纯代码造《后室》,116秒切20种画风!文心新模型玩嗨了
一水 发自 凹非寺
量子位 | 公众号QbitAI
刚刚,百度发了个新模型,X上的网友们一看Demo直接坐不住了。
都在喊「鹈鹕骑自行车」已经老套过时了,可这样婶儿的版本你见过吗?

视频地址:https://mp.weixin.qq.com/s/Rj-T8unLFnHUk6R89rt02Q
△概念设计来自Bilibili创作者@近步抱告_
一只鹈鹕骑着自行车,从公元前4000年的撒哈拉岩画,一路闯进大模型时代的代码编辑器。
116秒,20种艺术风格,全程靠Python代码编排动画。
只能说,鹈鹕还是那只鹈鹕,但玩法已经不是一个次元了。。。
刚做完动画,背后的模型转头又扎进虚幻引擎UE5.8,连续干了11小时,搓出一款东方武侠游戏《云岫行》。
视频地址:https://mp.weixin.qq.com/s/Rj-T8unLFnHUk6R89rt02Q
张家界石峰、崖顶古寺、人物动作、游戏逻辑……居然全给安排上了。
不是哥们,前脚用代码拍动画,后脚又用代码造游戏,百度这次到底憋了个什么大招??
文心5.5 Flash Preview(ERNIE 5.5 Flash Preview)。
就在百度世界大会召开前一天,这款新模型正式亮相,并宣布即将开源。
总参数2800亿,单次推理仅激活140亿参数,支持百万Token上下文,生成速度超过每秒200Token。
注意,这里说的编程,早就不止写网页、补代码了,游戏开发、3D建模、视频编排这些需要连续调用工具、反复测试修改的复杂任务,模型也能直接上手干。
目前在Terminal-Bench、AutomationBench等编程与Agent评测中,文心5.5 Flash Preview已经展现出与Claude Opus 5.5、GPT-6.1 Sol等旗舰模型同台竞争的实力。
气氛都烘托到这里了,那就「是骡子是马拉出来遛遛」。
3D、游戏、网页……文心5.5 Flash Preview,接招吧。(doge)
不过这次,我要让文心用代码编排一段「青铜机关兽觉醒」的动画。
从一张古代手稿开始,齿轮、甲片和骨架得自己飞起来,最后拼成一只九尾机关兽。
全程不准用外部素材,建模、动画、渲染全靠Python。
好家伙,这哪是九尾狐,分明是从《山海经》里跑出来的赛博机关兽啊?!
视频地址:https://mp.weixin.qq.com/s/Rj-T8unLFnHUk6R89rt02Q
第二题,我决定直接上点强度:搓一个能玩的《后室》。
而且不能只搭一条黄色走廊糊弄过去,文心必须做出完整的收集和通关流程——
玩家需要在迷宫里找到三盘录像带,途中会遇到实体追逐,还有体力、失败和出口机制,最后交付的必须是一个能在浏览器里直接打开的网页。
不用安装游戏引擎,也不用额外配置环境,点开就能玩。
黄色墙纸、潮湿地毯、嗡嗡作响的日光灯,再配上一层老录像带滤镜,那个味儿一下就出来了。
视频地址:https://mp.weixin.qq.com/s/Rj-T8unLFnHUk6R89rt02Q
心跳过快,感觉有点过于阴间了,那就还是来点美丽的人间世界吧。
第三题,我直接把文心扔进Blender,让它从零造一座苏州园林。
所有建筑、植物、水面和镜头动画,都得靠Python调用Blender API,一点点搭出来。
然后,文心就开始在Blender里吭哧吭哧盖园子了。
大约半小时后,模型给我返回了以下「一次直出」的结果。
视频地址:https://mp.weixin.qq.com/s/Rj-T8unLFnHUk6R89rt02Q
官方那些动辄跑十几个小时的复杂Demo,背后少不了更细的任务设计、工具配合和反复调试。
文心5.5 Flash Preview的能力上限到底在哪,还得继续往下试。
同样都是Coding,文心这次是怎么打通从需求理解到项目交付的「端到端链路」的?
答案,可能就藏在一项连Jeff Dean都曾经低估的能力里。
Jeff承认看走眼的「代码」,文心这次重点补上了
前不久,Jeff Dean在和李飞飞的对谈中,主动承认自己看走眼了一件事——
Gemini早期也在练Coding,但没有把它放在最核心的位置,后来他才发现,编程能力对模型解决各种问题的影响,远比想象中更深。
就这么说吧,编程就像聊天框长出的一双手,有了它模型才能脱离「纸上谈兵」的范畴。
现在AI写代码已经挺溜了,做个网页、修个Bug,几分钟就能给出结果。
需求拆解、环境配置、测试调试,哪一步都少不了人盯着。
好家伙,说是AI写代码,结果人类还得全程陪跑。。。
你只管告诉AI想做什么,拆任务、写代码、调用工具、测试、修Bug,都由它自己一步步完成。
这就是所谓的「端到端」,也是文心这次重点补的能力。
这是百度为文心5.5 Flash Preview准备的可执行代码任务数量。
每段代码都要被扔进真实环境里运行,再根据结果判断任务有没有完成。
至于代码跑起来后怎么发现问题、接着改,百度还用上了多种Agent执行轨迹,教模型什么时候该用工具、怎么看反馈、出了错又该怎么修。
开发过程中,模型遇到了人物悬空、跑动方向不对、摄像机位置错乱等问题。
但文心5.5 Flash Preview是纯文本模型,没法直接盯着游戏画面找Bug。
百度把这些视觉问题转化成代码可以检查的数据,再根据测试结果让模型继续修改。
原本需要开发者盯着屏幕完成的调试过程,也被塞进了模型自己的工作循环里。
当然,学会这一套Loop,还不代表什么活儿都能干。
网页、游戏、3D建模和视频创作,看着都在写代码,里面的门道完全不同。
做游戏,要理解玩法机制和运行状态,还得适配Unreal Engine、Unity、Godot等引擎。
到了Blender和CAD,又要学着调用专业工具,把一整套建模流程连续跑完。
从脚本、分镜到配音、剪辑,中间得让各种工具轮番接力,百度为此准备了超过1000项创作Skill。
一个Agent连续工作几小时,很容易干着干着就「前学后忘」。
所以文心5.5 Flash Preview直接把上下文拉到了100万Token,能容纳更多项目文件、代码和工具调用记录。
文心又用了混合稀疏注意力,帮模型从一大堆历史记录里,快速翻出当前真正有用的信息。
再配合多路由器MoE、ECHO多Token预测和FP4专家权重等技术,最终把生成速度推到了每秒200 Token以上。
需要说明的是,这些优化工作里面已经有AI的参与了。据百度披露:
文心5.5 Flash Preview首次引入自研的RSI技术,由ERNIE Evolve参与模型推理优化,探索AI参与模型研究与优化的新路径。
归根结底,想让AI端到端干完一个项目,最难的其实就两件事:
第二,得有足够的续航能力。活儿干得越久,越考验模型的记忆、上下文和生成速度。
文心5.5 Flash Preview这次强化Coding,瞄准的正是这两道难关。
从一段能看的代码,到一个真正能用的项目,中间这一路能不能自己走完,才是「端到端」真正的含金量。
倒也不是因为某次发布会,或者哪张Benchmark榜单。
前几天刷小某书,看到百度文心ERNIE预训练团队的Junyuan Shang发了条自己手搓的视频。
但配上那句「重塑一代的新起点,愿我们保持初心,常怀热爱,不断向前」,再想想百度文心这些年的经历,突然又有点不是滋味。
百度算是国内最早一批下场做大模型的公司,起步不算晚,技术积累也不少。
尤其是那句「起了个大早,赶了个晚集」,估计团队自己都快听出茧子了。
我发现文心研发人员,大家开始陆续走到台前,在小某书、X上主动和网友交流。
这波突如其来的「集体营业」,甚至把网友都看懵了:
但从一个人到一群人,一些原本藏在模型名字背后的研发人员,确实开始走到台前了。
不过态度归态度,「嘘寒问暖不如打笔巨款」,你得让人看到具体的行动。
文心5.5 Flash Preview的模型权重预计将于近期开放,采用Apache 2.0许可证,并支持SGLang和vLLM部署。
开发者想自己部署、二次开发,或者直接拉下来找问题,都可以。
价格上,模型API也同步上线百度智能云千帆平台,目前限时五折(输入1元/每百万Tokens、输出4元/每百万Tokens,忙时均翻倍)。
前面那些游戏、3D和视频任务,通常都比较吃Token,再强的模型,贵到用不起可不成。
「一放一压」,路已铺好,剩下的就交给开发者了——
说到这里,再想起上面视频里的那句「归来仍是少年」,倒也挺应景。
如今,还是这群做模型的人,带着几分不甘心,想着再往前追一追。
至于这回能不能追上来,能不能做出点不一样的东西。
https://ernie.baidu.com/web/new-chat
https://console.bce.baidu.com/qianfan/modelcenter/model/buildIn/list
原文发布于 量子位,正文由采集器自动抓取,版权归来源站点所有。
