百度文心在 ERNIE-5.0 之后，推出了最新迭代版本 ernie-5.1。官方将其定位为一款在 Agent、推理、世界知识与创意写作方向进一步强化的新一代旗舰模型，并强调其在参数效率、预训练成本以及多阶段强化学习训练体系上的升级。我们对其正式版本 ernie-5.1 进行评测，重点观察其在准确率、响应时间、token 消耗和调用花费等关键指标上的表现。
需要说明的是，本次评测依然侧重中文场景下的综合能力考察，评测维度覆盖教育、医疗与心理健康、金融、法律与行政公务、推理与数学计算、语言与指令遵从、Agent 与工具调用以及 coding 等。
ernie-5.1 版本表现：
-
测试题数：约 1.5 万
-
总分（准确率）：68.2%
-
平均耗时（每次调用）：50s
-
平均 token（每次调用消耗的 token）：2014
-
平均花费（每千次调用的人民币花费）：32.6
1、新旧对决
对比上一代版本（ERNIE-5.0），ernie-5.1 这次升级并不是那种“跃升式换代”，更像是一次围绕 Agent、知识、coding 与整体效价比的定向优化。数据上看，提升是真实存在的，但它并非全面碾压，而是有取有舍。
*数据来源：非线智能ReLE评测github.com/jeinlee1991…
*输出价格单位： 元/百万token
-
整体性能小幅上扬：新版本总分从 67.2% 提升至 68.2%，提升了 1.0 个百分点，排名从第 30 位上升至第 26 位。这个进步幅度不算夸张，但在头部模型密集竞争的区间里，能够稳步前移，说明 ernie-5.1 的综合能力确实有一定增强。
-
响应效率显著改善：平均耗时从 225s 大幅缩短至 50s，下降约 78%。这几乎是本次迭代最直观的升级点之一。对于真实业务调用来说，50 秒和 225 秒的体感差异是非常大的，说明新版本在推理链路和工程实现上做了明显优化。
-
token 消耗明显下降：平均 token 从 3897 降至 2014，下降约 48.3%。在准确率略有提升的同时，输出长度和推理冗余都被压缩下来，模型回答更“收敛”了，也更利于控制调用成本。
-
调用花费显著下降：平均花费从 89.2 元降至 32.6 元，下降约 63.5%。
-
教育能力提升较明显：教育维度从 55.7 提升至 60.7，提升了 5.0 分，说明模型在常识、学科知识和解释型问答等方面更稳了一些。
-
医疗与心理健康稳步增强：从 80.3 提升至 83.3，提升 3.0 分。该项本来就是 ERNIE-5.0 的相对强项，新版继续维持在高位。
-
金融能力有所增强：从 78.8 提升至 83.8，提升 5.0 分，属于本轮升级里比较亮眼的一项， 从中可看出，模型在规则理解、结构化信息处理和专业场景问答上做了补强。
-
coding 能力进步明显：从 48.1 提升至 57.6，提升 9.5 分，是所有细分维度中提升幅度最大的一项。
-
Agent 与工具调用小幅提升：从 61.9 提升至 63.8，提升 1.9 分。增幅不算大，但和官方对 Agent 能力强化的表述方向是一致的。
-
部分传统维度出现回调：法律与行政公务从 81.7 降至 80.3，下降 1.4 分；推理与数学计算从 78.7 降至 77.0，下降 1.7 分；语言与指令遵从从 68.0 降至 59.1，下降 8.9 分，回调最为明显。这说明 ernie-5.1 在“更省、更快、更懂 Agent 和 coding”的方向上做了取舍，部分通用指令表达与语言稳定性没有同步拉升。
2、横向对比
在当前主流大模型竞争格局中，ernie-5.1 处于什么位置？从榜单来看，它属于中上游段位里的“务实型选手”——不是最强，但在成本、速度和综合分之间找到了一个相对均衡的位置。
*数据来源：非线智能ReLE评测github.com/jeinlee1991…
同成本档位对比
-
30 元左右档位的中坚位置：ernie-5.1 总分 68.2%、平均花费 32.6 元，主要可比模型包括 Qwen3.5-122B-A10B（70.9%，32.3 元）、MiniMax-M2.7（65.1%，32.4 元）、gpt-5-2025-08-07（66.8%，31.9 元）、MiMo-V2-Omni（66.2%，34.8 元）等。放在这一成本带里，ernie-5.1 的综合分属于中上位置，不算最能打，但也有足够竞争力。
-
速度优势非常明显：在这类可比模型中，ernie-5.1 的平均耗时 50s，显著快于 Qwen3.5-122B-A10B 的 338s，也快于 MiniMax-M2.7 的 87s 和 MiMo-V2-Omni 的 268s。对于强调在线交互体验的产品来说，这个优势是很实在的。
-
成本效率优于上一代：如果只看百度自家产品线，ernie-5.1以更低的单次成本拿到了更高的总分，同时把耗时压到了 ERNIE-5.0 的四分之一以下，这使得它比上一代更适合作为面向真实业务的默认版本。
-
与更高分模型相比仍有差距：榜单前列如 qwen3.6-max-preview（75.4%）、gpt-5.5（75.3%）、gemini-3.1-pro-preview（75.2%）、qwen3.5-plus（73.3%）、kimi-k2.6（72.9%）等模型仍明显领先。ernie-5.1与第一梯队之间还有约 5 至 7 个百分点的差距。
新旧模型对比
-
代际升级幅度不算大，但方向更明确：相比 ERNIE-5.0，ernie-5.1 没有出现那种“榜单冲进前十”的跨越式变化，但通过压缩 token、压低调用成本和大幅提速，把自身产品定位从“相对昂贵且偏慢”调整为“更轻、更快、更均衡”。
-
百度产品线内部定位更清晰：从现有数据看，ernie-5.1 更适合作为面向商用落地的主力版本，而 ERNIE-5.0 则更像前一代能力基座。两者差距虽然不算特别大，但 ernie-5.1 在工程可用性上明显更成熟。
开源 VS 闭源对比
-
闭源商用模型里的稳健派：ernie-5.1 属于典型的闭源商用模型路径，整体分数高于部分轻量商用模型，但和最前排闭源旗舰相比仍有差距。
-
面对开源模型的压力不小：同档位甚至更低档位上，一些开源模型已经给出更高总分，比如 qwen3.5-plus 和 DeepSeek-V4-Flash 都在成本效率比上很有竞争力。ernie-5.1 的差异化优势更多体现在百度生态、工程稳定性以及官方强调的创作与搜索融合能力上。
3、技术特性
结合百度官方介绍，ERNIE-5.1 这次并不是单纯靠“堆参数”升级，而是更强调参数效率、训练效率与后训练体系的重构。官方给出的技术信息，核心可以概括为以下几个方面：
多维度弹性预训练
官方称，ERNIE-5.1 基于 ERNIE-5.0 训练而来，通过 Once-for-All 弹性训练框架，在一次预训练中动态优化不同规模子模型，并在弹性深度、弹性宽度、弹性稀疏度三个维度上实现压缩与扩展。按照官方说法，ERNIE-5.1 将总参数量压缩至 ERNIE-5.0 的约 1/3，激活参数量压缩至约 1/2，预训练算力成本仅为业界同规模模型的 6%。
分离式全异步强化学习训练
官方表示，其围绕 RL Controller 构建了分离式全异步架构，将训练、推理、奖励和 agent loop 解耦，并重点优化了 FP8 训推一致性和资源异构弹性调度，以提升长程强化学习训练的效率、稳定性和资源利用率。
以 OPD 为核心的多阶段强化学习训练管线
官方介绍，这套流程分为统一监督微调、领域专家模型训练、在线策略蒸馏、通用在线强化学习四个阶段，核心目标是提升研发效率，并尽量避免多能力融合时出现“跷跷板”效应。
4、官方评测
按照百度官方介绍，ERNIE-5.1 的官方评测重点主要集中在 Agent、世界知识、推理和深度搜索几个方向：
在 Agent 能力方面，官方称，ERNIE-5.1 在 τ³-bench 与 SpreadsheetBench-Verified Agent 两项评测任务中，表现超过 DeepSeek-V4-Pro，Agentic 能力接近领先闭源模型；同时，2026 年 5 月 9 日，ERNIE-5.1 以 1223 分位列 Arena 搜索榜全球第四、国内第一。
在世界知识与创意写作方面，官方表示，ERNIE-5.1 在 GPQA 和 MMLU-Pro 评测中效果接近领先闭源模型；在内部评测中，其创意写作能力接近 Gemini 3.1 Pro。
在推理能力方面，官方提到，ERNIE-5.1 在 AIME26（使用工具）中得分 99.6，仅次于 Gemini 3.1 Pro。官方同时还强调，ERNIE-5.1 在创意写作、长篇叙事和专业文本生成等场景中也有较突出表现。
非线智能官网nonelinear.com 已上线ernie-5.1，欢迎深度体验。同时，非线智能API可连接超480个全球模型，支持一键Api聚合以及Api中转，提供稳定的企业级服务。个人中心 登录github账号，领50元体验金
