一句话结论：2025 年 3 月 16 日，百度推出新一代原生多模态基础大模型文心大模型 4.5，在文心一言官网免费开放，并通过千帆平台开放 API——输入价格低至 0.004 元/千 tokens，输出 0.016 元/千 tokens。它最值得关注的不是单项跑分，而是「原生多模态」这个架构选择带来的连锁变化。
「原生多模态」和外挂式多模态有什么不同
很多模型的多模态能力是后加的：先有一个纯文本基座，再训练一个视觉编码器接上去。这种方案见效快，但文本与视觉的表示空间本质上是拼接的，跨模态推理时容易出现理解偏差。
文心大模型 4.5 走的是另一条路——通过多个模态联合建模实现协同优化，能够对文字、图片、音频、视频等多种内容进行综合理解。所谓「原生」，指的是多模态不是外挂模块，而是训练阶段就共同参与优化的部分，这让跨模态信息的对齐更自然。
能力提升体现在哪几个方向
官方给出的提升方向包括：多模态理解、语言理解与生成、逻辑推理、代码能力，以及大幅降低幻觉现象、提升知识准确性。其中「降低幻觉」这一点，对实际业务落地的意义往往比跑分更直接。
原因不难理解：一个模型偶尔答不上来，用户还能接受；但如果它一本正经地编造事实，在客服、教育、医疗咨询这类场景里就是事故。多模态联合训练之所以有助于抑制幻觉，是因为不同模态之间可以互相印证——图像信息能约束文本描述，减少纯文本生成时的「自由发挥」。
四项关键技术
一、FlashMask 动态注意力掩码
注意力掩码决定了模型在处理序列时「能看哪些位置」。动态掩码让模型可以根据任务与数据形态灵活调整可见范围，在长文处理与多轮交互中既节省算力，又保留必要的上下文关联。
二、多模态异构专家扩展技术
不同模态的数据特性差异很大，用同一组参数处理文本和视频并不经济。异构专家扩展的思路是让不同类型的专家模块处理不同模态的输入，在扩大模型能力的同时控制计算开销。
三、时空维度表征压缩技术
视频数据带有时间维度，直接展开会带来极高的序列长度。时空维度表征压缩针对的正是这个问题——在保留关键时空信息的前提下压缩表示规模，让视频理解在成本上变得可行。
四、多模态联合建模
这是前述几项技术的底座。多模态数据共同参与训练，模型在长文处理、多轮交互与多模态数据训练等方面表现出色，这也是官方强调其能更好满足多样场景需求的原因。
| 维度 | 文心大模型 4.5 |
|---|---|
| 模型定位 | 新一代原生多模态基础大模型 |
| 支持模态 | 文字、图片、音频、视频综合理解 |
| 能力升级 | 语言理解与生成、逻辑推理、代码能力显著提升 |
| 幻觉控制 | 大幅降低幻觉，提升知识准确性 |
| 关键技术 | FlashMask 动态注意力掩码、多模态异构专家扩展、时空维度表征压缩 |
| 开放方式 | 文心一言官网免费开放 + 千帆平台 API |
| API 定价（输入） | 低至 0.004 元/千 tokens |
| API 定价（输出） | 低至 0.016 元/千 tokens |
成本账：0.004 元/千 tokens 是什么概念
百度智能云千帆大模型平台已上线文心大模型 4.5 的 API 接口，企业用户和开发者可以低至 0.004 元/千 tokens 的价格调用输入服务，输出价格低至 0.016 元/千 tokens。
换算一下：一次包含 2000 字输入、500 字输出的问答，按中文约 1.5 tokens/字估算，输入约 3000 tokens（约 0.012 元），输出约 750 tokens（约 0.012 元），单次成本约 0.024 元。若每天调用 1 万次，月度成本约 720 元。这个量级意味着，中小团队把多模态能力接入自有产品，已经不再是一道预算门槛。
适合用在哪些场景
官方列举的方向包括内容创作、智能客服、教育辅导、数据分析等。结合它的能力特点，以下几类任务匹配度较高：
图文混合内容的理解与生成。例如商品图文详情解析、带图表的报告解读，这类任务过去要么靠人工，要么需要多个模型拼接。
视频内容的结构化处理。时空表征压缩让长视频理解的成本可控，适合做会议纪要、课程切片、内容审核。
对准确性要求高的问答场景。幻觉降低直接提升了客服与知识问答的可用度，减少人工复核工作量。
常见问题（FAQ）
文心大模型 4.5 免费吗？
分两种使用方式。在文心一言官网，普通用户可免费使用；企业和开发者通过百度智能云千帆平台调用 API 则按量计费，输入 0.004 元/千 tokens、输出 0.016 元/千 tokens，属于当时较低的定价区间。
FlashMask 动态注意力掩码有什么用？
它控制模型在处理序列时可关注的位置范围。动态化之后，模型能根据任务需要灵活调整可见范围，在长文本与多轮对话场景中降低无效计算，同时保留关键上下文，兼顾效果与成本。
「大幅降低幻觉」该如何验证？
建议在接入前用自己的业务语料做一轮回归测试：构造一批有明确标准答案的问题，统计错误与编造比例，再与正在使用的模型对比。官方口径是整体趋势，具体到某个垂直领域，实测才是可靠依据。
小结
文心大模型 4.5 的关键动作有三个：把多模态做成原生能力而非外挂；用 FlashMask、异构专家扩展与时空压缩三项技术解决算力与成本的现实约束；再用一个足够低的 API 定价把能力推给开发者。三者合起来，指向的是同一件事——让多模态从演示走向可规模化的业务接入。对企业用户来说，值得做的第一步不是全面替换，而是挑一个图文混合的真实场景做成本与准确度的对照测试。