百度世界 2026 发布两款文心应用模型：「闪电深度思考」主打百万上下文低成本推理，「一镜微表情」按秒计费生成 1080p 真人口播视频

核心背景与行业痛点

11 月 12 日百度世界 2026 开幕，李彦宏提出「模体并行、协同进化」：一边研发下一代基础模型，一边让模型为 Agent 应用专门优化。当天发布的两款「应用模型」就是后一条路线的产物。长文档检索、Agent 长对话这类场景最怕上下文一长 KV 缓存和成本就暴涨，口播类视频则需要便宜、稳定地批量生产。

架构亮点与底层机制

千帆文档里对应的文本模型条目是 ERNIE-Light-DT-1.0（Light 对应「闪电」，DT 即深度思考；百度发布稿没有逐字写明这一对应）。百度在 OpenRouter 上的官方描述称：它基于开源 GLM，加入百度搜索「闪电」大模型的研究成果，并采用百度自研的 BSA 稀疏注意力，用反馈驱动的历史压缩改进历史信息的存储和索引，从而减少 KV 缓存和计算开销，把上下文做到 102.4 万 token。也就是说，这是在 GLM 上做的适配和推理优化，不是从零预训练的新基座。ERNIE-Wizshot-ME 则是图生视频模型，驱动图中人物自然开口说话。

权威 Benchmark 与实测跑分对比

官方未公布任何跑分，Artificial Analysis 等第三方暂无评测。目前可以确认的只有官方规格和价格：千帆输入 0.008 元/千 token、输出 0.028 元/千 token，大约是 ERNIE 5.5 Flash Preview 高峰原价的 4 倍和 3.5 倍；OpenRouter 实测吞吐约 77 tok/s，P50 延迟约 0.9 秒（第三方平台实时数据）。Wizshot-ME 刊例价 0.7 元/秒，15 秒视频约 10.5 元。

开发者实战落地与开箱指南

国内直接调用千帆 v2 chat/completions，model 填 ernie-light-dt-1.0，用 thinking 开关思考，用 reasoning_effort（low/high/max，默认 max）控制推理深度；对延迟敏感的分类、抽取任务建议调低或关闭思考。海外可用 OpenRouter 的 baidu/ernie-light-dt-1.0-intl，支持工具调用和 JSON Schema 结构化输出。由于没有公开跑分，上生产前最好拿自己的长文档样本和 ERNIE 5.5 Flash Preview 做一轮 A/B。