本报讯 记者宋婧报道：近日，在文心Moment大会上，文心大模型5.0正式版上线。据称，该模型参数量达2.4万亿，采用原生全模态统一建模技术，具备全模态理解与生成能力，支持文本、图像、音频、视频等多种信息的输入与输出。

据了解，在40余项权威基准的综合评测中，文心5.0正式版的语言与多模态理解能力稳居国际第一梯队。音频和视觉生成能力与垂直领域专精模型相当，整体处于领先水平。

百度表示，与业界多数采用“后期融合”的多模态方案不同，文心5.0的技术路线采用统一的自回归架构进行原生全模态建模，将文本、图像、视频、音频等多源数据在同一模型框架中进行联合训练，使得多模态特征在统一架构下充分融合并协同优化，实现原生的全模态统一理解与生成。

文心5.0实现了理解与生成相互增强，全面提升了全模态理解与生成能力。文心5.0采用超大规模混合专家模型结构，依托飞桨深度学习框架进行超大规模MoE模型训练，总参数规模超过2.4万亿。具备超稀疏激活参数，激活参数比低于3%，在保持模型强大能力的同时降低了计算与推理成本。同时，基于大规模工具环境，合成长程任务轨迹数据，并采用基于思维链和行动链的端到端多轮强化学习训练，显著提升了模型的智能体和工具调用能力。

在近三个月内，文心5.0系列模型五次登榜LMArena，在文本、视觉理解榜单，多次位列国内第一，是唯一进入全球第一梯队的中国大模型。