5月9日消息,百度正式发布 ERNIE 5.1 基础模型。新版本基于 ERNIE 5.0 的预训练基础进行子网络抽取,总参数压缩到 ERNIE 5.0 的约 1/3(约 800B 量级),活跃参数压缩到约 1/2,但在搜索、推理、知识问答、创意写作、智能体五个核心维度全面升级,全程仅使用同类模型约 6% 的预训练成本。
发布同期,ERNIE 5.1 在 LMArena Arena Search 榜单拿下 1223 分,位列全球第 4、中国第 1;早前 ERNIE 5.1 Preview 已在 LMArena Text 总榜以 1476 分登顶中国模型并位列全球第 13,在 Legal & Government 类目全球第一。这是 2026 年国产大模型阵营在国际人类偏好榜单上交出的最高位置之一。
5.0 到 5.1:从 2.4T 到 800B 的子网络抽取路径
ERNIE 5.1 的核心反常识点是规模"反向"。前代 ERNIE 5.0 是 2.4 万亿总参数的原生多模态超大模型,2026 年 1 月正式发布,每次推理激活参数不到 3%。ERNIE 5.1 没有走"继续做大"的路线,反而从 5.0 中抽取子网络重组——总参数缩到 1/3,活跃参数缩到 1/2。
这条路径在 5.0 阶段就已经埋下伏笔。研发团队在 ERNIE 5.0 训练时采用了 Once-For-All 弹性训练框架——传统做法需要为不同规模的模型分别预训练,5.0 则在单次预训练中通过动态采样机制同时优化大量子模型,构建一个跨越多种参数规模与计算预算的"子模型矩阵"。这个矩阵在三个维度上具备弹性:弹性深度(训练中随机改变激活的 Transformer 层数)、弹性专家容量、弹性路由稀疏度。
ERNIE 5.1 就是从这个子模型矩阵中提取的最优子网络。它继承了 ERNIE 5.0 编码进权重的所有知识与能力,跳过了从零预训练的成本——只需在 5.0 基础上做相对低成本的二次训练,就拿到了对标更大模型的性能。这是 6% 训练成本数字的真实来源。
解耦异步强化学习与规模化 agentic 后训练
子网络抽取解决的是参数效率,能力跃升靠的是后训练阶段的两套基础设施。
第一是全新搭建的解耦完全异步强化学习架构。百度方面给出的设计目标是解决三个工业级 RL 训练痛点:训练-推理分离带来的全局优化挑战、资源利用率低下、长尾效应。架构具体细节未公开,但"解耦完全异步"这一描述与近期 OpenAI、Anthropic 等公司在 RL 基础设施上的方向高度一致——都是把推理资源与训练资源彻底分开,避免同步等待造成的算力浪费。
第二是规模化的 agentic 后训练。团队采用了"环境—专家—集成"三阶段端到端协同策略,在训练效率与模型能力上同步推进,目标是让模型在处理复杂、多步、长链 Agent 任务时保持稳定。这一方向与百度自家的 GenFlow、Famou(自演化 Agent)等产品线深度绑定,意味着 ERNIE 5.1 的 Agent 能力不只是 benchmark 数字,而是直接服务于商用 Agent 产品的底层模型升级。
Benchmark:智能体超越 DeepSeek 搜索类全球第 4
ERNIE 5.1 公开披露的核心 benchmark 集中在四类任务上。
Agent 能力:在 τ³-bench 与 SpreadsheetBench-Verified 两项 Agent 评测中超越 DeepSeek,达到与"全球顶级模型"对齐的水平。τ³-bench 测试多轮工具调用与长任务执行,SpreadsheetBench-Verified 测试结构化数据操作能力,两者都是 Agent 商用部署的核心场景。
搜索类:5 月 9 日 Arena Search 榜单 1223 分,全球第 4、中国第 1。Arena Search 是 LMArena 推出的专项榜单,针对"模型在搜索增强场景下的人类偏好"做盲测打分。
通用能力:ERNIE 5.1 Preview 在 LMArena Text Arena 取 1476 分,全球第 13、中国第 1。
垂直类目:Legal & Government 全球第 1;Business / Management / Financial Operations 第 4;Software / IT Services 第 7;Math 第 9。四个类目的覆盖面表明 ERNIE 5.1 的能力分布更偏向"专业知识加推理"而非"通用闲聊"。
值得单独提的是,LMArena 全球前 12 名长期被 GPT-5.5、Claude Opus 4.7、Gemini 3.1 Ultra 三家及其变体占据。ERNIE 5.1 Preview 的第 13 名是当前 Top 15 中唯一的非西方模型,无论评测口径有多少争议,这条线的跨越本身具备指标意义。 与同期国产旗舰的位置对比
ERNIE 5.1 入场的时间点恰好与多个国产旗舰发布密集叠加。DeepSeek V4 Preview 已在 4 月 24 日上线、V4.1 计划 6 月发布;Kimi K2.6 已开放;Qwen3-Next、GLM-5 同期推进;inclusionAI 刚开源 Ring-2.6-1T。 在这个阵营里,ERNIE 5.1 的差异化卡位有两点。其一是参数效率叙事:DeepSeek 的 V4 与 V4.1 走的是"开源权重加 MoE 加 INT 量化"路线,主打消费级硬件可部署;ERNIE 5.1 走的是"子网络抽取加弹性训练框架"路线,主打超大基座下的高性价比交付,两者并不直接重叠。其二是Agent 与搜索的双重发力:百度自身是搜索原生公司,ERNIE 5.1 在 Arena Search 上的位置与 ERNIE 5.0 阶段就开始的"AI 重构搜索结果页"产品策略形成闭环——70% 的搜索结果以富媒体形式呈现,已是百度公开数据。
模型已开放 ernie.baidu.com 与百度 AI Studio 的 ERNIE 5.1 Playground 供公开试用,API 据百度官方开发者账号表态"即将上线",完整版预计在 Baidu Create 2026 开发者大会上正式落地。
局限性
ERNIE 5.1 公开的多数 benchmark 由百度自测,独立第三方评测尚未铺开,τ³-bench 与 SpreadsheetBench-Verified 两项 Agent 评测的具体得分细节未给出绝对数值。约 800B 总参数虽相比 5.0 大幅缩减,但仍属于闭源大模型量级,不开放权重意味着开发者无法本地部署,应用层依赖 API 与官方平台。"6% 预训练成本"建立在 ERNIE 5.0 已经付出全量预训练的前提之上——离开 5.0 这个昂贵基座,5.1 的低成本叙事不成立。Once-For-All 弹性训练框架的具体技术细节、子模型矩阵的数学描述、解耦异步 RL 架构的实现都未公开,社区暂时无法独立复现或验证。LMArena 排名作为人类偏好榜单存在已知争议(评测样本分布、用户偏好偏差等),第 13 名的位置在不同 benchmark 体系下表现可能有出入。