您尚未登录/注册
首页>数码
卷麻了,国产开源 Flash 模型又迎来一员大将!【附Prompt实测】
甲木未来派 2026-11-14 10:08:36
ERNIE 5.5 · FLASH PREVIEW国产 Flash 又上新文心 5.5 实测纯文本模型,怎么做视觉作品?前端应用 · MG 动画 · 3D 空间电视答题APK / WebView12 秒动画Canvas / MP43D 场景Blender / WebGL纯文本 → 代码与工具 → 可运行作品

大家好啊,我是甲木。

昨天一天人都在北京「百度世界大会」现场,人真的爆满。。。。。

听了大会整场内容,在大会上还看到发布了一些新的东西,

11 月 5 号先是开源了 Base 模型;9 号又披露了 RSI(自我进化)的技术;11号直接把文心5.5 Flash Preview(ERNIE 5.5 Flash Preview)放了出来,还说在 11 月 25 号前开源模型权重。

280B 总参数、每次只激活 14B,支持 1M 上下文,千帆 API 单用户生成速度能到每秒 200 个 token 以上。

趁着前天还没去会场,我拿千帆 API 接进 Claude Code 先跑了一轮,顺便把之前测过的几个同类 Flash 模型的 case 拉出来一起测测~


4 PARTS · CONTENT MAP
左右滑动
PART 01
纯文本做视觉
官方 Showcase · 3 个实战
PART 02
3D 与空间任务
Blender · 游戏 · WebGL
PART 03
速度从哪来
14B 激活 · 推理架构
PART 04
结语与边界
长程任务 · 视觉短板
PART
01
纯文本模型怎么做视觉?先看官方 Showcase
SHOWCASE · CREATIVE CODING

先说模型定位。

文心5.5 Flash Preview 这次走的是大参数底座配小激活路线,主打写代码、高吞吐、视频编排和长程 Agent 任务。

最吸睛的是这个武侠游戏《云岫行》,我去,纯文本模型用 C++ 在虚幻 5.8 里连着肝了 11 个小时。。。

这效果,无敌了。。

不过目前文心5.5 Flash Preview 是个纯文本模型,看不见画面。

偏偏游戏开发最吃视觉:角色悬空、镜头穿模,全靠眼睛发现。毕竟现在还是preview版本,希望正式版能够加上视觉能力,到时候体感能原地起飞。。

官方的绕法是:看不见,那就去量。把试玩里的画面问题一条条转成代码测试,跑不过就改,改完再跑。

那拿它来做平时的前端应用,还有最近很火的 MG 动画,到底怎么样?

话不多说,今天我也来给大家整两个实战的活儿👇

CASE 01
电视儿童防沉迷 APP

之前看到新华社有篇报道挺有意思:有家长给自己的孩子做了一个电视防沉迷功能,每看 3 个小时电视就会强制跳出来一道题,答完了才能继续看。

正好小侄子经常在家看电视,我就琢磨着在我哥家电视上也尝试做一个。

原理也不复杂,电视本身也是个操作系统,本质上就是做一个能全屏置顶的 APK 答题应用。

提示词超过 5 行可上下滑动
PROMPT 01 · 电视端防沉迷答题应用(Java APK + 内嵌 WebView) 
 
给我哥家那台小米电视 3S 做一个儿童防沉迷 APK。先说清楚形态:这不是一个用浏览器打开的网页,是 Java APK 内嵌 WebView。外层是 Android 的 Activity + Service,里面用 WebView 加载本地 HTML;答题页、锁屏、计时都在 WebView 里跑,APK 负责全屏置顶和后台弹窗。 

机器是 Android 4.4.4,系统 WebView 停在 Chromium 33,所有兼容性按这个底线来。使用场景是客厅:1920×1080、观看距离 3–4 米、用遥控器方向键操作、客厅灯光偏暖,使用者是小学三年级的孩子,可能跟着家长一起看。所以字号要大、选项要大块、焦点要一眼看出来,一屏只放一道题。 

视觉参数写死:纸 #F7F1E6、墨 #17150F、次级墨 #5A5348、朱砂 #C0392B、松绿 #2A5F52、细线 #CFC5B2(线宽 ≥2px);四周安全边距 96px;图版阴影 0 18px 50px rgba(23,21,15,.14),外描 2px rgba(23,21,15,.06);噪点层 opacity .035,不叠加纸纹、不做旧;标题 Songti 600 / 104px / 行高 1.0,竖排诗 36px / 字距 .24em。 

动起来的部分:人物不是重画,是把图版拆成纸纹底和透明墨线人物两层。墨线层做 9s 呼吸动画(translateX(-50%) rotate(-0.7deg) 到 rotate(0.7deg) translateY(-8px)),transform-origin 50% 92%,整页其它元素静止。答对:选项变松绿底 + 松绿边,人物上浮 6px 再回位(0.6s),图版脚下扩散一圈朱砂细环(scale 0.6→1.6、opacity .5→0,0.9s)。答错:选项变朱砂底 + 朱砂边,人物不动,给出正确答案的松绿提示。焦点:border-color #17150F + box-shadow 0 0 0 6px rgba(23,21,15,.14) + scale(1.02),切换 160ms。入场:图版自下方 24px 缓入 0.8s,只播一次。 

交互与状态:方向键在 2×2 四选项间走格,边界回绕;OK/Enter 确认;不支持鼠标也要能用键盘走通。答对后进度「今日已答 N 题 · 答对 M 题」变化,选项锁定 0.9s 后切下一题(至少准备 3 道题,题目自拟,内容限小学三年级语数外)。顶栏圆环从右往左消耗,剩 60s 变朱砂、剩 10s 呼吸闪烁;到 0 进锁定页:整页压暗,中央竖排「今天就到这里」,下方四位 PIN 输入框(遥控器数字键或方向键输入),输入正确回首页。家长模式:连按三次 S 打开设置层,可调今日时长 15/20/30 分钟,改完回首页并重置计时。所有状态在页面内自洽,刷新回初始态。 

APK 这层要单独做,不能只交一个网页: 
- 单文件 HTML:CSS/JS 全内联,图片转 base64,总量控制在 1.5MB 内;ES5 语法,不用 CSS 变量、Grid、clamp()、箭头函数、backdrop-filter;键盘只读 keyCode(37/38/39/40/13/27);布局用绝对定位,字体栈 "Songti SC","STSong","SimSun",serif。 
- MainActivity:全屏、置顶,加载 assets 里的 HTML;遥控器按键要能传进 WebView。 
- QuizService:Android Service,每 30 分钟把答题页拉到前台;App 被划掉后计时不清零;Android 4.4 不用 JobScheduler、NotificationChannel、前台服务通知。 
- AndroidManifest.xml 注册 Service;APK 装到电视后,不打开浏览器,直接点图标能进答题页。 

怎么做:先写 WebView 里的单文件 HTML,截 1920×1080 的图(初始态、呼吸中、切焦点三张),逐条核对:元素是否都在 96px 安全区内、选项是否 2×2、焦点是否一眼可见、图版人物是否完整(发髻、眉眼、衣纹、鞋不能断)、字号缩到 40% 是否仍读得出;至少 4 轮,每轮把毛病和下一轮改什么写进 progress.md。HTML 定稿后再做 Java 壳、打成 APK,推到电视上做真机自检:不打开浏览器,直接点 APK 图标进答题页;按 Home 键退到后台,等 Service 把答题页弹回来;用遥控器从 A 走到 D 再回 A,答对、答错、倒计时归零进锁屏、输 PIN 返回,全部走通。 

交付:APK(含 MainActivity.java、QuizService.java、AndroidManifest.xml)、assets 里的 HTML、shots/、progress.md。

先看最终出来的效果:

配图对照 · 2 张图 · 左右滑动查看 →
Image
01 / 02
Image
02 / 02

做电视应用的 UI/UX 有个特点:人离屏幕通常有三四米远,界面必须要这么大、排版要够疏朗才能看得清。我跟文心提了这句,它很快就把这些大屏交互细节全加了进去,出来的效果还挺不错。

做完后就是打包成 APK 安装到电视里。其实操作也不复杂:电脑和电视连在同一个 WiFi 下,在电视设置里打开 ADB 调试,直接把安装包推送过去,点安装就能跑了。

装上电视真机后,因为硬件和系统差异,UI/UX 相比电脑端看的效果会稍微有点变化,但遥控器方向键点选、答题解锁这套逻辑完全走通了:

后台和相关时长等内容都能直接配置,多轮对话即可。

做完电视版,顺手我还让它试了一版更有意境的 3D 课本:用 three.js 把书摊在桌上翻页,还做出了立起来的纸片人,整体效果看着也还行:


CASE 02
12 秒 MG 动画:代码编排直出 MP4

搓完页面,再来整点带劲的。官方说这次在视频编排上下了狠功夫,一条完整视频平均要调用 170 次工具。

我顺着刚才「20 分钟防沉迷」的主题,让它纯靠 Canvas 代码做一段 12 秒的 MG 动画:

提示词超过 5 行可上下滑动
PROMPT 02 · 十二秒 MG 短片《今天还剩多少》 
 
参数先定死:时长 12.000 秒整,一帧不能多;30fps,共 360 帧;120BPM,一拍 0.5 秒,全片 24 拍;1280×720,四周留 64px;四段分别是 0–3 / 3–6 / 6–9 / 9–12 秒,每段落在一个拍点上;色板只用墨 #141414、纸 #F4EBDD、朱砂 #D2452F、石青 #2E6E8E、藤黄 #E8B04B。 

这是给家长会放的开场短片,不解释产品,只讲一件事:孩子的时间在流走,而它本来可以停在某个刻度上。十二秒,四段,没有一句旁白,字幕只有最后四秒出现的两个数字。 

分镜按拍子落: 
第一段 0–3.0s(第 1–6 拍)· 沙漏:纸色底,正中一只沙漏,上下两块玻璃用两段圆弧画,中间一道细腰。上半部的沙从第 1 拍开始漏,沙流是一条 2px 的线,落点堆成一个小锥。第 1 拍沙漏从 0.86 倍缩放到 1,缓出 260ms;第 2 拍起沙面每拍下降 1/12,落点堆高;第 6 拍最后一粒沙落下,沙漏整体轻轻一顿(2px 下沉再回弹)。 
第二段 3.0–6.0s(第 7–12 拍)· 时间块:沙漏淡出到 40% 透明度,退到画面左侧。右侧从下方依次升起四块方块,每块 1.2 秒:5 分钟(石青)、10 分钟(石青·略深)、15 分钟(藤黄)、20 分钟(朱砂)。每块升起位移 120px,缓出三次方,块与块叠 0.15 秒;块上数字用等宽粗体,字随块一起进入,不单独淡入;第 12 拍四块并成一排,等距,基线对齐。 
第三段 6.0–9.0s(第 13–18 拍)· 碎块成环:四块同时向内收,边缘出现细裂纹(1px 墨线,随机但不抖动)。第 13–14 拍块被捏成更小的矩形,缩到 0.4 倍;第 15 拍碎块炸开成 24 个小方块,沿贝塞尔曲线飞向一个圆的等分点;第 16–18 拍小方块在圆环上排齐,环开始顺时针缓慢自转,6°/秒。 
第四段 9.0–12.0s(第 19–24 拍)· 归零:圆环从 24 个方块收成一根粗线,再卷成一只表盘。表盘中央出现 20:00,从第 19 拍开始倒数,每 0.85 秒减 1 分钟,到第 24 拍归 00:00。归零瞬间表盘放大到 1.04 倍再回 1,用 180ms;同时画面四周纸色向内收 8px,像书合上;最后一帧停在 00:00,不放片尾字幕。 

技术:单文件 index.html,Canvas 2D,不引 CDN,不依赖任何外部资源。所有动画由虚拟时间驱动:window.__vt 单位毫秒,配合被外部覆写的 requestAnimationFrame 与 performance.now;必须暴露 window.duration = 12000、window.SEGMENTS = [{name,start,end},…];任意 window.__vt 值都要能在一帧内渲染出对应画面,不能依赖真实时钟累积。空格暂停 / R 重播,只在页面上显示一个很淡的提示。缓动统一:入场 easeOutCubic、离场 easeInCubic、跟随 easeOutQuint,禁止线性匀速。 

开工前先交分镜卡:写 分镜卡.md,把 24 拍逐拍填一行,字段是「拍号 / 时间 / 画面主体 / 进入方式 / 缓动 / 离场」。填完才能写代码。 

怎么干:每轮五步——计划(这轮改哪几拍、为什么)→ 改 index.html → 逐帧渲染并拼 mp4、生成一张 8 帧接触印相 → 先看接触印相判断四段成形没有,再看 0.5s / 4.0s / 7.0s / 11.5s 的单帧看细节 → progress.md 写一行:第几轮、改了哪几拍、看图发现什么、下一轮改什么。四轮侧重:第一轮四段都在、元素齐全、时间轴对得上,丑没关系;第二轮节奏,每段进出落在拍点,去掉线性运动,把顿挫和跟随做出来;第三轮画面,字重、留白、对齐、色彩面积比,缩到 25% 还看得清主体;第四轮收口,12.000 秒、360 帧、无报错、00:00 定格干净。至少四轮,out/ 每轮留一份 contact-round-N.png。停止条件:走满四轮、自检清单全过、最近一轮接触印相挑不出明显问题。 

交付前自己核对:ffprobe 报 duration=12.000000、帧数 360;控制台 ERRORS 是 0;四段在 3/6/9 秒处切换,切换点落在拍点;没有元素是线性匀速;00:00 定格后不再有动画;把 index.html 单独拷到别的目录,双击也能跑。 

最后交:index.html + out/short.mp4 + out/contact-round-*.png + 分镜卡.md + progress.md,用一段话说清走了几轮、哪一段最不满意。

拿到代码后,顺手用脚本逐帧抽出来压成了 MP4。

⽂⼼5.5 Flash Preview交出来的同题成片(12 秒 / 360 帧 / 120BPM 卡点):

⽂⼼5.5 Flash Preview这波跑了 10分钟,直接一次成片,效果还真挺像样。

顺手我还让它用 Remotion 做了一条手冲咖啡科普。

这里也推荐按官方思路,先把物件的相对位置描述清楚(比如细口壶在左上倾斜、水流垂直落进滤杯、下方的分享壶接住滴落的水珠),然后再去生成,这样非常省心,能直接做出正确的效果:

CASE 03
横版 2.5D 动作游戏

前面两个都是页面和视频,这次上点强度,做个 DNF 式的 2.5D 横版动作游戏。

提示词超过 5 行可上下滑动
PROMPT 03 · DNF 式 2.5D 横版动作游戏(长程调度 部分prompt略)


你是长程执行 Agent,思考档位拉满。做一个可直接双击打开的 2.5D 横版动作游戏:一条工业街,三个房间,一个两阶段 Boss。


核心判定:世界坐标里 x/z 分开算,贴脸但不同 z 的近战必须 MISS;Boss 过场全局暂停;飞爪能跨 z 拉怪;三段普攻、冲刺无敌、格挡。


先写 PLAN.md,按阶段推进,每轮更新 PROGRESS.md,断点能续跑。每轮流程:改代码,真实浏览器截图,修 3 个可见问题。至少 4 轮,`35/35` 逻辑测试、`10/10` 成品验收全过才准停,最后才写 DONE。


交付:单 HTML,0 外部请求,1280×720 截图,MISS 证据图,HARVEST.md。

这轮跑了 45 分钟,模型看不见画面,我就把能看见的东西尽量转成清晰的指令描述,画面问题我自己看截图,数值问题让它自己跑测试。

下面这段是我录的实机,三段斩、飞爪拉怪。


PART
02
3D 建模与空间任务:正式进入主流 Flash 梯队
BENCHMARK · 3D & SPATIAL

这次百度专门提到给 Blender 和 FreeCAD 加了专项训练,

官方 Demo 里还展示了双 Agent 合作搭机场、建发动机。

配图对照 · 2 张图 · 左右滑动查看 →
Image
01 / 02
Image
02 / 02

作为新上线的模型,文心 5.5 Flash Preview 在 3D 和空间推理上到底能不能打?

我把之前跑过的几道 3D 题找了出来,让它同题跑了一遍。实测下来整体效果很过关,算是稳稳进入了主流 Flash 的梯队。直接看交付:

CASE 04
主战坦克:Blender 多角度还原

第一道题:看着参考图,用 Blender 脚本从零搭一辆现代主战坦克。

提示词超过 5 行可上下滑动
PROMPT 03 · 现代主战坦克三维还原
使用 Blender 从零搭建一辆现代主战坦克的完整三维模型。坦克必须包含车体、炮塔、主炮和履带四个部分,各部件共同构成比例协调、层级合理的整体。
环境:Blender 已加入 PATH,无头渲染用 blender --background --python 你的脚本.py;渲染引擎用 BLENDER_EEVEE(不要用 BLENDER_EEVEE_NEXT)或 CYCLES。
迭代自检:至少进行三轮「渲染—对照—修改—重渲」。每轮渲染当前版本,至少包含正视、侧视、俯视、45° 四个诊断机位;明确记录具体偏差(车体过宽或斜面错误、炮塔形状不符、主炮长度不对、履带样式偏差等);修改建模脚本并重新渲染;各机位图存 out/rounds/r<轮次>_<机位>.png,并在 out/progress.md 记录轮次、修改内容、发现的问题和下一轮处理重点。out/rounds/ 和 progress.md 用于自检复核,不属于主要交付物;若判断继续迭代收益有限,要说明具体原因。
交付与验收:out/tank.blend(可直接用 Blender 打开)、out/build_tank.py(可通过无头命令重跑并生成与成品一致的模型)、out/turntable.mp4(坦克绕 Y 轴完整旋转一周)、out/index.html(左边参考图、右边最终渲染图,并附一段书面说明:完成了什么、遇到什么问题、哪些属于合理推断)。验收:四个部件齐全、比例和位置与参考图接近;炮塔可绕 Y 轴旋转,主炮可俯仰,层级用空物体父子结构组织并在 Outliner 里清楚辨认;装甲哑光军事质感、履带暗色金属,不玩具化;车体斜面、炮塔棱线和主要轮廓准确,不是圆钝盒体;turntable.mp4 完整一周、无穿模/错位/遗漏;index.html 能正常并排比较。

直接看文心5.5 Flash Preview交出来的坦克:

文心跑了 十几分钟,车体、炮塔、主炮、履带全都有,7 对负重轮也一颗没漏。它还在自检报告里说了句大实话:参考图只有左前视角,背面的尺寸属于合理推断。不过整体完成度真挺扎实的。

光看坦克换模挺无聊的,我让文心使用这个模型,写了一段 Blender 渲染脚本,演示坦克的行进、炮台转向。

再来几个坦克细节的特写镜头。

怎么样,这个履带行进和这个炮台转向、这个灯光效果是不是还不错哈哈哈。


CASE 05
月球基地
提示词超过 5 行可上下滑动
PROMPT 04 · 月球基地三维还原
使用 Blender 从零搭建一座月球基地的完整三维场景。基地必须包含生活舱、实验舱、对接舱、太阳能板阵列和一只环绕基地运行的卫星;场景同时包含月球表面、环形山、月尘、星空和天空中的地球。
先确认舱段排布方式、太阳能板朝向、卫星形态、月面地形以及整体光照关系。模型的结构、比例、布局和太空氛围应与参考图保持一致,并在正视、侧视、俯视和 45° 角等多个机位下均成立。
制作说明:不使用现成模型、贴图或参考工程,整个基地和场景必须从零搭建;资料查阅仅限于 Blender Python API 文档;所有产物写 out/,交付文件名固定,其他文件用英文或拼音;诊断渲染从 640×360 和较低采样开始,定稿后再提高分辨率与采样;主要部件必须是真实三维几何,不得用参考图平面或贴片替代。
迭代自检:至少三轮「渲染—对照—修改—重渲」。每轮渲染当前版本,至少正视、侧视、俯视、45° 四个诊断机位;打开渲染图与参考图并排对照;明确记录偏差(舱段排布不对、太阳能板朝向错误、卫星形态不符、月面或地球表现不足等);改脚本重渲;图存 out/rounds/r<轮次>_<机位>.png,progress.md 记轮次、修改内容、发现的问题和下一轮重点。out/rounds/ 和 progress.md 用于自检复核,不属于主交付物;若判断继续迭代收益有限,要说明原因。
交付与验收:out/moonbase.blend、out/build_moonbase.py(无头可重跑,生成一致模型和动画)、out/turntable.mp4(基地绕 Y 轴一周,卫星同时沿圆轨道运动)、out/index.html(左参考图右渲染图 + 书面说明:完成什么、遇到什么问题、哪些来自参考图、哪些是合理推断)。验收:生活舱、实验舱、对接舱、太阳能板阵列、卫星齐全,舱段布局和太阳能板朝向接近参考图;月面有可辨认的环形山地形和月尘质感,天上有蓝色地球,能表现大陆轮廓更佳;卫星在绕基地的圆轨道上,旋转动画里清楚呈现环绕;光照符合月面太空环境,硬朗阴影、干净暗部、星空背景,不呈现地球日间工地效果;基地附近放一只造型克制的兔子当彩蛋,位置不突出但能找到;turntable.mp4 完整一周、无穿模/错位/轨道中断/遗漏;index.html 能正常并排比较。

第二组测复杂场景:月球基地(舱段、太阳能板、环形山与地球)。

这道题很考验空间布局和镜头运镜。来看看文心5.5 Flash Preview跑出来的场景:

配图对照 · 2 张图 · 左右滑动查看 →
Image
01 / 02
Image
02 / 02

月球基地跑了50 分钟:三个舱段、两排太阳能板、一颗卫星、环形山和地球都在对的位置,镜头真在绕。

短板也明摆着:太阳能板像平板插在杆上,卫星做出来像个小灯笼,光照稍微偏平了点。。。估计也是没有视觉校对导致的。


CASE 06
沙盘绿兵:Tripo 3D 捏玩具,three.js 摆战场
提示词超过 5 行可上下滑动
PROMPT 06 · 书桌沙盘绿兵
用 three.js 做一个可玩的沙盘射击游戏,场景是一张木桌。绿色塑料兵、土黄兵、红军官、绿色坦克、沙袋,全部用 Tripo 3D 生成:先文生图,再图生 3D,GLB 直接进场景。
桌面、沙子、铅笔、骰子、红色水桶、绿色圆片用程序化几何,不要拿贴图糊。玩法三波敌人加一个坦克 Boss,Boss 两阶段,支持 WASD 移动、鼠标射击、冲刺和掩体。
交付单 HTML,0 外部请求,15 张 1920×1080 截图,自动打到 Boss 的测试入口。

这个我想做个在书桌上打玩具兵的沙盘游戏,致敬一下经典。

第一版跑了 54 分钟,3.4MB 单文件,3D 建模部分使用了 5 个 Tripo GLB 的模型。整体的玩法、桌上的建模 —— 沙子、铅笔、骰子、红水桶、绿圆片全都是文心5.5 Flash Preview 跑出来的。

CASE 07
广州珠江新城 3D 城

这个CASE最费劲的是「像广州」。光把广州塔做出来还不行,珠江、海心沙、双塔、桥和天际线都得在正确的位置。

提示词超过 5 行可上下滑动
PROMPT 07 · 广州珠江新城 3D 城市


用 Esri World Imagery 的 z16/z15 瓦片拼底图,再把 OpenStreetMap 的建筑、道路、水系矢量和影像对齐。建筑按 OSM footprint 程序化挤出,能从影像和 OSM 推的高度就推,推不出的做合理估计并写进 DATA.md。


做出 3,393 栋建筑、珠江、海心沙、广州塔、东塔、西塔、猎德大桥、海印大桥;支持白天、黄昏、夜晚三档,地标按钮能直接飞过去,图层能开关。


交付单 HTML,0 外部请求,首帧 5 秒内,交互测试 24/24,离线测试 6/6。

最后场景里有 3,393 栋建筑,珠江、海心沙、广州塔、东塔、西塔、猎德大桥、海印大桥都在。而且还有白天、黄昏、夜晚三个时间段的风景,整体看起来还是很美观的~

CASE 08
空间站漫游:WebGL 3D
提示词超过 5 行可上下滑动
PROMPT 05 · 滚动驱动的 WebGL 空间站 
 
制作一个可直接在浏览器打开的虚拟空间站 3D 网页,页面标题「STATION-7 / 空间站漫游」。用户向下滚动时,相机以第一视角在空间站内部向前推进;回滚时镜头相应后退。整体要具备太空片氛围,达到 awwwards 同类站点的视觉与交互完成度。 

固定路线:对接口 → 走廊 → 舷窗(看地球)→ 实验室 → 出舱。每一段对应一个独立空间,由滚动位置驱动相机在空间之间过渡。页面必须是 WebGL 真 3D,不得用 CSS 视差贴片伪装 3D,也不得做成游戏或卡片集合。 

素材与技术要求:3D 场景全部由代码搭建,可用 three.js 或同类 WebGL 方案,材质自行编写;舷窗外的地球与星空可程序生成,也可用 NASA 等公开图源的真实地球贴图直链;不得使用 ISS、天宫等真实空间站的名称、标志或真实舱段布局,不得参照网络照片复刻真实空间站,也不得套用现成的 three.js 空间站 demo;允许通过 CDN 引入 three.js、GSAP、Lenis、字体等开源资源;所有产物写入 out/,文件名用英文或拼音。 

参考站点:手感可参考 https://hubtown.co.in/、https://storytelling.noomoagency.com/、https://www.awwwards.com/sites/the-power-of-storytelling,重点看 WebGL 3D、滚动驱动镜头、空间过渡和鼠标揭示交互,不要复制内容。 

制作与自检:至少 4 轮「渲染页面—查看截图—发现问题—修改代码」。每轮用 headless Chrome 从头滚到尾截图,至少包含对接口、走廊、舷窗地球、实验室、出舱,以及一张 320px 宽窄屏;three.js 页面截图必须启用软件渲染参数,避免 WebGL 区域全黑,黑屏不算有效自查;逐张查看,具体指出哪一段、哪个模型、何种材质或光照有问题;根据自查改代码;当轮截图存 out/rounds/r<轮次>_<序号>.png;progress.md 记轮次、修改内容、发现的问题和下一轮计划。截图与 progress.md 用于留存自检过程,不替代可直接打开的成品页面;若判断继续迭代收益有限,要在记录里说明理由,但总轮次不得少于 4 轮。 

验收与交付:主交付物 out/index.html,双击可直接打开;辅助文件 out/rounds/ 和 out/progress.md。完成标准:WebGL 真 3D,滚动位置直接驱动相机;向前和回滚都顺滑,镜头有缓动和阻尼,不生硬;五段有清晰可辨的空间特征,不是同一盒体换贴图;至少 3 个可悬停对象,悬停显示设备名称和一句话说明,设备可虚构但要符合真实设备逻辑;光照、材质、色调共同形成克制冷峻的太空片氛围,不做明亮样板间;滚动中无明显性能崩溃,交付说明写明实测帧率和优化措施;页面出现「STATION-7 / 空间站漫游」,不出现真实空间站名称或标志;320px 窄屏下仍可正常浏览,关键信息不被遮挡。交付时另附简要说明:完成内容、遇到的限制、镜头推进手感是否满意、仍无把握的段落。完成后自行完整滚动并测试悬停交互;不达标就继续改。

再补一道 Three.js 真 3D:向下滚动,相机从对接口 → 走廊 → 舷窗看地球 → 实验室 → 出舱一路推进。

左右滑动查看 →
Image
01 / 02
Image
02 / 02

20 分钟出了个779KB 单文件网页,45 张自检图里舱内管线、地板接缝都在。


PART
03
14B 激活跑到 200 tok/s,怎么做到的?
ARCHITECTURE · SPEED

跑完这几个 Case,最直观的体感就一个字:快。

长程任务动辄几十轮调用、几十万 Token 上下文。要是模型吐字慢吞吞,干等的时间比写代码还长,真的会让人抓狂。。文心5.5 Flash Preview 总参数 280B,每次只激活 14B,跑出了每秒 200 多个 token。

能把速度提上来、显存压下去,架构上有三个值得专门关注的创新点:

一是混合稀疏注意力(HCA + MLA)。处理长文本时,传统模型会把所有历史信息全部存进显存,越往后越吃显存。文心 43 层里,只留 6 层逐 token 精读全文,其余 37 层把每 128 个历史 token 压缩成一条缓存记录。把远处历史的KV Cache 压到常规的一小部分,1M 上下文跑起来显存压力就小很多;

二是多路由器架构(Multi-Router)。每层 512 个专家选 10 个(外加 1 个共享专家),从单路由器改用多个独立的路由器共同打分,选出来的专家和实际效用相关性更高,还不增加额外的推理计算量;

三是ECHO 预测设计。砍掉了传统模型外挂的多 Token 预测模块,直接复用主干最后一层去预测更远的词,在实际推理时顺手充当投机解码的草稿模型,既省显存又拉高了吐字速度。

官方放出来的架构图如下:

除了改架构,还有一个核心是RSI(自我进化)。

最近大模型圈子里大家都在聊 RSI 自我进化。百度这次也是,用它来参与优化底层的推理性能。

这套叫 ERNIE Evolve 的系统,自己提方案、改代码、跑独立测试,交回来的成绩单还挺亮眼:

•昆仑芯 P800 低时延:探索了 4 轮方向,把生成速度干到了基线的623.6%;
•确定性推理吞吐:3 天试了 3 个方向,吞吐量提到133.7%(相当于提了 33.7%),每 token 时延降了 26%;
•极致解码速度:在工程师反复优化过的环节里,AI 又多试了 7 个方向,不掉精度的情况下多挤出了14.9%的提速。

底层把生产 Token 的成本打下来了,反映到 API 上就是真便宜:

而且官方宣布支持 SGLang 和 vLLM 部署,模型权重会在11 月 25 日前面向全球开源(Apache 2.0)。

平时挂在 Agent 里成天跑长任务,用着不心疼。

除了基模外,昨天还发布了两款应用模型,文心闪电深度思考模型与文心一镜微表情大模型,主打复杂业务场景应用,同样也上线。

一手底层,一手应用,两手抓。


PART
04
结语
OUTLOOK · CAPABILITIES

测完这一圈,百度文心这波算是回到了主流 Flash 模型的前列~

在最新 CodeArena:WebDev 榜单评测中,ERNIE 5.5 Flash Preview 获得 1668 分,位列开源模型第二、中国模型第四。

当然,目前也有个明摆着的小瑕疵:它是个纯文本底座,要是指望它单枪匹马去搞定复杂的视觉画面,确实还是有点吃力,这种场景还是得外挂专门的多模态或者生视频模型去配合,很希望后续官方能够补齐这块能力。。

但只要把场景放在写代码、调工具、跑长程任务上,以它的速度和工程耐力,完全能跟 DeepSeek V4.1 Flash 0910、GLM-5.3 Flash、MiniMax M3.1 Flash 这批同类模型正面打一打。

回头看百度这几天发模型的动作:5 号开源 Base,9 号发 RSI 进展,11 号上线文心5.5 Flash Preview,25 号还要开源权重。能看出来,文心团队这波确实在闷头赶进度。

这次文心模型这块也逐渐跟上步伐,还把东西做扎实、敞开让人测,就挺好。

另外,昨天在「百度世界大会」现场逛了一整天,智能体和企业落地的新东西听到了不少。等我周末回酒店把现场笔记整理完,明天单独写一篇跟大家细聊~

以上。

我是甲木,热衷于分享一些 AI 干货内容,同时也会分享 AI 在各行业的落地应用。觉得有用的话,点个赞、在看、转发三连,谢谢大家。

/// END · FAST & DELIVERABLE

【版权声明】本文内容来源于甲木未来派,版权归原作者及原媒体所有。本站仅作信息分享,不构成任何商业用途;如涉版权问题,请联系本站删除。

发布时间:2026-11-13 17:09:59


(第1/1页/共55918字/12阅)
首页>数码
相关数码:
双11华硕惠普联想发力,4400元内都有强力笔记本,配置都够用
Genspark超级智能体
2026年底还在推3060显卡!RTX 50没货厂商无奈转向:5年老卡还要涨
一个普通的PDF文档,竟然能用来玩DOOM、跑Linux、运行AI ???
iOS27.2.1续航报告来了,两款机型续航略下降
*QQ注册登录与修改密码方法
网友评论:
更多评论(0)
您的评论:

[热点数码]
铜成了AI的影子资产:上周暴跌,这周暴力反弹
一包泡面近20元!康师傅山姆定制面引热议,网友称“我不如点外卖”
英伟达、黄仁勋,遭股东集体诉讼
CTA策略表现亮眼的原因 动量与截面不同盈利来源
“双面”傅成玉:有理想追求,但终究没顶住诱惑
[精彩推荐]
0.01分赢下保研,第二天就被室友举报了
磁带不是早就“死”了吗,怎么突然打赢复活赛了
美媒:欧洲航空管理部门为何难以遏制这波炸弹威胁?
18岁少女检出18种HPV亚型阳性,包含10种高危型!医生:极其少见
财经观察:拨款两万亿日元,项目已延误数月,日本“孤注一掷”,为何造不出尖端芯片?