百度“词元所”开始给模型商打分

百度把大模型生意做成了一家“交易所”。

11月12日，在百度世界大会2026上，百度创始人李彦宏正式发布“词元所”，将其定义为一个中立、可信的大模型交易平台：平台一边汇集模型及其服务供应商，另一边帮助企业和开发者完成选型、购买与使用，并对供应商的服务质量、兑现度、安全合规和商业履约能力进行评分。据IT之家现场报道，词元所上线一个月后，供应资源已经超过100个，日均调用量突破7000亿Token。(ithome.com)

**词元所是一个同时承担模型交易、质量检测和供应商信用评价功能的平台。**它不只想解决“在哪里调用模型”，还想回答一个更难的问题：同一个模型由不同供应商提供时，企业究竟应该相信谁。

重点不是模型多，而是模型能不能验真

大模型市场目前最不缺的是模型列表，真正稀缺的是可验证的服务质量。

企业采购模型时，看到的通常是模型名称、上下文长度、输入输出价格和几组跑分。这些信息能够帮助开发者完成第一轮筛选，却很难回答生产环境里的核心问题：供应商交付的模型是否就是宣传中的版本，模型升级后能力是否发生漂移，高峰期延迟能否维持，以及出现故障后能否按照承诺处理。

这也是词元所与普通模型导航站、接口聚合工具之间最重要的区别。普通聚合平台解决的是“统一入口”，词元所试图进一步解决“交易信任”。

根据百度公布的信息，词元所会在模型资源进入平台前执行全面的准入测试，测试范围包括模型指纹比对、模型能力、性能指标和可用性，并在资源上线后持续监测质量参数。百度希望借此识别偷换模型、虚标性能等问题，让企业购买的不只是一个模型名称，而是一项经过验证的服务。(ithome.com)

**模型指纹是用于识别模型身份和版本差异的一组特征。**它可以由特定提示词下的输出特征、响应概率分布、延迟模式、接口行为和版本信息共同构成，作用类似商品防伪码，但验证对象是一项持续变化的软件服务。

这项能力有实际价值。假设一家供应商宣称提供某款旗舰模型，却在部分请求中切换到参数更小、成本更低的版本，普通用户很难从单次输出中发现问题；如果平台持续运行标准化测试，并把输出特征与基准指纹进行比对，模型替换就更容易暴露。

但模型验真远比商品验真困难。大模型输出天然具有随机性，系统提示词、采样参数、量化方式和推理框架都会影响结果。同一模型即使没有被替换，也可能因为服务端配置不同而表现不一致。因此，词元所能否建立可重复、可解释的测试流程，比“拥有多少测试题”更加重要。

百度想给供应商建立一套信用体系

词元所最值得关注的设计，不是模型排行榜，而是供应商信用档案。

百度表示，平台会从服务质量、兑现度、安全合规和商业履约等多个维度对模型提供方打分，并提供信用评级标签。当供应商信用下降时，平台会主动提醒用户，相关数据则沉淀为公开可查询的信用档案。(ithome.com)

这意味着评价对象从“模型能力”扩大到了“模型服务”。两者看似接近，实际上是完全不同的指标体系。

| 评价对象 | 主要问题 | 典型指标 | 对企业的影响 | |---|---|---|---| | 模型能力 | 模型会不会做这件事 | 准确率、推理能力、代码能力、幻觉率 | 决定业务效果上限 | | 推理性能 | 模型能否快速完成任务 | 首Token延迟、生成速度、并发能力 | 决定用户体验和系统吞吐量 | | 服务可用性 | 高峰期能不能稳定调用 | 成功率、超时率、故障时间、SLA | 决定生产系统是否可靠 | | 商业履约 | 供应商是否兑现承诺 | 价格稳定性、赔付执行、版本通知 | 决定采购风险和长期成本 | | 安全合规 | 数据和内容是否可控 | 数据留存、权限隔离、内容审核 | 决定模型能否进入敏感业务 |

过去的模型榜单通常只评价第一层，也就是模型“聪不聪明”。企业真正部署时，却经常被后面四层卡住：测试阶段效果不错，上线后延迟突然升高；合同写着高可用，故障时却无法快速定位；模型在没有充分通知的情况下升级，导致结构化输出格式发生变化。

**供应商信用评分是对模型服务长期履约能力的量化评价。**如果这套评分能够持续更新，并且允许企业查看历史记录，它就可能成为模型采购中的新基础设施，而不是又一个发布榜单的营销页面。

“交易所”比“模型商店”更难做

词元所把自己类比为证券交易所，这个比喻很大胆，也暴露了它面临的真正挑战。

证券交易所的核心价值并不是把股票放在同一个页面，而是建立准入、披露、交易、监控和退出机制。按照这个逻辑，词元所如果要成为真正的大模型交易平台，也必须明确谁可以进入、如何披露服务变化、出现争议后如何处理，以及什么情况下供应商会被降级或退出。

| 平台类型 | 核心能力 | 主要优势 | 主要短板 | |---|---|---|---| | 模型导航站 | 收集模型和产品信息 | 发现成本低、覆盖范围广 | 通常不验证实际服务质量 | | 传统MaaS平台 | 提供模型部署和统一调用 | 工程接入简单、云资源协同方便 | 评价标准往往由平台单方面制定 | | 云市场 | 完成软件采购和合同结算 | 企业采购流程成熟 | 难以持续监测模型输出质量 | | 词元所 | 模型交易、验真、监测与信用评价 | 试图同时解决选型与信任问题 | 中立性、评分透明度仍待验证 |

词元所的方向是对的，因为大模型采购正在从“选择一个模型”变成“管理一组动态供应商”。企业不会永远只用一家模型：客服可能使用低成本模型，代码审查使用更强的推理模型，敏感数据处理则需要私有化部署。模型数量增加后，版本管理、成本控制和故障切换都会迅速复杂化。

统一交易平台可以减少重复对接，但只有当它提供一致的测试口径、清晰的账单和可靠的迁移机制时，才能真正降低企业成本。否则，平台只是把原本分散在多个供应商处的问题，集中到一个控制台里。

7000亿Token说明有流量，但还不能证明市场成熟

词元所上线一个月，供应资源超过100个，日均调用量突破7000亿Token，这是目前百度披露的两项核心运营数据。(ithome.com)

**供应资源数是平台可交易服务实例的数量，不一定等同于独立模型数量。**同一款模型可能存在多个版本、部署区域或服务供应商，因此“100个资源”不能直接理解为“100款不同模型”。百度目前也没有公开完整的模型清单、供应商数量及资源分布。

日均7000亿Token则说明平台已经承载了较大规模的调用，但Token数量本身不能代表商业价值。批量文本处理、搜索摘要和离线数据清洗会快速消耗Token，却不一定对应高收入；复杂Agent任务的Token量可能更少，但每次调用对稳定性和工具执行能力的要求更高。

换句话说，7000亿Token证明词元所不是一个空壳展示页，却还不足以证明它已经建立成熟的交易市场。判断平台质量，还需要看到付费客户比例、调用成功率、供应商集中度、客户留存率和故障赔付记录等数据。

最大的疑问是：百度能否证明自己中立

词元所最需要证明的不是技术能力，而是平台治理能力。

百度既是平台建设者，也是文心大模型和云服务的供应方。这种身份并不意味着平台一定会偏向自家产品，但它天然构成利益冲突：评分规则由谁制定，百度自有模型是否接受同样测试，搜索排序是否受到商业合作影响，以及供应商能否对评分结果提出申诉，都需要明确机制。

真正可信的中立平台，至少应公开以下信息：

• **评测协议：**公布测试任务类别、采样方法、参数设置和更新周期，避免评分成为无法复现的黑箱。
• **版本记录：**记录模型名称、版本、上线时间和能力变化，防止不同版本共用同一标签。
• **利益披露：**明确自营模型、合作模型与第三方模型的关系，标记商业推广位和自然排序结果。
• **申诉机制：**允许供应商查看异常证据、提交复测申请，并公开重大评级调整原因。
• **违约处理：**说明SLA未达标后的赔付方式，以及模型偷换、参数虚标等行为的处罚标准。
• **退出与迁移：**确保用户能够导出调用记录、账单与配置，避免被长期锁定在单一平台。

截至2026年11月12日，百度公开的信息主要集中在平台定位、准入测试、持续监测和信用评级上，尚未详细披露评分权重、收费模式、佣金比例、赔付规则及第三方监督机制。这些细节将决定词元所究竟是一套可信基础设施，还是一个包装成交易所的模型商城。

对开发者来说，真正有用的是“确定性”

开发者并不需要另一个塞满模型名称的页面，他们需要的是可以写进生产计划的确定性。

模型价格当然重要，但当应用进入生产环境后，切换成本往往比单次调用成本更高。模型升级导致提示词失效、响应格式变化或工具调用参数漂移，可能迫使团队重新测试整条业务链路。对于金融、医疗、政务等场景，数据处理位置和审计记录甚至比模型跑分更重要。

因此，词元所最有价值的场景不是帮助个人用户寻找“最好用的聊天模型”，而是帮助企业回答以下问题：

1. 哪个供应商能够长期稳定地提供指定模型版本？
2. 同一模型在不同供应商处的延迟、成功率和价格有何差异？
3. 当主供应商故障时，能否切换到经过兼容性验证的替代服务？
4. 供应商调整模型或价格时，平台能否提前预警？
5. 出现数据、安全或履约争议时，平台能否提供完整证据？

如果这些问题能够被结构化解决，词元所就不只是一个采购入口，而会逐渐接近模型服务领域的信用基础设施。

这是一门好生意，也是一场长期考试

百度选择此时推出词元所，踩中了大模型市场从“比能力”转向“比交付”的节点。

模型能力仍在快速变化，但对大量企业而言，模型是否在某个榜单上领先两分，已经不如它能否稳定运行、是否支持审计、出了问题找谁负责重要。随着企业同时使用多款模型，市场需要一个能够验证服务、比较供应商和沉淀履约记录的平台。

词元所的产品逻辑因此成立：把分散的模型服务变成可测试、可比较和可追责的标准化商品。供应资源超过100个、日均调用量突破7000亿Token，也说明百度已经为平台准备了一定的供应和流量基础。

但“交易所”三个字意味着更高的责任。百度需要接受外界对评分透明度、中立性和利益冲突的持续审视。只有当平台敢于公开规则、记录自家模型的问题，并对不合格供应商真正执行降级和退出机制时，词元所才可能建立长期信用。

这款产品值得关注，但现在还不到下结论的时候。它已经把大模型交易最难的问题摆上桌面：未来企业购买的不是某个响亮的模型名称，而是一份能够被验证、被监测，也能够被追责的智能服务。

参考来源

• IT之家：百度李彦宏发布大模型的交易所“词元所”——百度世界大会2026现场报道，披露词元所的定位、准入测试、供应商评分机制及上线首月运营数据。