在業(yè)界權(quán)威大模型公共基準(zhǔn)測(cè)試平臺(tái) LMArena 發(fā)布最新一期文本競(jìng)技場(chǎng)排名（Text Arena）之后，有人發(fā)出了這樣的驚呼。

根據(jù) 11 月 8 日凌晨 LMArena 的最新排名顯示，百度文心最新模型 ERNIE-5.0-Preview-1022（文心 5.0 Preview）在文本榜單上一舉躍居全球并列第二、國(guó)內(nèi)第一。

該模型取得了1432的高分，其與 OpenAI 的 gpt-4.5-preview-2025-02-27 以及 Anthropic 的 claude-opus-4-1-0805、claude-sonnet-4-5-20250929 三大國(guó)外頂級(jí)模型持平。

評(píng)論區(qū)的網(wǎng)友紛紛對(duì)百度新模型的亮眼表現(xiàn)送上了祝賀，還表示「已經(jīng)迫不及待想親自體驗(yàn)一番」。

毫無疑問，此次榜單結(jié)果將繼續(xù)強(qiáng)化百度文心系列模型在全球通用智能模型競(jìng)爭(zhēng)格局中第一梯隊(duì)的地位。

全球 LLM 實(shí)戰(zhàn)擂臺(tái)，文心 5.0 Preview 悄然廝殺而來

在 AI 領(lǐng)域，LMArena 是由加州大學(xué)伯克利分校研究者創(chuàng)建的開放 AI 模型評(píng)測(cè)平臺(tái)，成為了 OpenAI、谷歌等國(guó)外以及國(guó)內(nèi)大模型廠商廝殺的頂級(jí)競(jìng)技場(chǎng)之一。

在該平臺(tái)上，用戶自己提交 prompt，接著系統(tǒng)會(huì)隨機(jī)抽取兩個(gè)匿名的 LLM 分別生成回答。用戶根據(jù)兩條回答選擇偏好，即「哪一個(gè)更好」或「兩者都差」等。更具體地，LMArena 會(huì)為每個(gè)模型分配初始 Elo 分?jǐn)?shù)，并在每輪對(duì)決結(jié)束后實(shí)時(shí)更新分?jǐn)?shù)。

相較于依賴傳統(tǒng)靜態(tài)數(shù)據(jù)集或自動(dòng)評(píng)分的基準(zhǔn)平臺(tái)，LMArena 通過真實(shí)用戶對(duì)模型輸出的偏好投票，形成了一種偏向于「現(xiàn)實(shí)世界評(píng)判」的動(dòng)態(tài)排名機(jī)制。這種機(jī)制讓模型能力之間的較量更貼近實(shí)際使用場(chǎng)景，也讓榜單的含金量更高。

能在 LMArena 榜單上名列前茅的模型，在學(xué)術(shù)指標(biāo)上表現(xiàn)突出之外，更在用戶體驗(yàn)、語(yǔ)言理解、創(chuàng)意生成與指令執(zhí)行等實(shí)際應(yīng)用維度獲得廣泛認(rèn)可。文心 5.0 Preview 正是在這樣真實(shí)的 LLM 對(duì)決戰(zhàn)場(chǎng)取得了優(yōu)異表現(xiàn)。

具體來講，文心 5.0 Preview 在創(chuàng)意寫作、復(fù)雜長(zhǎng)問題理解和指令遵循等方面表現(xiàn)出色，整體成績(jī)超越了包括 GPT-5-High 在內(nèi)的多款國(guó)內(nèi)外主流大模型。

其中，文心 5.0 Preview 在衡量創(chuàng)意生產(chǎn)力的重要指標(biāo)——創(chuàng)意寫作任務(wù)中排名第一，這意味著其生成文章、營(yíng)銷文案、劇本等內(nèi)容的速度與質(zhì)量均有大幅提升；在考驗(yàn)?zāi)Ｐ吞幚矶鄬舆壿嬇c長(zhǎng)文本能力的復(fù)雜長(zhǎng)問題理解中排名第二，其更加勝任學(xué)術(shù)問答、報(bào)告分析、知識(shí)推理等高認(rèn)知任務(wù)；在體現(xiàn)模型對(duì)用戶意圖理解與執(zhí)行精度的指令遵循任務(wù)中排名第三，其在智能助理、代碼生成與業(yè)務(wù)自動(dòng)化等場(chǎng)景的適用性大大增強(qiáng)。