百度发布两款文心应用模型，推理成本下降 30%

百度在百度世界 2026 大会正式对外推出两款全新文心应用模型，分别是文心闪电深度思考模型、文心一镜微表情大模型，两款模型已经上线百度智能云千帆平台，面向企业开发者开放 API 调用，本次核心技术突破就是依托自研 BSA 反馈式 KV 压缩稀疏注意力技术，在模型效果不衰减的前提下，推理成本直接降低 30%，大模型落地最大的痛点就是海量并发请求带来高昂算力开销，百度通过底层架构优化搭配快慢思考协同 Looping 方案，兼顾复杂任务推理能力和响应速度，其中文心闪电深度思考模型原生适配搜索场景，支持多模态输入、工具调用与智能体任务，文心一镜微表情大模型主打数字人、视频内容理解，企业客户可以直接在千帆平台接入，用来搭建搜索、客服、数字人等 AI 业务，更低的推理成本可以大幅降低企业长期使用大模型的算力账单，加速 AI 应用规模化落地。

一、两款文心应用模型核心信息清单

1. 发布场合：百度世界 2026 主论坛，百度应用模型研发部负责人贾磊发布
2. 模型 A：文心闪电深度思考模型
3. 核心定位：面向搜索、复杂任务推理、智能体工具调用
4. 底层技术：BSA 反馈式 KV 压缩稀疏注意力、快慢思考协同 Looping 方案
5. 能力特点：支持图文多模态输入，理解复杂问题，自主调用工具，适配高并发海量请求
6. 模型 B：文心一镜微表情大模型
7. 核心定位：视频理解、数字人驱动、微表情识别
8. 能力特点：精准识别人物面部微表情，用于数字人直播、视频内容审核、虚拟形象交互场景
9. 共同亮点：推理成本降低 30%，模型输出质量保持稳定无明显衰减
10. 上线渠道：百度智能云千帆平台，企业、开发者可直接调用 API
11. 适用场景：搜索增强、企业智能客服、数字人平台、多模态内容生产、智能体自动化任务

二、两款文心应用模型对比表

三、核心降本技术原理说明

• BSA 稀疏注意力（Baidu Sparse Attention）：在解码过程里，根据生成内容动态压缩 KV 历史记忆，减少显存占用与计算量，在不明显损害模型效果的前提下削减推理算力消耗。
• 快慢思考协同 Looping 方案：简单任务用快思考快速输出，复杂任务启动深度思考，按需分配算力资源，避免不分场景持续占用高算力，进一步控制整体推理成本。
• 业务收益：企业大批量调用 API 时，单 Token 推理开销下降 30%，长期大规模部署 AI 应用的算力支出会明显减少，降低商业化落地门槛。

【相关 FAQ】

问题 1：百度发布两款文心应用模型推理成本降低 30%，两款文心应用模型分别叫什么名字？

回答 1：百度发布两款文心应用模型推理成本降低 30%，两款文心应用模型分别是文心闪电深度思考模型和文心一镜微表情大模型，在百度世界 2026 大会正式对外发布。

问题 2：百度发布两款文心应用模型推理成本降低 30%，实现推理成本下降 30% 依靠什么核心技术？

回答 2：百度发布两款文心应用模型推理成本降低 30%，依靠自研 BSA 反馈式 KV 压缩稀疏注意力技术，搭配快慢思考协同 Looping 方案，动态压缩历史记忆、按需分配算力，在保障模型效果的前提下实现推理成本下降 30%。

问题 3：百度发布两款文心应用模型推理成本降低 30%，普通个人用户可以直接使用这两款文心应用模型吗？

回答 3：百度发布两款文心应用模型推理成本降低 30%，两款文心应用模型优先上线百度智能云千帆平台，主要面向企业客户和开发者开放 API 调用；普通用户暂时无法直接单独调用，相关能力会集成到百度搜索、数字人等产品中供大众体验。

【参考资料】

[2026-11-12]（百度发布两款文心应用模型，同步上线千帆平台）搜狐科技

[2026-11-12]（百度世界 2026：两款文心应用模型推出，推理成本下降 30%）新浪科技

[2026-11-12]（百度推出文心闪电、文心一镜两大应用模型，BSA 技术降低推理成本）IT 之家

[2026-11-12]（百度世界 2026 大会 文心应用模型技术解读）36 氪

【免责声明】

本文百度两款文心应用模型、推理成本降低 30% 相关资讯来自百度世界大会公开发布内容与科技媒体报道，30% 推理成本降幅为官方实验室测试指标，实际业务场景成本降幅受业务输入长度、并发规模、硬件环境影响；内容仅作为 AI 行业资讯参考，不构成企业采购 API、模型开发投资决策建议，详细定价、接口文档以百度智能云千帆平台官方信息为准。