百度披露ERNIE Evolve，已用于文心5.5 Flash优化

据媒体消息，2026年11月9日，百度文心首次披露自动研究系统ERNIE Evolve。该系统据称可自主提出研究方向、开展实验并验证结果，在NanoChat AutoResearch与NanoGPT Speedrun相关评测的多项指标上取得公开验证的较好成绩。公司称，ERNIE Evolve已用于即将发布的文心5.5 Flash推理优化。

在昆仑芯P800低时延场景的公开表述中，生成速度相对基线提升至约623.6%，确定性推理吞吐提升至约133.7%，极致解码速度优化累计提升至约114.9%。这些数字来自企业披露口径，外部复现条件与对比基线仍需进一步核验。对国产大模型厂商而言，把自动研究系统接入真实迭代流水线，意味着模型研发开始更多依赖机器辅助实验，而不只是人工试错。

同日产业链还关注算力与芯片适配：推理侧加速往往与国产加速卡驱动、编译器和调度策略绑定。企业公开RSI进展，也给投资者观察“模型—芯片—云”闭环提供了新样本。需要注意的是，评测任务与生产环境之间仍有鸿沟，能否稳定降低单位Token成本并保持质量，才是商业化关键。

自动研究系统的意义，不只是再报一组分数。它如果真能提出方向、做实验、验证结果，就可能缩短版本迭代周期，并把优化经验沉淀到下一版推理引擎里。文心5.5 Flash被点名为落地对象，说明公司希望把实验室能力折算成可对外提供的速度和价格。不过，NanoChat、NanoGPT一类评测任务规模有限，和生产里的长上下文、工具调用、并发抢占不是同一回事。

对应用方来说，更应关注文心5.5 Flash上线后在昆仑芯P800等实际环境中的延迟、吞吐、价格与可用性，而不是只记住623.6%或133.7%这些百分比。建议把对比基线、测试集和是否可对外复现写成三份附件：研究系统的能力边界、它在具体模型版本上的可量化收益、以及产品排期。百分比再高，也要能在业务流量下稳定降低单位Token成本，并保持回答质量不滑坡。等文心5.5 Flash对外提供服务后，直接比较同等提示词下的首字延迟、每秒生成速度和单位Token价格，比继续引用623.6%这类百分比更能判断自动研究系统有没有转化成可用产品。