性测试 | 多数只做转发，不做核验 | 自行评测，样本量有限 |
| 定价透明度 | 同一模型多家比价，价格公开 | 加价幅度不透明 | 成本可核算，但需摊薄硬件 |
| 稳定性责任 | 全链路实时监测，平台对可用性负责 | 通常声明不对效果与稳定性负责 | 责任完全由自己承担 |
| 供应商信用 | 定期抽检拨测，形成信用评级 | 缺少评级体系 | 不适用 |
| 上手门槛 | 注册即用，按Token计费 | 低 | 高，需要机房与运维团队 |
| 适合对象 | 想快速试错又怕踩坑的团队 | 对价格极敏感、能自担风险 | 数据不出域的大型机构 |
从行业视角看，词元所真正想占的位置是收费站的收费员：不管最后跑赢的是哪家模型，只要交易发生在它的柜台上，它就能收到一笔过路费，同时积累一份别人拿不到的调用侧数据。这门生意的前提是中立，难点也在于中立——裁判和运动员的身份如何切割，会是词元所长期要回答的问题。
二、文心大模型5.5 Flash：2800亿参数里的效率账
如果说词元所解决的是”去哪买”，那么文心大模型5.5 Flash预览版回答的是”买什么”。这款模型总参数2800亿，每个Token只激活140亿，支持最长100万Token上下文，官方强调它在编程、3D建模、知识工作和内容创作上表现突出，并在Terminal-Bench、AutomationBench等基准中拿到有竞争力的分数。
文心大模型5.5 Flash的140亿激活算术
2800亿总参数、140亿激活，文心大模型选了一条稀疏混合专家的路线：每次前向只走通二十分之一的参数。这样做的好处很直接：显存要装下全部专家，但算力只按激活部分结算，单位Token的推理开销被压到与百亿级稠密模型相当的水平，能力却来自更大的参数池。
这套设计并不是临时起意。11月5日，百度已经先把文心大模型5.5 Flash Base的预训练终点权重放了出来，采用43层Transformer、隐藏维度4096、64个注意力头，用33.5万亿Token预训练，训练上下文最长128K。基座先开源、预览版后跟上，这条路径与国内几家主流的开源打法基本一致。
文心大模型5.5 Flash的长上下文能干什么
100万Token大约相当于一两本长篇小说的体量，或者一个中等规模代码仓库的核心文件。对开发者来说，长上下文最实际的价值不是”能塞进去”，而是”塞进去还能算得起”。文心大模型5.5 Flash在架构上把多数层换成重度压缩注意力，每128个Token压缩成一个缓存条目，只保留七分之一的层做全量token级访问，从而把长上下文的显存开销压下来。
官方给出的应用侧证据是：模型针对游戏开发做过专项训练，可完成设计、功能制作与场景搭建；在3D建模上加强了Blender和CAD的专项训练，能从文本描述推断物体形状、比例与空间关系；内容创作侧构建了超过15万个创作环境，适配上千个创作技能，累计成片约5300分钟。
文心大模型的开源时间表
文心大模型5.5 Flash预览版的API价格已经公布：每百万Token输入忙时2元、闲时1元，输出忙时8元、闲时4元，并有限时五折优惠。模型权重将在11月25日面向全球开源社区发布，许可证为Apache 2.0。在此之前，开发者可以通过百度智能云千帆平台调用，也可以在OpenRouter上免费试用。
“先API、后权重”的节奏值得玩味。这套安排对文心大模型同样有利：两周窗口既能收集真实调用数据，也能把一部分开发者先锁进自己的云平台；对开发者而言，一个2800亿级参数、Apache 2.0许可、支持百万上下文的权重，意味着可以把它搬进自己的机房做二次训练。
放到开源生态里看，文心大模型这次的开放尺度不小：2800亿总参数的权重已经站在第一梯队，采用对商用友好的Apache 2.0许可，并联合vLLM、SGLang等社区提供工具链支持。但开源竞争早就不比谁的参数更大，而比谁的微调成本更低、生态案例更多。真正的考验在25日之后，下载量、微调案例、以及有没有人愿意把它当成长期底座，而不是一次性的评测素材。
三、两个应用模型：一个算得快，一个演得像
基座之外，文心大模型这次还发布了两款应用模型，同步上线千帆平台开放API。它们不是”更大的模型”，而是把某一类任务做到极致的专用模型。
文心闪电：把KV缓存压下去
文心大模型家族中的文心闪电深度思考模型，最初是为百度搜索研发的。搜索场景的要求很苛刻：既要理解复杂需求、调用工具完成多步任务，又要在海量并发下保持响应速度。为此，百度改动了传统注意力结构，提出百度稀疏注意力技术BSA，在解码过程中根据历史输出和状态，对历史记忆也就是KV缓存做反馈式压缩，在效果和存储开销之间取折中。
文心大模型在推理侧交出两个数字：凭借BSA，模型可在昆仑芯上实现单机八卡高速推理，与芯片协同优化后，模型投资回报较同类芯片提升50%，推理引擎成本降低30%以上。该模型支持思考与非思考两种模式，目前以文本输入为主，后续版本将支持视觉与语音。
BSA还有一个不容易被注意的特点：它与DSA、HCA等高压缩注意力机制兼容，可适用于不同结构的大模型。这意味着它更像一项可以外溢的工程技术，而不只是某一款模型的私有配置。
文心一镜：4000字剧本，1比1出片
同属文心大模型家族的文心一镜微表情大模型，瞄准的是高情感表现力的视频创作。它采用文本、视觉、语音三态一体建模，支持最长4000字文本驱动，背后是覆盖6大维度、200个子维度的细粒度描述体系，能把”眼眶发红但强忍着不哭”这类复杂情绪，翻译成面部表情、肢体动作与情绪变化的组合。
声音是这类内容的另一道坎。传统做法以30秒左右为单位分段生成音频再拼接，长视频里常常出现音色漂移、节奏断裂。文心一镜推出篇章级配音技术，基于完整剧本整体生成配音，做到一次生成、节奏连贯、音色统一。
文心大模型把成本压得更直白：视频生成成本较业界降低50%，支持分钟级生产；极速版本可1比1实时生成，1分钟的视频内容在1分钟内完成。配合百度一镜的短漫剧Studio，创作者可以把已验证的作品一键做剧情、人物、场景的本土化适配，官方给出的自研视频生成成本是每秒0.2元。
三款新品怎么选
| 维度 | 文心大模型5.5 Flash预览版 | 文心闪电深度思考模型 | 文心一镜微表情大模型 |
|---|---|---|---|
| 定位 | 通用基座，主打效率与长上下文 | 搜索级深度思考与工具调用 | 高情感表现力的视频创作 |
| 规模 | 2800亿总参数，140亿激活 | 800B参数级，思考与非思考双模式 | 文本、视觉、语音三态一体 |
| 输入与上下文 | 最长100万Token | 当前为文本输入，后续扩展视觉语音 | 最长4000字文本驱动 |
| 成本关键词 | 输入每百万Token忙时2元 | 推理引擎成本降低30%以上 | 视频生成成本较业界降低50% |
| 典型场景 | 编程、3D建模、知识工作 | 搜索问答、智能体、逻辑推理 | 短漫剧、播客、数字人 |
横向看，文心大模型这次的产品分层很明确：基座负责通用能力与长上下文，闪电负责在搜索级并发下把推理成本压住，一镜负责把视频创作的单位成本打下来。三款模型对应三种计费方式，也对应三类预算。
四、算力底座：1024卡超节点与昆仑芯的路线图
文心大模型再便宜，也要落在芯片上。百度智能云这次发布天池1024卡超节点，单套可支持5万亿参数模型训练，并可扩展至万卡规模；通过新一代HPN架构，最大可建设50万卡规模的集群。该超节点采用光引擎技术，卡间互联带宽较上一代提升3倍，训练性能提升2.5倍，推理性能提升3倍，计划于2027年推向市场。
配套的两款加速柜针对性很强：G1.5显存加速柜让长上下文推理性能提升2倍，G3.5 PVCache加速柜则缓存重复使用的上下文，在缓存命中的多轮对话场景中，首Token时延可缩短90%，整体吞吐提升7倍。对智能体这类”同一段背景反复用”的负载来说，后者的意义可能比峰值算力更大。
推理成了主战场
李彦宏在台上给了一个判断：过去算力需求以训练为主，现在训练与推理并重，智能体规模化带动推理需求爆发，”推理将成为AI芯片长期持续增长的主要推动力”。这句话解释了昆仑芯的产品排序：主打性价比的M100已经上市，面向推理场景；旗舰款M300计划2027年推出，在算力、存储、互联上全面提升；基于全新N架构的芯片预计2028年面市。
把文心闪电的单机八卡推理、BSA的KV压缩、G3.5的上下文缓存放在一条线上看，路径是清楚的：不追求单卡峰值对标，而是用软硬协同把”每Token成本”打下来。文心大模型能把单价定到每百万Token两元的水平，靠的正是这一层层的工程优化，而不是单纯的补贴。
需要冷静的是时间差。1024卡超节点要等到2027年，M300同样在2027年，这意味着百度当下的推理成本优势，主要来自架构优化和工程调优，而不是新一代硬件。国产算力真正拉开差距，还要看明后两年的量产与交付节奏。
28座城市里的萝卜快跑
作为”物理世界”的样本，萝卜快跑已覆盖全球28座城市，自动驾驶里程超过3.5亿公里，在迪拜、阿布扎比实现全无人商业化运营，并与神州租车团队合作，把传统自驾游和无人驾驶结合起来。李彦宏顺手给了一个尺度参照：今天的具身智能，大约相当于2016年左右的无人驾驶。
这个类比既是在给具身智能降温，也是在给萝卜快跑背书。十年时间，无人驾驶从演示走到商业化运营，中间熬过的是长尾场景、监管许可和单位经济模型三道关。按同样的节奏推算，具身智能的规模化落地不会来得更快。
五、智能组织：比模型更难改的是流程
发布会的前半段讲产品，后半段讲组织。李彦宏把AI比作新电能，把智能组织比作AI时代的新厂房：”没有一家公司会因为用了几个AI工具，一夜之间就变得更有竞争力。新生产力，只能从AI的流水线里长出来。”
组织进化三原则
他给出三条原则。第一，打破岗位边界：岗位是工业时代的单元，任务是智能时代的单元，未来的组织是一个任务的网络。第二，沉淀隐性知识：经验只存在员工脑子里，就只是个体能力；显性化并沉淀到平台上，才构成组织智能，”这种能力别人抄不走、挖不动、买不来”。第三，设计流程闭环：可衡量加上持续循环，等于持续进化，公司就变成一个由无数循环组成的、高度自动化运营的系统。
百度内部给出了验证数据：日活智能体从日均0.5万增长到3.7万，智能体完成的有效任务从每周8.4万个增长到一周超过100万个，已建设4300个Workspace，沉淀组织技能超过2万个。搭子团队半年迭代160多次，90%的代码、50%的对外传播物料由智能体生成。
岗位会收敛成两类
李彦宏的预判是，岗位不会消失，但会收敛为两类：一类是Builder，负责创造新东西；一类是Seller，负责人与人之间的沟通与连接，让对方产生情感、建立信任。这个划分听上去干脆，落地时却会遇到老问题：谁来定义任务、谁来为结果负责、绩效怎么算。
从分析的角度看，”智能组织”更像一套管理叙事，而不是可以直接采购的产品。它真正的价值在于把散落在各处的智能体纳入统一的任务与权限体系，这与百度智能云把产品重组成Agent Infra和AI Infra两层的动作是对应的：前者管智能体的运行环境、模型服务、数据与工具连接，后者提供训练推理算力，支持万级沙箱、百毫秒级热启动。
于是整场发布会的逻辑闭环了：算力是底座，文心大模型是产能，词元所是流通环节，智能体与组织负责施工。四层缺一层，故事就接不上。而要判断这套叙事是否成立，最直接的观察点其实很朴素：明年此时，词元所的日均调用是涨是跌，文心大模型的开源权重有没有被真正用起来。
六、常见问题
词元所到底是什么？
它是百度推出的大模型交易平台，定位是”大模型的交易所”，让企业和个人比价、购买、调用经过核验的模型Token。平台提供验真与征信两项核心能力，并对调用做全链路监测。它不替客户选模型，只提供可查证的交易环境。
它和普通API中转站有什么区别？
中转站主要解决”接得上”，词元所主要解决”敢不敢用”。前者通常不对模型效果和服务稳定性负责，后者用指纹比对、能力测试、抽检拨测和信用评级，把非标服务尽量标准化。代价是平台会抽取交易环节的收益。
文心大模型5.5 Flash预览版的权重什么时候能下载？
官方给出的时间是11月25日，许可证为Apache 2.0，面向全球开源社区发布。在此之前只能通过千帆平台API调用，或在OpenRouter上免费试用。需要提醒的是，预览版权重属于中间检查点，训练仍在继续。
2800亿参数、激活140亿，是不是意味着能力打折？
不能这样理解。文心大模型走的是稀疏混合专家路线，全部参数都参与存储，只是每次推理只激活一部分，能力来自整个参数池，成本按激活部分结算。它的优势是大容量、低单价，代价是对显存容量和调度效率要求更高。
100万Token上下文对普通开发者有用吗？
有用，但要看场景。文心大模型5.5 Flash的百万上下文，对整库代码审查、长文档比对、多轮智能体记忆这类任务收益明显；日常问答用不到这么长，反而要为大上下文付出额外开销。判断标准应该是任务里有多少必须同时在场的信息。
文心闪电的BSA省下的到底是什么？
文心大模型的BSA省的是历史记忆的存储与读取开销。它在解码时对KV缓存做反馈式压缩，只保留对当前输出真正有用的部分，从而在长上下文和高并发下降低显存占用与算力消耗。官方给出的结果是推理引擎成本降低30%以上。
文心一镜微表情大模型能直接商用吗？
文心大模型已把它放到千帆平台开放API，面向企业客户与合作伙伴提供服务。官方称视频生成成本较业界降低50%，极速版可1比1实时生成。具体商用条款、肖像与内容合规要求，仍需按平台协议逐项确认。
天池1024卡超节点现在能用吗？
目前是发布，不是现货。官方计划2027年推向市场，单套支持5万亿参数模型训练，可扩展至万卡规模。现阶段企业若需要大规模训练，仍要依靠现有集群与云上资源。
普通开发者现在最实际的入口是哪个？
先用API试效果，再决定要不要等权重。文心大模型5.5 Flash预览版在OpenRouter上免费，适合做小规模验证；如果业务对延迟敏感，可以对比千帆的忙闲时定价；如果涉及敏感数据，就等到25日之后评估私有化部署的可行性。
暂无评论内容