这是苍何的第 449 篇原创！
大家好，我是马大哈苍何。
有幸受邀来参加百度 2025 世界大会了，不幸的是身份证掉了。
本来应该从从容容、游刃有余，现在是匆匆忙忙、连滚带爬😄
这次百度连着发了不少新东西，其中印象深刻的是文心 5.0 的发布，且是原生全模态大模型。
也就意味着文心 5.0 能支持文、图、视、音的联合输入与输出，实现原生的全模态统一理解与生成。
为什么我觉得这个还挺拿出来说说的，我现在先不说，我想先放几个 case 给你先看看。
这是上传一段《狂飙》的「老莫，我想吃鱼」的片段，它居然能自动分析出是哪一部剧。
然后我输入：
帮我分析这段影视剧片段的演技，联系上下文分析这段情感的爆发表现如何，最后给我写一段100字的小红书分享文案。
复制代码
文心说强哥不是真的想吃鱼，而是想搞事了，还分析了下张颂文老师表演的情绪，好家伙。
表明文心 5.0Preview 不仅能识别画面内容，还能理解视频背后的情感与叙事意图。
我还挺来劲的，又丢了 2 个梅西和 C 罗点球的视频给文心 5.0Preview，并放了一个对比提示词，顺带分析下是谁在点球。
这是2个球员点球的视频，对比2个视频中球员的点球动作，（如射门技巧、过人方式）分析他们的点球射门风格，然后猜测分别是哪个明星球员。
复制代码
这是带字幕的梅西点球视频：
这是不带字幕的 C 罗点球视频：
这是文心 5Preview 的思考：
可以看到它居然知道视频里提到了梅西减慢速度，这有可能是从视频字幕上做的识别，也有可能是从语音组的识别。
就很强，但这还不是最强的，最强的是它识别 C 罗的手段，一度让我怀疑它们是不是内置了个柯南？
从球衣的颜色、号码和比赛场景等多个维度分析，甚至还结合了射门的脚法，最终确定这就是 C 罗。
可以看到，在综合推理方面更强，它不容易被单一模态误导，能从多角度解释画面合理性并复现完整情节
测完这个 case，我就在群里说了一句话：文心的这个对比视频后分析真牛逼！
下一个 case 是进行族谱修复测试，今天我爸爸的一个朋友加了我说找到了我们家族的族谱。
真的好感动，原来知道根的感觉是这么让人热泪盈眶，我们不能也不该忘了自己的祖先。
但我打开，全部都是这样的很有年代感和沧桑感的复印件：
我现在想着把这张图片丢给文心 5Preview，然后让他帮我生成我能看的懂的族谱：
这个是一张族谱图，请帮我分析下说了啥，以及从族谱中能看出是哪一个家族吗？并帮我根据内容重新生成一张族谱图。
复制代码
然后生成了一份我能看的懂的族谱：
我又根据这个思路把阿姨发我的全部族谱进行了翻译，才真正看懂了族谱，并把我们家族的历史彻彻底底的了解了一遍。
从萧何到梁武帝萧衍，到唐朝，到宋朝，祖上都特别的文脉军功起家，可以说文脉源远流长。
到我这辈，虽说没在官场报效国家，但也好在能写写文章，给全世界的人都能看到，输出价值，也算没辜负「文脉」。
这是我们真正的根，将来不管我们走到哪里，都不能忘记的。
然后我又测了它的文本生成和写作能力，我给了这么一个提示词：
你现在是“时空历史档案馆”的一名高级AI研究员。你的任务是处理一份刚刚从“数据遗迹”中抢救出来的、关于“克拉肯市”的残缺档案。这份档案描述了一个奇特的、围绕着巨型海洋生物“海克拉”而建的城市。你需要根据档案内容，完成一系列的修复与重构工作。
以下是你要处理的【原始档案材料】（约600字）：“克拉肯市（Krakenburg）的命脉，既非黄金也非电力，而是‘海克拉’——那头栖息在城市下方深海海沟中、如山脉般巨大的远古生物。城市的奠基者们发现，海克拉的皮肤会分泌一种名为‘深海凝胶’的生物质，这种凝胶在接触空气后会迅速硬化，形成一种比钢铁更坚韧、却又温润如玉的建筑材料。于是，一座完全由‘凝胶’构筑的城市在海上拔地而起。城市社会结构因此分为两大阶层：‘采胶人’和‘塑形师’。‘采胶人’是勇敢的潜水员，他们穿着老旧的、由黄铜和皮革制成的潜水服，下潜到数百米的深海，用特制的刀具小心翼翼地从沉睡的海克拉皮肤上刮取凝胶。这是一项极其危险的工作，海克拉的每一次呼吸都能引发致命的洋流，任何惊扰都可能导致它的苏醒。因此，采胶人形成了一个纪律严明、信奉“与海克拉共生”教条的封闭社群，他们居住在城市下层，被称为“深潜者公会”。‘塑形师’则是克拉肯市的艺术家和工程师。他们居住在城市上层，享受着阳光和尊敬。他们掌握着将液态凝胶塑造成宏伟建筑、精美艺术品乃至生活用具的秘方。塑形师们认为，海克拉只是一种取之不尽的自然资源，应该被更高效地利用。他们不断研发新的、更具侵略性的采集工具，希望能实现凝胶的“工业化”开采，这与采胶人“不过度惊扰”的信条产生了根本性的冲突。近年来，随着城市人口的扩张，对凝胶的需求日益增长。塑形师公会中的激进派系“齿轮兄弟会”私下研发了一种“声波钻探机”，宣称可以在不直接接触的情况下，从海克拉体内“震”出更多凝胶。这一计划被深潜者公会视为对海克拉的亵渎和致命挑衅。两个阶层的矛盾已经从过去的口角，升级到了街头的械斗。城市上空的凝胶尖塔和下层的黄铜管道之间，紧张的空气一触即发。一份古老的预言在采胶人之间流传：当海克拉流下眼泪时，城市将重归深海。”---请根据上述【原始档案材料】，严格按照以下要求，完成一份完整的“档案重构报告”。报告必须包含四个部分，并严格遵循每个部分的格式和内容指令。1. 第一部分：档案摘要 (Part 1: Archive Summary)* 任务: 将上述档案材料总结成一段严格限制在180到200字之间的摘要。* 指令:摘要必须清晰地概括出克拉肯市的世界观设定、两大阶层及其核心矛盾禁止在摘要中使用“海克拉”这个词，必须用其他描述性词语代替（例如“巨型海洋生物”、“城市之基”等）。2. 第二部分：核心冲突分析 (Part 2: Core Conflict Analysis)* 任务: 用一个无序列表（Markdown的 `-` 或 `*`）的形式，列出并分析导致两大阶层冲突的三个主要原因。* 指令:每个原因的分析都需要先用【原因】标签开头，再进行阐述。分析必须入到哲学、资源和技术三个层面。3. 第三部分：创意故事补完 (Part 3: Creative Story Completion)* 任务:以“一个年轻的采胶人学徒”为第一人称视角，撰写一篇大约400字的短篇故事。* 指令:* 故事必须发生在“齿轮兄弟会”的“声波钻探机”首次秘密实验的那个晚。* 故事中必须包含以下三个元素：“父亲的老旧潜水头盔”、“凝胶散发出的微光”、“来自深海的低沉共鸣声”。* 故事的整体基调应为悬疑和不安。* 绝对不许出现任何对话，必须纯靠主角的感官和内心活动来推进故。4. 第四部分：后续情节构思 (Part 4: Plot Outline)* 任务:基于档案内容和你的创意故事，设计三个可能的后续情节发展方向。* 指令:必须以设问句的形式提出，每个设问句代表一个情节走向。例如：“如果声波钻探机导致了意想不到的后果，那会是什么？”最终输出要求：请将以上四个部分整合在一个回复中，并使用Markdown的二级标题（##）来区分每个部分，标题分别为“## 档案摘要”、“## 核心冲突分析”、“##创意故事补完”、“## 后续情节构思”。
复制代码
这是个巨长的傻逼指令，说实话，要是个正常人，接到指令第一句话是来一句 MMP。
但 AI 就是好，还是老实工作，还不抱怨：
写作能力有了很大进步，真人味道更多了，最终完成效果还不错。
文心 5.0Preview 的图片理解能力表现很赞，除了图片输入理解，也还能做图片输出。
比如这个提示词：
帮我制作一张图片，国风水墨风格，一个长长黑发的男人，金色的发簪，飞舞着金色的蝴蝶，白色的服装，高细节，高质量，深蓝色背景，背景中有若隐若现的水墨竹林。
复制代码
出来这个效果挺好。：
文字、视频、图片都 OK 了，最后看看音频。我上传一段播客录音，然后让它帮我输出成转为逐字稿。
居然一字不落的全部识别到位，这场景就多了啊。
最后试试代码能力，让生成一个 breakout 游戏：
代码能力有了很大进步，不过输出有些不稳定，复杂任务耗时有些长。
经过上面全部 case 的测试验证，对原生全模态大模型有了更深的理解。
它不同于后期融合方式的多模态模型，需要在训练伊始便融合语言、图像、视频、音频等多模态数据。
这样才能更好支持文、图、视、音的联合输入与输出，实现原生的全模态统一理解与生成。
采用了超稀疏混合专家架构，文心 5.0 的总参数规模超过 2.4 万亿个。
而且基于思维链和行动链的端到端多轮强化学习训练，实现了长程任务增强的智能体能力。
讲真的，以前觉得修族谱是件特麻烦、特遥远的事。
没想到一个 AI 工具，就把几代人的故事给重新串了起来。
原来，找到自己的根，可以这么简单，这么酷。
唯有族谱，能让百姓流芳百世。
我们应该也给文心 5.0 更多期待，给永不下桌的百度更多期待。
就像给一直努力的我们自己更多期待一样。
这一期的分享就到这啦，如果喜欢，欢迎点赞转发给需要的朋友。
评论