湖北
這是蒼何的第 449 篇原創！
大家好，我是馬大哈蒼何。
有幸受邀來參加百度 2025 世界大會了，不幸的是身份證掉了。
本來應該從從容容、游刃有余，現在是匆匆忙忙、連滾帶爬
這次百度連著發了不少新東西，其中印象深刻的是文心 5.0 的發布，且是原生全模態大模型。
也就意味著文心 5.0 能支持文、圖、視、音的聯合輸入與輸出，實現原生的全模態統一理解與生成。
為什么我覺得這個還挺拿出來說說的，我現在先不說，我想先放幾個 case 給你先看看。
這是上傳一段《狂飆》的「老莫，我想吃魚」的片段，它居然能自動分析出是哪一部劇。
然后我輸入：
幫我分析這段影視劇片段的演技，聯系上下文分析這段情感的爆發表現如何，
最后給我寫一段100字的小紅書分享文案。 
文心說強哥不是真的想吃魚，而是想搞事了，還分析了下張頌文老師表演的情緒，好家伙。
表明文心 5.0Preview 不僅能識別畫面內容，還能理解視頻背后的情感與敘事意圖。
我還挺來勁的，又丟了 2 個梅西和 C 羅點球的視頻給文心 5.0Preview，并放了一個對比提示詞，順帶分析下是誰在點球。
這是2個球員點球的視頻，對比2個視頻中球員的點球動作，（如射門技巧、過人方式）
分析他們的點球射門風格，然后猜測分別是哪個明星球員。這是帶字幕的梅西點球視頻：
這是不帶字幕的 C 羅點球視頻：
這是文心 5Preview 的思考：
可以看到它居然知道視頻里提到了梅西減慢速度，這有可能是從視頻字幕上做的識別，也有可能是從語音組的識別。
就很強，但這還不是最強的，最強的是它識別 C 羅的手段，一度讓我懷疑它們是不是內置了個柯南？
從球衣的顏色、號碼和比賽場景等多個維度分析，甚至還結合了射門的腳法，最終確定這就是 C 羅。
可以看到，在綜合推理方面更強，它不容易被單一模態誤導，能從多角度解釋畫面合理性并復現完整情節
測完這個 case，我就在群里說了一句話：文心的這個對比視頻后分析真牛逼！
下一個 case 是進行族譜修復測試，今天我爸爸的一個朋友加了我說找到了我們家族的族譜。
真的好感動，原來知道根的感覺是這么讓人熱淚盈眶，我們不能也不該忘了自己的祖先。
但我打開，全部都是這樣的很有年代感和滄桑感的復印件：
我現在想著把這張圖片丟給文心 5Preview，然后讓他幫我生成我能看的懂的族譜：
這個是一張族譜圖，請幫我分析下說了啥，以及從族譜中能看出是哪一個家族嗎？并幫我根據內容重新生成一張族譜圖。 
然后生成了一份我能看的懂的族譜：
我又根據這個思路把阿姨發我的全部族譜進行了翻譯，才真正看懂了族譜，并把我們家族的歷史徹徹底底的了解了一遍。
從蕭何到梁武帝蕭衍，到唐朝，到宋朝，祖上都特別的文脈軍功起家，可以說文脈源遠流長。
到我這輩，雖說沒在官場報效國家，但也好在能寫寫文章，給全世界的人都能看到，輸出價值，也算沒辜負「文脈」。
這是我們真正的根，將來不管我們走到哪里，都不能忘記的。
然后我又測了它的文本生成和寫作能力，我給了這么一個提示詞：
你現在是“時空歷史檔案館”的一名高級AI研究員。你的任務是處理一份剛剛從“數據遺跡”中搶救出來的、關于“克拉肯市”的殘缺檔案。這份檔案描述了一個奇特的、圍繞著巨型海洋生物“?？死倍ǖ某鞘?。你需要根據檔案內容，完成一系列的修復與重構工作。以下是你要處理的【原始檔案材料】（約600字）：“克拉肯市（Krakenburg）的命脈，既非黃金也非電力，而是‘海克拉’——那頭棲息在城市下方深海海溝中、如山脈般巨大的遠古生物。城市的奠基者們發現，海克拉的皮膚會分泌一種名為‘深海凝膠’的生物質，這種凝膠在接觸空氣后會迅速硬化，形成一種比鋼鐵更堅韌、卻又溫潤如玉的建筑材料。于是，一座完全由‘凝膠’構筑的城市在海上拔地而起。城市社會結構因此分為兩大階層：‘采膠人’和‘塑形師’。‘采膠人’是勇敢的潛水員，他們穿著老舊的、由黃銅和皮革制成的潛水服，下潛到數百米的深海，用特制的刀具小心翼翼地從沉睡的海克拉皮膚上刮取凝膠。這是一項極其危險的工作，?？死拿恳淮魏粑寄芤l致命的洋流，任何驚擾都可能導致它的蘇醒。因此，采膠人形成了一個紀律嚴明、信奉“與?？死采苯虠l的封閉社群，他們居住在城市下層，被稱為“深潛者公會”?！苄螏煛瘎t是克拉肯市的藝術家和工程師。他們居住在城市上層，享受著陽光和尊敬。他們掌握著將液態凝膠塑造成宏偉建筑、精美藝術品乃至生活用具的秘方。塑形師們認為，?？死皇且环N取之不盡的自然資源，應該被更高效地利用。他們不斷研發新的、更具侵略性的采集工具，希望能實現凝膠的“工業化”開采，這與采膠人“不過度驚擾”的信條產生了根本性的沖突。近年來，隨著城市人口的擴張，對凝膠的需求日益增長。塑形師公會中的激進派系“齒輪兄弟會”私下研發了一種“聲波鉆探機”，宣稱可以在不直接接觸的情況下，從?？死w內“震”出更多凝膠。這一計劃被深潛者公會視為對?？死囊C瀆和致命挑釁。兩個階層的矛盾已經從過去的口角，升級到了街頭的械斗。城市上空的凝膠尖塔和下層的黃銅管道之間，緊張的空氣一觸即發。一份古老的預言在采膠人之間流傳：當海克拉流下眼淚時，城市將重歸深海?！?--請根據上述【原始檔案材料】，嚴格按照以下要求，完成一份完整的“檔案重構報告”。報告必須包含四個部分，并嚴格遵循每個部分的格式和內容指令。1. 第一部分：檔案摘要 (Part 1: Archive Summary)* 任務: 將上述檔案材料總結成一段嚴格限制在180到200字之間的摘要。* 指令:摘要必須清晰地概括出克拉肯市的世界觀設定、兩大階層及其核心矛盾禁止在摘要中使用“?？死边@個詞，必須用其他描述性詞語代替（例如“巨型海洋生物”、“城市之基”等）。2. 第二部分：核心沖突分析 (Part 2: Core Conflict Analysis)* 任務: 用一個無序列表（Markdown的 `-` 或 `*`）的形式，列出并分析導致兩大階層沖突的三個主要原因。* 指令:每個原因的分析都需要先用【原因】標簽開頭，再進行闡述。分析必須入到哲學、資源和技術三個層面。3. 第三部分：創意故事補完 (Part 3: Creative Story Completion)* 任務:以“一個年輕的采膠人學徒”為第一人稱視角，撰寫一篇大約400字的短篇故事。* 指令:* 故事必須發生在“齒輪兄弟會”的“聲波鉆探機”首次秘密實驗的那個晚。* 故事中必須包含以下三個元素：“父親的老舊潛水頭盔”、“凝膠散發出的微光”、“來自深海的低沉共鳴聲”。* 故事的整體基調應為懸疑和不安。* 絕對不許出現任何對話，必須純靠主角的感官和內心活動來推進故。4. 第四部分：后續情節構思 (Part 4: Plot Outline)* 任務:基于檔案內容和你的創意故事，設計三個可能的后續情節發展方向。* 指令:必須以設問句的形式提出，每個設問句代表一個情節走向。例如：“如果聲波鉆探機導致了意想不到的后果，那會是什么？”最終輸出要求：
請將以上四個部分整合在一個回復中，并使用Markdown的二級標題（##）來區分每個部分，標題分別為“## 檔案摘要”、“## 核心沖突分析”、“#、“## 后續情節構思”。
這是個巨長的傻逼指令，說實話，要是個正常人，接到指令第一句話是來一句 MMP。
但 AI 就是好，還是老實工作，還不抱怨：
寫作能力有了很大進步，真人味道更多了，最終完成效果還不錯。
文心 5.0Preview 的圖片理解能力表現很贊，除了圖片輸入理解，也還能做圖片輸出。
比如這個提示詞：
幫我制作一張圖片，國風水墨風格，一個長長黑發的男人，金色的發簪，
飛舞著金色的蝴蝶，白色的服裝，高細節，高質量，深藍色背景，背景中有若隱若現的水墨竹林。出來這個效果挺好。：
文字、視頻、圖片都 OK 了，最后看看音頻。我上傳一段播客錄音，然后讓它幫我輸出成轉為逐字稿。
居然一字不落的全部識別到位，這場景就多了啊。
最后試試代碼能力，讓生成一個 breakout 游戲：
代碼能力有了很大進步，不過輸出有些不穩定，復雜任務耗時有些長。
經過上面全部 case 的測試驗證，對原生全模態大模型有了更深的理解。
它不同于后期融合方式的多模態模型，需要在訓練伊始便融合語言、圖像、視頻、音頻等多模態數據。
這樣才能更好支持文、圖、視、音的聯合輸入與輸出，實現原生的全模態統一理解與生成。
采用了超稀疏混合專家架構，文心 5.0 的總參數規模超過 2.4 萬億個。
而且基于思維鏈和行動鏈的端到端多輪強化學習訓練，實現了長程任務增強的智能體能力。
講真的，以前覺得修族譜是件特麻煩、特遙遠的事。
沒想到一個 AI 工具，就把幾代人的故事給重新串了起來。
原來，找到自己的根，可以這么簡單，這么酷。
唯有族譜，能讓百姓流芳百世。
我們應該也給文心 5.0 更多期待，給永不下桌的百度更多期待。
就像給一直努力的我們自己更多期待一樣。
這一期的分享就到這啦，如果喜歡，歡迎點贊轉發給需要的朋友。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
