低调追赶的文心，一口气打出了快、省、开源三张牌

今天，百度文心 5.5 Flash Preview 正式发布，这已是文心在一周之内的第三次出牌。

11月5日，基座模型文心 5.5 Flash Base开源；

11月9日，首次披露 RSI 进展，发布 ERNIE Evolve；

11月11日，文心 5.5 Flash Preview 发布。

一周内连续三次出牌，这在文心历史上并不多见。三次动作环环相扣，从基座模型、RSI 探索到 Preview 模型，逐步展现出百度基础模型业务的新方向。

在外界长期的印象里，文心的处境有些微妙：启动够早，积累不少，存在感却不够高。在大模型竞争的坐标里，文心始终没能达到相应的预期。

今年7月，1997年出生的复旦大学博士孙天祥加入百度，出任基础模型研发部（BMU）负责人，同时进入百度模型委员会（BMC）。他曾是国产初代类ChatGPT开源大模型MOSS的主导者，也创过业。外界期待他接手基础模型业务后的第一份答卷。本周的三连击，或许算是这张答卷的一部分。

这次发布的文心 5.5 Flash Preview，重点放在了效率、成本和开源上。目前模型已上线千帆平台，Web端与API同步开放。官方表示，模型权重将于11月25日前采用Apache 2.0许可证面向全球开源社区发布。

在明天百度世界2026上，关于模型的更多信息也将得到披露。

先从榜单看起。文心 5.5 Flash Preview 在 Terminal-Bench 4.0、DeepSWE v1.1、AutomationBench、APEX-Agents 1.1、DRACO、SpreadsheetBench V2、OfficeQA Pro V2、Agents' Last Exam共8项基准测试中，取得了AutomationBench和SpreadsheetBench V2 两项第一；在纳入对比的模型中，DeepSWE、APEX-Agents、DRACO、OfficeQA Pro V2 四项测试位列第二，其余项目也进入前列。

百度官方对这份成绩的描述是，“取得了具有竞争力的得分”，措辞相当克制。

需要说明的是，对比图中带*号的成绩为厂商自评口径，横向比较仅供参考

榜单位置之外，能力版图的规划、实测过程中的工程细节，更能说明一款模型的实际成色。

01

能力版图：

编程、视频、游戏与3D

按照官方口径，文心 5.5 Flash Preview  主要在四个方向升级：编程、3D建模、知识工作和内容创作。编程方向使用了超过1400万个可执行代码任务和多种Agent框架的执行轨迹进行训练；3D建模针对Blender、CAD等工具做了专项训练；知识工作后训练覆盖金融、法律等领域的30万个工作空间和1000万份文件；内容创作方向适配上千项Skill，构建了超过15万个创作环境，官方口径累计成片约5300分钟。

雷峰网AI科技评论在第一时间上手测试了文心 5.5 Flash Preview的游戏开发能力。

你是一支由资深游戏制作人、游戏设计师、2D 美术总监、角色动画师、音乐设计师和游戏工程师组成的独立游戏团队。请开发一款受到《节奏天国》玩法理念启发的原创 2D 节奏游戏《砰砰退件局！》（PUNCH! RETURN!）

游戏的目标不是实现一个能按节拍出拳的程序 Demo，而是制作一段完整的、可交互的、充满生命力的卡通音乐喜剧。

整个场景必须像一个真实存在的荒诞卡通世界：不只有玩家和发货机器人，还有周围不断出现的小角色、各自独立的动作、对玩家成功或失败的反应、不断变化的环境、突如其来的乱入事件，以及最终所有角色共同参与的高潮演出。

以下是文心 5.5 Flash Preview在本次测试中的表现，游戏顺利完成了角色逐步登场、节拍判定与结算演出等核心环节。经多轮生成，总耗时约7分32秒，最终得到可运行版本。

这次测试一定程度上体现了文心 5.5 Flash Preview对高度复合型需求的应对能力，同时考察了该模型的审美、音乐节奏感、画面编排和动画制作能力，代码侧还要有大量事件的正确触发。以角色状态系统为例，如果状态机写得不好，角色在连续击打失败后就可能无法从紧张状态中恢复，进而波及整个场景的连锁反馈。

单一案例不能完全说明模型的稳定产出水平，但这类“一份文档、多个系统”的长需求题目，本身就是对编程能力最苛刻的考法之一。

官方博客中演示案例覆盖视频编排、游戏开发和3D建模等方向，其中游戏开发是最有分量的一块。

• 游戏开发：自我纠错

游戏开发的代表案例是《云岫行》：

一款第三人称东方武侠游戏，场景设定在云雾缭绕的张家界石峰与崖顶古寺，基于Unreal Engine 5.8构建。整个任务历时11小时，模型把跨越多代UE引擎的素材合入同一个UE5.8工程，用C++完整实现游戏。

试玩中发现的人物位置悬空、跑动方向不一致、摄影机位置错位等视觉问题，被模型逐一转换成可测量的代码测试问题，再通过不断完备的测试驱动项目迭代。“把视觉问题翻译成测试”，意味着模型建立了一套自我验证的闭环，这比一次性生成可运行代码更接近真实开发，也正是长周期开发任务里最难自动化的环节。