在业界权威大模型公共基准测试，平台 LMArena 发布最新一期文本竞技场排名，也就是 Text Arena 之后，有人发出了，「Baidu is back」这种惊呼 。

在 11 月 8 日凌晨 的的时候 根据 LMArena 的最新排名能被看得出来 百度文心具有的最新模型 ERNIE - 5.0 - Preview - 1022也就是文心 5.0 Preview 在文本榜单之上一下子就跳跃着到达而且存在着全球居于并列第二 还有国内处于第一的这种状况 。

该模型获取到了1432的高分，它跟OpenAI的gpt - 4.5 - preview - 2025 - 02 - 27处于同等水平，还和Anthropic的claude - opus - 4 - 1 - 0805、claude - sonnet - 4 - 5 - 20250929这三大国外顶级模型不相上下。

在评论区里，网友们纷纷针对百度新模型那令人瞩目的亮眼表现，送上了祝贺，并且还表明，「已然迫不及待想要亲自去体验一番」。

毫无置疑，这次的榜单结果会持续巩固百度文心系列模型在全球通用智能模型竞争态势里第一梯队的位置，。

全球范围内，LLM实战擂台之上，文心5.0 Preview静悄悄地、暗暗地、不声不响地、毫无声息地厮杀着来到了。

在AI技术范畴之内，LMArena这个开放的AI模型评测平台是由加州大学伯克利分校的研究者所创建的，它已然变成了OpenAI、谷歌等国外大模型厂商与国内大模型厂商展开激烈竞争的顶级竞技场之一。

在这个平台之上，用户自行去提交prompt随后系统会随机地抽取两个匿名的LLM分别去生成回答。用户依据于两条回答来选择偏好也就是「哪一个更好」或者「两者都差」等。更为具体而言LMArena会给每个模型去分配初始Elo分数并且在每一轮对决结束之后实时地更新分数。

和依赖传统静态数据集且自动评分的基准平台相比呀，LMArena 借助真实用户针对模型输出作出的偏好投票，构建起了一种偏向于「现实世界评判」的动态排名机制哦。这种机制里，模型能力间的较量更靠近实际使用场景啦，也使得榜单的含金量更高些呢。

能在LMArena榜单上处于前列位置的模型，除了在学术指标方面展现突出外，还在像用户体验、语言理解、创意生成以及指令执行等实际应用维度收获广泛认可。而文心5.0 Preview就是在这样实实在在的LLM对决战场取得了很棒的表现，句号。

详细地说，文心 5.0 Preview 在创意写作这方面，有着突出的表现，在复杂长问题理解这一方面，也展现出了良好的水准，在指令遵循这一领域，同样有着出色的成绩，并且整体所取得的成绩，超过了多款国内外主流大模型，其中涵盖了 GPT-5-High 。

当中，文心 5.0 Preview，于衡量创意生产力的关键指标，也就是创意写作任务里，位居首位，这表明它生成诸如文章、营销文案、剧本等内容的速度以及质量，都有了大幅度的提高；在考验模型处理多层逻辑以及长文本能力的复杂长问题理解方面，排名第二，它在学术问答、报告分析、知识推理等高认知任务上，更加能够胜任；在体现模型对用户意图理解与执行精度的指令遵循任务中，排名第三，它在智能助理、代码生成与业务自动化等场景的适用性，显著得以增强。

这些核心语言能力有突出表现，这表明文心 5.0 Preview 在复杂语义理解方面，在逻辑推理方面，以及在任务执行一致性方面，形成了领先优势，进而为高质量的多场景内容生产，为高效率的多场景内容生产，为智能应用落地，提供了更有力的支持。

不仅是这样，基础模型其能力实现了全方位的跃升，它会成为深化AI与AIGC产业化落地当中的核心引擎，它所具备的价值正从单纯的文本辅助改变为对于内容生产、企业智能体、办公自动化等场景进行系统性的赋能 。

紧接着，就文心 5.0 Preview 的几个显著突出的能力，机器之心开展了一回测试。

文本能力，一手实测

创意写作

首先我们把它放在「营销」场景中，看看它生产力如何。

我们挑选了同样凭借文本能力表现突出，并且在排行榜里处于并列第二位置的claude - sonnet - 4.5 - 20250929，于LMArena的「Side By Side」模型对比当中开展横向测评。

你是一家顶级广告公司的创意总监。请为

一个文本能力出众的模型

去策划一场时长为 3 个月长的线上营销战役吧。你的那个方案是必须要涵盖：一个核心营销的洞察，要叫 Insight。一个响当当的战役 Slogan。给一整所有创作者写的一封公开信。一个有着 30 秒时效短视频的创意脚本大纲。

首先来比较核心营销洞察和 Slogan。

能够瞧见，存在着两个模型，其思路是同样的，均以「表达自由」作为核心，然而，文心 5.0 Preview 在措辞方面以及立意方面都更具优势。

Claude的方案，被定位成那种，「一个更懂你的工具」，在功能方面它是准确精准的，然而呢，在品牌层面它却是显得格外保守守旧守成的。

文心5.0 Preview走得更超前了，瞅准、攥紧了「情绪价值」这个热门切入点，把AI打造雕琢成了「灵感的合伙人」样子状态，达成实现了结结实实从功能到价值的向上跃变提高。它的Slogan「心有所思，言必达意」更是愈发更具满满诗意以及品牌气势格局了 。

接下来看看致创作者的公开信。

Claude所撰写的内容极为精准且真诚，它适宜于打动每一位有文字沟通需求的人，这些人涵盖但不限于学生群体、职场工作者、创业者以及运营人员等，它着重突出的是「理解」以及「表达」。

然而呢，文心 5.0 Preview 并未仅仅停留在那种，能够协助你搞定把话说清晰的较为浅显的功能层面，反而是直接对准了创作者的灵魂所在之处，它的某一句话呀，瞬间就直接击中了当前 AI 时代最为核心的、那类焦虑，也就是涉及到原创性方面的、灵魂是否会遭到稀释这般状况的焦虑呢。

你所看重的东西之一，是字词行列间别具一格的精神气质，是逻辑环节里严密审慎的思索考量，是故事背后自成一家的内在精髓。这些，是任何机械装置都没办法给予 的。

它并非只是单单纯纯地在供给一个工具，而是实实在在地界定了一种未来，那就是，AI越是具备强大的能力，人的创造力反倒越是显得珍贵，越是呈现出自由的状态。

然后是很有挑战性的部分：短视频创意脚本大纲。

文心 5.0 Preview 最叫人惊艳之处在于此处，它炮制出一个特别成熟的脚本，其专业水准让人惊叹不已。方案里涵盖了画面内容，还有剪辑点，以及特效、音效、台词等全部执行所需的核心要素。

复杂长问题理解

我们设定了一个平常的应用场景，这个场景是，给AI模型一份产品介绍，让它来扮演客服，依据这份介绍回答我们提出的问题，。

咱们先是让 Gemini 2.5 Pro 帮忙搞了标准问答，就为确保那测试有着客观性与专业性。而后呢，着重去考察文心 5.0 Preview 的表现情况，并且拿 claude - sonnet - 4.5 - 20250929 的答案来做横向方面的对比 。

第一轮：直接信息检索

考察模型是否能从文档中准确、高效地找到信息。

能够看到，两个模型均回答无误，然而文心 5.0 Preview 极具贴心地增添了「和一个大苹果的重量相当」的直观感受的给予。这般细微的环节极大程度地提高了用户体验，使人能够更迅速地领悟产品特性，呈现出超越单纯「检索」的服务意识。

第二轮：条件与推断

探究模型可不可以领会用户的特定情形以及隐含条件，进而做出准确判定。

还是全都回答得正确无误，然而在风格方面产生了分化，文心 5.0 Preview 的回答简洁还清晰，直接朝着主题去，精准地解决了用户的担忧，claude 的回答则更加具有网络感觉，风格更为偏向于口语化。

第三轮：「负面」查询与边界测试

考查模型怎样去应对文档之内未涵盖的信息（界限范围），以及怎样去应对用户可能存在的领会偏差 。

两种模型均能够识别出在文档里未曾被提及的信息，然而在此处，claude额外识别出了时长为15秒的恢复时间。

总体而言，于「客服」此既定角色予人的呈现方面，文心 5.0 Preview 的回应极为明晰、专业，且彰显出颇高层次的服务理念，。

指令遵循

我们持续开展对文心 5.0 Preview 的指令遵循能力的测试，此项能力是用以衡量一个模型是不是「可靠」以及「可控」的关键指标，直接致使它在专业领域的实用价值得以确定。

我们先从一个简单的「回避型」指令开始。

阐述一篇有关苹果公司（Apple）的简要说明，然而不要提及「iPhone」或者「乔布斯」表述。

不费吹灰之力做到了达成。该模型精准无误地辨别并且贯彻执行了「别提及 X」那样的负面导向指令，而这属于当下占据主导地位的大型模型都理应拥有的基本能力。

接着，我们极大程度地提高了难度，进行设计，设计出一个具有多层结构的任务，该任务违背直觉况且含有元指令，与此同时持续使用claude-sonnet-4.5-20250929来做对比。

有两个回答，这两个回答都全然没有运用「的」字，并且十分准确地于回答之后另外起一行来开展合规性检查。文心 5.0 Preview 凭借文笔意境胜出，而 claude 依靠信息密度胜出。

让我们再升级一次难度。

1 北京乃中国首都具重要地位 是政治中心诸多国家机构设此。那里有故宫见证历史沧桑 天安门广场举世闻名 承载着重大意义。 2 北京文化底蕴深厚非遗资源极为丰富 京剧等传统艺术魅力独特 吸引无数人目光。其还有众多高校科研机构 学术氛围浓厚人才辈出。 3 北京经济发展迅猛 诸多知名企业汇聚于此 产业多元充满活力。城市建设日新月异 交通便利连接四方 是极具国际化大都市 。

1. （例如：「1. ...」「什么的」「2. ...」） 【元指令（自我审计）】 2. 在你的回答（分作三个段落）全部完成之后 3. 请另起一行 4. 使用「【自我审查】」作为标题 5. 然后你必须准确报告 6. 你在这篇介述当中 7. 使用了多少个「的」字 8. 以及多少个「逗号和顿号」 9. 你必须严格依照以下格式报告：【自我审查】 违规字「的」使用： 。 【自我审查】 违规字「的」使用：8个；「逗号和顿号」使用：8个 。

此处填写数字

次 违规标点「，、」使用：

此处填写数字

这两个回答均展现出了出色的指令遵循能力，它们不但领会了全部复杂且反直觉的规则，还精准执行了“自我定量审计”的元指令。如同之前那样，文心5.0 Preview的语言更有可读性以及“文采”，然而claude的信息密度更高。

百度，凭什么 back？

上文通过实际测试，让我们亲自置身其中感受了文心 5.0 Preview 的不同凡响的实力，其能力的迅速发展明显不是单个点取得突破的成果，背后起着支撑作用的是百度构建的「芯片 - 框架 - 模型 - 应用」四层全面的栈式布局。

从在当前全球处于领先地位的众多大模型厂商来看，百度是那些为数不多的、有着AI技术全栈架构的公司，在算力方面，在算法方面，在模型应用方面，在生态建设方面，达成建设建成了一条成熟的、贯通的技术闭环。

我们留意到，于框架层，那飞桨（代号PaddlePaddle）深度学习平台有着显著作用。据知晓，此平台乃是国内较早依靠自身力量来研发的深度学习框架，它具备分布式训练以及推理的能力。从百度给出的信息能够看出，飞桨跟文心的联合优化，例如训练吞吐、分布式扩展、多模型结构混合并行以及硬件通信等方面，是其模型性能得以提升的技术基础当中的一个。

依据公开数据，飞桨核心框架如今已更新到 v3.2 版本，于大模型训练方面、硬件适配方面以及生态支持方面做了升级，还同步更新了大模型开发套件 ERNIEKit 以及高效部署套件 FastDeploy。截止到 2025 年 9 月，其所公布的飞桨文心生态开发者数据是 2333 万，服务企业达 76 万家。

对于应用层而言，能够看到百度正凭借文心大模型的能力，去构架它的产品矩阵，尝试涵盖内容、搜索、办公、开发等多个不同的场景。它所具有代表性的产品包含了面向 C 端的智能助手文心，面向 B 端的百度智能云千帆大模型平台，还有百度文库 AI 助手、智能办公平台如流、智能代码助手文心快码等等。从布局这方面来看，百度好像想要借助这些应用层的延伸，促使其技术在产业之内实现落地。

在芯片的层面上，百度着重突出了它自己研发的昆仑芯，依据相关报道显示：昆仑芯三代的万卡集群在今年年初的时候就已经实现点亮，它的目标在于为大模型的训练以及推理给予算力方面的支持，尤其是要保障在达成「集群效能最大化」这种情况下的训练吞吐以及通信效率 。

整体综合去看，这四个层面呈现出协同演进的情况，而这种协同演进，构建形成了百度于通用人工智能领域布局时的核心逻辑。

此次，文心 5.0 Preview 在模型层，于 LMArena 文本榜单上，斩获了国内第一的排名，其所获成绩能够被视作为百度在 AI 底层架构方面，经长期技术投入过后的一次阶段性成果呈现。同时，在行业内，有一种观点觉得，这或许也体现出中国 AI 技术体系正从「技术追赶」的阶段，往「能力引领」的阶段进行过渡。

结语

一旦踏入 11 月，国内的大模型始终未曾停下持续往前突破的步伐，喜讯接连不断地出现，一个紧接着又一个。

在月之暗面等国产模型里，陆续发布了Kimi K2 Thinking等这类推理模型；当中在通用模型的跑道上，百度文心5.0 Preview依靠「全球并列第二、国内第一」这样一处成绩表明了自身的强势回归 。

按听闻所讲，于下周举行开展的百度世界2025大会上，文心正式版本会呈现，是这样该情形吗？

我们可以期待一下了。