用百度文心5.0修族譜，感覺又能了！！

這是蒼何的第 449 篇原創(chuàng)！

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(yīng)該從從容容、游刃有余，現(xiàn)在是匆匆忙忙、連滾帶爬

這次百度連著發(fā)了不少新東西，其中印象深刻的是文心 5.0 的發(fā)布，且是原生全模態(tài)大模型。

也就意味著文心 5.0 能支持文、圖、視、音的聯(lián)合輸入與輸出，實(shí)現(xiàn)原生的全模態(tài)統(tǒng)一理解與生成。

為什么我覺得這個還挺拿出來說說的，我現(xiàn)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(lián)系上下文分析這段情感的爆發(fā)表現(xiàn)如何，
最后給我寫一段100字的小紅書分享文案。

文心說強(qiáng)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(nèi)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(diǎn)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(diǎn)球。

這是2個球員點(diǎn)球的視頻，對比2個視頻中球員的點(diǎn)球動作，（如射門技巧、過人方式）
分析他們的點(diǎn)球射門風(fēng)格，然后猜測分別是哪個明星球員。

這是帶字幕的梅西點(diǎn)球視頻：

這是不帶字幕的 C 羅點(diǎn)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(qiáng)，但這還不是最強(qiáng)的，最強(qiáng)的是它識別 C 羅的手段，一度讓我懷疑它們是不是內(nèi)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(jié)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(qiáng)，它不容易被單一模態(tài)誤導(dǎo)，能從多角度解釋畫面合理性并復(fù)現(xiàn)完整情節(jié)

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(jìn)行族譜修復(fù)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(fù)印件：

我現(xiàn)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(jù)內(nèi)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(jù)這個思路把阿姨發(fā)我的全部族譜進(jìn)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(yuǎn)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(fù)「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(xiàn)在是“時空歷史檔案館”的一名高級AI研究員。你的任務(wù)是處理一份剛剛從“數(shù)據(jù)遺跡”中搶救出來的、關(guān)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(jù)檔案內(nèi)容，完成一系列的修復(fù)與重構(gòu)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(yuǎn)古生物。城市的奠基者們發(fā)現(xiàn)，?？死钠つw會分泌一種名為‘深海凝膠’的生物質(zhì)，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(gòu)筑的城市在海上拔地而起。城市社會結(jié)構(gòu)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(shù)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(fā)致命的洋流，任何驚擾都可能導(dǎo)致它的蘇醒。因此，采膠人形成了一個紀(jì)律嚴(yán)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(shù)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(tài)凝膠塑造成宏偉建筑、精美藝術(shù)品乃至生活用具的秘方。塑形師們認(rèn)為，海克拉只是一種取之不盡的自然資源，應(yīng)該被更高效地利用。他們不斷研發(fā)新的、更具侵略性的采集工具，希望能實(shí)現(xiàn)凝膠的“工業(yè)化”開采，這與采膠人“不過度驚擾”的信條產(chǎn)生了根本性的沖突。近年來，隨著城市人口的擴(kuò)張，對凝膠的需求日益增長。塑形師公會中的激進(jìn)派系“齒輪兄弟會”私下研發(fā)了一種“聲波鉆探機(jī)”，宣稱可以在不直接接觸的情況下，從?？死w內(nèi)“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(jīng)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(fā)。一份古老的預(yù)言在采膠人之間流傳：當(dāng)海克拉流下眼淚時，城市將重歸深海?！?--請根據(jù)上述【原始檔案材料】，嚴(yán)格按照以下要求，完成一份完整的“檔案重構(gòu)報告”。報告必須包含四個部分，并嚴(yán)格遵循每個部分的格式和內(nèi)容指令。1. 第一部分：檔案摘要 (Part 1: Archive Summary)* 任務(wù): 將上述檔案材料總結(jié)成一段嚴(yán)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(shè)定、兩大階層及其核心矛盾禁止在摘要中使用“海克拉”這個詞，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(wù): 用一個無序列表（Markdown的 `-` 或 `*`）的形式，列出并分析導(dǎo)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(biāo)簽開頭，再進(jìn)行闡述。分析必須入到哲學(xué)、資源和技術(shù)三個層面。3. 第三部分：創(chuàng)意故事補(bǔ)完 (Part 3: Creative Story Completion)* 任務(wù):以“一個年輕的采膠人學(xué)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(fā)生在“齒輪兄弟會”的“聲波鉆探機(jī)”首次秘密實(shí)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(fā)出的微光”、“來自深海的低沉共鳴聲”。* 故事的整體基調(diào)應(yīng)為懸疑和不安。* 絕對不許出現(xiàn)任何對話，必須純靠主角的感官和內(nèi)心活動來推進(jìn)故。4. 第四部分：后續(xù)情節(jié)構(gòu)思 (Part 4: Plot Outline)* 任務(wù):基于檔案內(nèi)容和你的創(chuàng)意故事，設(shè)計三個可能的后續(xù)情節(jié)發(fā)展方向。* 指令:必須以設(shè)問句的形式提出，每個設(shè)問句代表一個情節(jié)走向。例如：“如果聲波鉆探機(jī)導(dǎo)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(fù)中，并使用Markdown的二級標(biāo)題（##）來區(qū)分每個部分，標(biāo)題分別為“## 檔案摘要”、“## 核心沖突分析”、“#、“## 后續(xù)情節(jié)構(gòu)思”。

這是個巨長的傻逼指令，說實(shí)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(shí)工作，還不抱怨：

寫作能力有了很大進(jìn)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(xiàn)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(fēng)水墨風(fēng)格，一個長長黑發(fā)的男人，金色的發(fā)簪，
飛舞著金色的蝴蝶，白色的服裝，高細(xì)節(jié)，高質(zhì)量，深藍(lán)色背景，背景中有若隱若現(xiàn)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(zhuǎn)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(jìn)步，不過輸出有些不穩(wěn)定，復(fù)雜任務(wù)耗時有些長。

經(jīng)過上面全部 case 的測試驗證，對原生全模態(tài)大模型有了更深的理解。

它不同于后期融合方式的多模態(tài)模型，需要在訓(xùn)練伊始便融合語言、圖像、視頻、音頻等多模態(tài)數(shù)據(jù)。

這樣才能更好支持文、圖、視、音的聯(lián)合輸入與輸出，實(shí)現(xiàn)原生的全模態(tài)統(tǒng)一理解與生成。

采用了超稀疏混合專家架構(gòu)，文心 5.0 的總參數(shù)規(guī)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(qiáng)化學(xué)習(xí)訓(xùn)練，實(shí)現(xiàn)了長程任務(wù)增強(qiáng)的智能體能力。

講真的，以前覺得修族譜是件特麻煩、特遙遠(yuǎn)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(yīng)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(diǎn)贊轉(zhuǎn)發(fā)給需要的朋友。