作者丨青橙財經 青風 

DeepSeek爆火之後如何與之相處？這是擺在每個大模型廠商面前無法迴避的問題。

騰訊、百度等選擇了快速擁抱，在其旗艦AI產品中相繼接入滿血版DeepSeek-R1，借勢收穫了不少新用戶；字節豆包、阿里通義、月之暗面Kimi、智譜清言等選擇正面對抗，在自研大模型中增加“深度思考”模式；零一萬物更爲果斷，在大模型“六小龍”中首家宣佈放棄超大參數預訓練，未來全面轉向ToB業務。

3月31日，百度給出了一個新的答案。在昨日舉行的新一期百度AI DAY上，文小言宣佈完成品牌煥新與功能升級。升級的核心點是，在此前接入DeepSeek-R1的基礎上，新版文小言進一步開放，將百度自研的文心X1、文心4.5等最新模型與DeepSeek-R1、可靈等第三方模型進行深度融合，並支持自動識別用戶需求、自動選擇最適合的模型完成任務，還升級了語音大模型、圖片問答、AI生圖生視頻等多模態能力。

*圖源互聯網

這意味着什麼呢？之前，爲了寫一段小紅書的種草文案，新媒體運營人員要用DeepSeek-R1；創作一張海報，要用國外的Midjourney或者國內的百度文心；製作一段宮崎駿風格的動畫，要用快手旗下的可靈AI或者OpenAI旗下的Sora；聲音克隆可能要用海螺AI；求解一道高等數學題，幼兒園小朋友十萬個爲什麼的語音聊天，可能還是“鴿了好久”的GPT-4o更可用……

大模型技術越來越先進，但也越來越細分。人們處理日常問題，可能就需要下載和使用不同的大模型產品及衆多的細分版本，需要分別花錢充值，更麻煩的是國外產品使用起來極其不便，中文適配也差。

新版文小言的策略是，一個應用就可以完成衆多不同類型的任務。它既可以做深度思考，完整展示思維鏈，也可以進行連續任務執行，還因爲升級了多模態能力，能與用戶進行更自然、更高效的交互。而且，它還從“手動檔”升級爲“自動檔”，將任務扔進來即可，不需要用戶操心具體該使用哪個專精模型。

使用簡單，交互方式自然，性能強大，功能豐富，這不就是人們所期待的AI助手的發展方向嗎？對百度這個AI老兵來說，至少意味着找到了一條與新生力量的開放相處之道：優勢互補，相互協作。

01“補齊DeepSeek的多模態短板”

人們到底需要什麼樣的AI大模型？還是史蒂夫·喬布斯的話最有道理，“用戶根本不知道想要什麼，直到你展示給他看。”

在2023年大模型出現的早期階段，衆廠商比拼的是長文本處理能力，月之暗面、百川智能、零一萬物等廠商輪番競技，最長上下文輸入長度從20萬攀升至30萬、40萬字；2024年初，Sora橫空出世，5月份GPT-4o正式發佈，讓人們驚呼科幻走進現實，AI生圖、AI視頻等多模態能力的發展貫穿全年始終；2025年初，DeepSeek-R1憑藉強大的推理能力和極致性價比，攪動整個科技行業，將人們的關注重新拉回文字形態的通用大模型。

但在DeepSeek全面普及之後，人們發現，在圖片與拍照、視頻與攝像、語音輸入與輸出等與AI更自然的交互方面，仍然沒有得到很好地滿足。最近，GPT-4o升級，上線了“用嘴P圖”功能，“吉卜力風”圖片刷爆AI圈，讓千千萬萬設計師們人人自危。再次證明，多模態能力一直留存在人們潛意識的需求菜單裏，且需求巨大。

DeepSeek固然強大，但在多模態方面存在明顯的短板，僅限於在圖片和拍照中識別裏面的文字。可以說，DeepSeek的輸入輸出全部都是文字的。騰訊元寶接入了DeepSeek-R1，但只是解決了DeepSeek官方應用“服務器繁忙”的問題，也沒有帶來多模態的增益價值。

*圖源文小言

而新版文小言將百度兩大新模型文心大模型X1和4.5與DeepSeek-R1滿血版，進行了多模型融合調度。用戶可以隨意切換使用，或者更省事地選擇“自動模式”。百度這兩個新模型在推理和多模態方面各有側重。

文心X1與DeepSeek-R1類似，都是深度思考模型，但文心X1是宣稱“首個”能自主調用比如繪圖等各種工具的，可以完成⼀些連續任務。它利用遞進式強化學習訓練方法、基於思維鏈和行動鏈的端到端訓練、多元統一的獎勵系統等技術，推理輸出直接可以圖文混合呈現。

文心大模型4.5是百度自主研發的新一代原生多模態基礎大模型，在多模態交互、理解方面更強，原生模型聯合預訓練能實現更深層次的模態融合。拍圖解題，文生圖，讓圖片動起來，AI語音聊天，都可以很好地實現。

其語音大模型此次也進行了全新升級，使用起來頗有亮點，比如它支持方言對話、複雜知識問答及隨時打斷等場景，用戶可進行語音知識問答或趣味角色扮演。

百度語音首席架構師賈磊透露，該模型是百度在業界首個推出、基於全新互相關注意力(Cross-Attention)的端到端語音語言大模型。在語音場景滿足一定交互指標下，大模型調用成本比行業平均降低50%-90%，推理響應速度極快，將語音交互等待時間壓縮至1秒左右，極大提升了交互流暢性。

02“更多場景更多玩法”

藉助多模型融合和多模態理解，新版文小言帶來更多的用戶真實存在的AI使用場景和更大的想象空間。

像上面提到的，動畫愛好者如果想製作一段視頻，往往要先用DeepSeek生成提示詞，再用Midjourney文生圖，再拿到可靈AI中做圖生視頻。現在文小言可以一條龍解決了。比如讓愛因斯坦彈吉他，邊彈邊跳。

*圖源文小言，愛因斯坦彈吉他AI視頻（GIF）

還有個非常常見的場景，家裏客廳裝修，有一整扇落地窗，想參考幾個不同的風格設計。用白話給文小言輸入提示詞後，文心X1會進行深度思考，然後調用搜索、畫圖等多種工具，最後生成多張效果圖，每張都附有該風格的設計說明，圖文混排輸出，清晰明瞭。

*圖源文小言，裝修設計示例（GIF）

再比如輔導孩子功課，讓很多家長頭疼，因爲很多題目可能自己也不會做。新版文小言中新增了一個“解題老師”，直接對題目拍照，它就可以生成解答。神奇的是，它還有老師講解的視頻，不只給出答案，還給出詳細的做題思路和步驟，用語音和視頻展示娓娓道來。就像個一對一的家教，而且是免費的。這種多模態解題功能的難得之處在於，它不是簡單地給孩子提供答案，而是指導了做題方法，傳統大模型僅通過文字很難達到這種效果。

*圖源百度

文小言新的端到端語音模型能夠識別兒童的含糊發音，理解能力更符合兒童的習慣包括快速打斷與響應。比如要求它給孩子講個故事，如果不愛聽，孩子直接打斷要求換一個，文小言能絲滑銜接，不會再出現之前智能語音那種“你說你的，我講我的”的尷尬局面。它還能切換蠟筆小新、孫悟空、熊大熊二等百變音色，更學會了重慶話、河南話、廣西話等多種方言。

03“寫在最後”

⼤模型馬拉松競賽進⼊“深⽔區”，因爲用戶真實需求的多樣性，導致未來的競爭不可能再是單⼀模型的能⼒，⽽是如何讓AI能⼒更⾼效、更便捷地觸達⽤戶。

百度在AI大模型領域深耕多年，在AI搜索、檢索增強的文生圖技術（iRAG）、無代碼工具、智能體生態構建等方面積累了很多經驗，尤其是擁有海量的中文語料庫，這比一衆國外產品具備明顯的本地化優勢。

在增強自身能力之外，百度近期也愈發體現出開放升級的姿態。將DeepSeek兩款大模型上架至千帆ModelBuilder平臺；宣佈搜索引擎和智能體平臺接入DeepSeek；文心一言全面免費；宣佈文心大模型系列開源；如今，文小言新版App又將最新模型與DeepSeek深度融合，多模態能力大幅提高。

文小言採用“模型矩陣+自動調度+生態開放”的策略，試圖構建一條具有持續競爭力的產品護城河。這一趨勢或許將成爲未來AI演進的主線。而在這個過程中，用戶體驗得以不斷提升，將是最大的受益者。