ERNIE 5.5 Flash Preview يحصل أخيرًا على منشور إطلاق، وعشرين اختبارًا مرجعيًا، ووعدٍ بالأوزان

تُعدّ نتيجة 46.5 على Terminal-Bench 4.0 أول نتيجة تنشرها Baidu على الإطلاق لـ ERNIE 5.5 Flash Preview، وقد ظهرت في 11 نوفمبر 2026 — بعد يوم واحد من إطلاق النموذج نفسه على Qianfan كنقطة نهاية مدفوعة بقائمة أسعار ودون أي وثائق على الإطلاق. ومنشور الإصدار الذي يحمل ذلك الرقم هو أول بيان رسمي عن النموذج، ويجيب عن الأسئلة الثلاثة التي لم تستطع نقطة النهاية الإجابة عنها: ما هو (280 مليار معامل إجمالي مع 14 مليارًا منها نشطة، وسياق بطول 1M رمز، ومُدرَّب لاحقًا على نقطة تحقق ERNIE 5.5 Flash Base بتاريخ 5 نوفمبر)، وكيف تقول Baidu إنه يُقارَن (عشرون صفًا من نتائج المعايير موضوعة إلى جانب GPT-6.1 Sol وClaude Opus 5.5 وGLM-5.3 وGLM-5.3-Flash وDeepSeek-V4.1-Flash-1017 ونموذج مُدرَج باسم Hy4 فقط)، وما إذا كنت ستتمكن يومًا من تشغيله بنفسك (الأوزان "ستُفتَح مصادرها بموجب Apache 2.0 قريبًا"). كل رقم في ذلك الجدول مُبلَّغ عنه من البائع، وأُنتِج على أدوات الاختبار الخاصة بـ Baidu باستخدام نماذج تحكيم اختارتها Baidu، ولم يُعَد إنتاج أي منه خارج الشركة. مجموعة المعايير هي الجزء من هذه المقارنة الذي يمكنك التحكم فيه فعليًا. سعر قائمة المزوّد بهامش ربح 0% تتوفر GPT-6.1 Sol وClaude Opus 5.5 وGLM-5.3 وDeepSeek V4.1 Flash عبر مفتاح واحد بسعر قائمة المزوّد، مع عرض رسوم OrcaRouter بقيمة $0.00.

ما الذي وضعته بايدو على الصفحة

تتّخذ التدوينة بنية عرض توضيحي مصحوب بملحق للمعايير القياسية، وهو ما يكشف كيف يرى Baidu جوهر الحجة. هناك أربعة أقسام قدرات — تطوير الألعاب، والنمذجة والتصميم ثلاثي الأبعاد، والعمل المعرفي، وإنشاء الفيديو — وكل منها مبنيّ من مخرجات أنتجها النموذج من البداية إلى النهاية داخل إطار تشغيل وكيل، مع نسبة الأصول والأدوات الخارجية واحدًا واحدًا. ترد المواصفات في الفقرة الافتتاحية ولا تعود بعدها: 280B إجمالًا، و14B نشطة، وسياق 1M رمز، وواجهة API على Qianfan، وأوزان موعودة بموجب Apache 2.0. لا توجد بطاقة نموذج، ولا تاريخ قطع معرفي، ولا رقم زمن استجابة، ولا تسعير، ولا بيان بشأن عدد رموز الاستدلال التي يصدرها النموذج لكل مهمة.

جملتان في المنشور أهم من بقية المنشور مجتمعة. الأولى في قسم تطوير الألعاب، وهي تصف مشروع Unreal Engine 5.8: «لأنه نموذج نصّي فقط ولا يستطيع رؤية الشاشة، فقد حوّل المشكلات التي رُصدت في اختبار اللاعبين، مثل شخصية تحوم فوق الأرض، واتجاه جري غير متوافق، وكاميرا في غير موضعها، إلى اختبارات قابلة للقياس في الشيفرة». هذا وصف غير معتاد في صراحته لحلّ بديل — فقد كتب النموذج اختبارات لأنه لم يستطع النظر إلى اللعبة — وهو أوضح تصريح حتى الآن بأن هذا نظام نصّي الإدخال والإخراج، تُفوَّض كفاءته البصرية إلى الأدوات.

الثاني هو الفقرة الختامية: إن ERNIE 5.5 Flash Preview «نقطة تحقق وسيطة من مرحلة ما بعد التدريب. وهو تنافسي بالفعل مع النماذج من حجمه، لكن لأن التدريب لم يكتمل، فقد تظل بعض القدرات قاصرة». إن منشور إطلاق يخبرك بأن الإطلاق لم يكتمل أكثر قيمة من منشور لا يفعل ذلك، وهو يعيد تأطير كل ما سبقه. أنت لا تقرأ إعلان منتج. أنت تقرأ تقرير تقدم مرفقًا به جدول نتائج، نُشر كي يرسل المستخدمون ملاحظاتهم قبل الإصدار الرسمي.

الصفوف المعيارية العشرون، اقرأها بعناية.

جدول الملحق صورة واحدة، وهو بذاته علامة صغيرة دالة: فلا يمكن نسخ الأرقام أو فرزها أو التحقق منها مقابل جدول بيانات. وعند قراءتها من الصورة، يجري عمود ERNIE على النحو التالي، وكلها مُبلَّغ عنها من Baidu وغير مُعاد إنتاجها:

• البرمجة الوكيلية — Terminal-Bench 4.0 عند 46.5، وDeepSWE v1.1 عند 71.2، وProgramBench (Almost Solved) عند 29.5، وNL2Repo-Bench عند 64.8، وTerminal-Bench-Science 0.1 عند 21.0.

• استخدام الحاسوب والأتمتة — CookieBench عند 88.2، وAutomationBench عند 61.9، وAPEX-Agents 1.1 عند 64.2، وDRACO عند 84.9.

• العمل المعرفي — SpreadsheetBench V2 عند 36.4، وOfficeQA Pro V2 عند 67.9، وAgents' Last Exam (CLI) عند 29.0، وSkillsBench 1.1 نصي فقط عند 73.5.

• الوكلاء العامون واستخدام الأدوات — Toolathlon-Verified عند 79.0، وMCP-Atlas عند 84.6، وBrowseComp عند 87.4.

• الاستدلال — HLE بدون أدوات عند 46.4 مع علامة حاشية، AA-Omniscience-Public عند 25.2، AA-LCR v1.1 عند 79.0.

• 3D — BlenderWorld نص فقط عند 79.0، الصف الوحيد الذي يتناول مباشرةً ادعاءات CAD وBlender الواردة في المتن.

توجد حيث تسكن الصراحة في الحواشي السفلية، وهي جديرة بالقراءة قبل أيٍّ من الخلايا. شُغِّل كل اختبار معياري على إطار اختبار مسمّى — إذ تظهر Claude Code 2.1.x وmini-swe-agent 2.4.6 وCodex 0.162.1 وشيء يُختصر إلى DSH — ونماذج التحكيم هي Qwen3.8-Max وDeepSeek-V4.1-Flash-1017 وGemini 3.1 Flash-Lite. ويعترف أحد الحواشي بأن «GLM-5.3 ونموذجنا يفتقران إلى قدرات أصلية متعددة الوسائط، ويُوفَّر فهم الصور عبر أداة تعمل بنموذج Claude Opus 5.5». بعبارة أخرى، أُنجزت بعض الاختبارات المعيارية المعتمدة على الرؤية على الأقل بواسطة ERNIE 5.5 Flash Preview وهي تشغّل أداة تستدعي نموذجًا من منافس. ذلك خيار هندسي مشروع، واكتشاف غريب حقًا في لوحة نتائج، ويعني أن الصفوف التي تتضمن النظر إلى أي شيء تقيس إطار الاختبار كاملًا، لا النموذج وحده.

الصفّان الحاملان لبادئة AA يستحقّان تحفّظًا خاصًا بهما. إنّ AA-Omniscience-Public وAA-LCR v1.1 هما معيارا قياس ينشرهما Artificial Analysis، المتتبّع المستقل — لكن هذه نتائج تشغيل Baidu لهما، وليست نتائج تشغيل Artificial Analysis. حتى 11 نوفمبر، لا يوجد صف ERNIE 5.5 على لوحة المتصدّرين الخاصة بـ Artificial Analysis، لذا لا يوجد رقم مستقل يُقارَن بأي من الخليتين.

عرض الأعمال التجريبي هو الحجة الفعلية.

إذا كان جدول المعايير هو الجزء الذي سيُقتبس، فإن دراسات الحالات الأربع هي الجزء الذي يصعب تزييفه، لأنها تصف نواتج عمل لا درجات. والتفاصيل محددة بما يكفي لتكون قابلة للتحقق من حيث المبدأ، وملموسة بما يكفي لتكون مفيدة عند اتخاذ قرار بشأن ما ستوجّه هذا النموذج إليه.

• تطوير الألعاب — لعبة منظور الشخص الثالث بمحرك Unreal Engine 5.8 بُنيت ضمن مهمة برمجية واحدة مدتها 11 ساعة، مع دمج أصول من عدة أجيال من المحركات في مشروع واحد وكتابة اللعبة بلغة C++؛ وبشكل منفصل، ما يقرب من 100 لعبة مصغرة للهواتف المحمولة مولّدة من وثائق تصميم عبر Cocos وUnity وLayaAir وPixiJS وCanvas 2D، معظمها يبني القواعد كمحاكاة حتمية بحيث يمكن لجولات لعب البوتات والبحث في فضاء الحالات التحقق من إمكانية إنهاء كل مستوى.

• النمذجة ثلاثية الأبعاد — طائرة Boeing 747 ومطار بكين داشينغ، بناهما وكيلان عبر واجهة برمجة تطبيقات Python الخاصة بـ Blender، أحدهما على المطار والآخر على الطائرة، ثم جرى مطابقتهما في المقياس، وإضاءتهما، وعرضهما إطارًا بإطار باستخدام Cycles وOptiX، وقُطّعا باستخدام FFmpeg؛ ومجمع معبد Hōryū-ji الذي جرى البحث عنه وبناؤه خطوة بخطوة؛ وتسلسل previs يضم نحو 2,100 كائن و1.82 مليون مثلث عبر أربعة مشاهد Blender؛ ومحرك W16 وبرجان في شنتشن ومركبة قمرية نُموذجت في FreeCAD عبر نصوص Python البرمجية.

• العمل المعرفي — تقرير بحثي من 20 صفحة عن تكاليف الكهرباء في مراكز البيانات، وتحليل من 24 صفحة للقيادة الذاتية مبني على 4,169 تقريرًا فيدراليًا عن حوادث الاصطدام، ودفتر عمل تفاعلي لتخطيط الثروة مع محاكاة مونت كارلو على 1,000 مسار، وقطعة أوركسترالية مدتها 6 دقائق و34 ثانية تُسلَّم بصيغة WAV. قصة التدريب الكامنة وراء هذا هي أكبر رقم في المنشور: 300,000 مساحة عمل تضم 10 ملايين ملف مرجعي عبر أكثر من 40 نوعًا من الملفات.

• فيديو — أكثر من 150,000 بيئة إنشاء وحوالي 5,300 دقيقة من الفيديو المكتمل، تتصدره تحفة قصيرة متحركة ثنائية الأبعاد مدتها 116 ثانية، مكتوبة بأكثر من 10,000 سطر من Python، وتحرّك طائر بجع واحدًا مُعاملًا عبر 20 أسلوبًا فنيًا.

ما تشترك فيه هذه كلها هو أن أياً منها ليس تفاعلاً في محادثة. فكل واحد منها تشغيل وكيلي طويل يتضمن استدعاءات أدوات، والادعاء المطروح يتعلق بالتحمّل — أي ما إذا كان النموذج قادراً على الحفاظ على تماسك خطة عبر ساعات من التعديلات. وهذه بالتحديد هي الخاصية التي يقيسها جدول قياس مرجعي مكوَّن من عشرين صفاً على أسوأ وجه، ولهذا يبدأ المنشور بالمخرجات.

حيث يتعارض منشور الإطلاق مع نقطة النهاية

النموذج الموصوف في المنشور والنموذج الموصوف في ورقة مواصفات Qianfan هما، على نحو واضح، النظام نفسه منظورًا إليه من قسمين لم يتبادلا الملاحظات. دخلت نقطة النهاية حيز التشغيل في 10 نوفمبر بسعر 0.28 دولار لكل مليون رمز إدخال و1.13 دولار لكل مليون رمز إخراج، مع قراءات مخزنة مؤقتًا بسعر 0.028 دولار، وسياق من 1,024,000 رمز، وسقف إخراج قدره 921,600 رمز، واستدلال إلزامي عند مستوى جهد عالٍ واحد، ودون بطاقة نموذج. أما منشور الإصدار، الذي نُشر بعد يوم، فيعيد ذكر نافذة السياق، ويتجاهل السعر كليًا، ولا يقول شيئًا عن الاستدلال الإلزامي، ويقدم قدر ما في بطاقة النموذج من التموضع دون تقديم بطاقة النموذج.

النتيجة العملية هي أنه لا بد من قراءة نصفَي القصة معًا، أو عدم قراءتهما إطلاقًا. يخبرك المقال بأن النموذج يستطيع تحمّل مهمة برمجة تستغرق إحدى عشرة ساعة؛ وتخبرك نقطة النهاية بأن كل ما "يفكر" فيه يُحتسب بسعر المخرجات، وأنه لا يمكنك إيقاف التفكير. التشغيل الذي يقضي ساعات في التكرار هو تشغيل يُصدر عددًا هائلًا من رموز المخرجات، وبسعر 1.13 دولار لكل مليون، فإن تكلفة العرض التجريبي سؤال لا يطرحه المقال أبدًا. وإلى أن يقيس أحدهم رموز المخرجات لكل مهمة مكتملة على عبء عمله الخاص، فإن أي مقارنة بين هذا النموذج ونموذج أرخص هي مقارنة بين بطاقات الأسعار.

ما الذي لا يزال ناقصًا، وهو ليس بالأمر الصغير

تُحدِّد ثلاثةُ غياباتٍ الحالةَ الراهنة لـ ERNIE 5.5 Flash Preview، ويُحَلُّ كلٌّ منها على مقياس زمني مختلف.

• الأوزان. يَعِد المنشور بترخيص Apache 2.0 «قريبًا» لكنه لا يحدد تاريخًا، وحتى 11 نوفمبر لا يوجد مستودع معاينة على Hugging Face — فالملفات الوحيدة الخاصة بـ ERNIE 5.5 المنشورة هناك هي ERNIE-5.5-Flash-Base ونسختها BF16، وكلتاهما أُنشئت في 21 أكتوبر. صدرت نقطة التحقق الأساسية بموجب ترخيص ERNIE 5.5 Flash Base، وهو ترخيص مجتمعي مقيّد يستثني الاتحاد الأوروبي والمملكة المتحدة وكوريا الجنوبية، ويحدّ من الاستخدام التجاري المجاني وفقًا للإيرادات السنوية ذات الصلة، ويتطلب إسنادًا «Powered by ERNIE». وإذا وصلت أوزان النسخة المعاينة فعلًا بموجب Apache 2.0، فإن ذلك يمثل تغييرًا في شروط الترخيص للعائلة، وأمرًا أكبر بكثير من أي صف في الاختبارات المعيارية.

• الدرجة المستقلة. لم يقم بتشغيل أي شيء في هذا الإصدار أحد غير Baidu. الاختبارات المعيارية التي يحمل اسمها AA هي التي ينبغي مراقبتها، لأن Artificial Analysis تشغّل أدواتها الاختبارية الخاصة بها وستنشر صفًا قابلًا للمقارنة إذا ما أضافت النموذج ومتى فعلت ذلك؛ وحتى ذلك الحين، فإن الخلايا العشرين ادعاء وليست قياسًا.

• النموذج النهائي. تقول بايدو إن التدريب اللاحق ما زال جاريًا وإن الإصدار الرسمي سيتفوّق على النسخة التجريبية. هذا تصريح صريح بأن أرقام اليوم لها صلاحية محدودة، ويجعل أي قرار بالبناء على نقطة التحقق هذه قرارًا بشأن هدف متحرك.

كيف يمكن تقييمه دون المجازفة بمسار إنتاجي عليه؟

يتم الوصول عبر واجهة Qianfan API الخاصة بـ Baidu، أو عبر منصات خارجية تعيد بيعها. لا يوجّه OrcaRouter نموذج ERNIE 5.5 Flash Preview — فلا يوجد مدخل ERNIE في كتالوجنا الذي يضم أكثر من 200 نموذج، ولا نقطة نهاية Baidu خلفه، لذا لا ينبغي قراءة أي شيء هنا على أنه عرض لتقديمه.

ما يجعل هذا الكتالوج مفيدًا في هذه الحالة هو الجانب الآخر من الطاولة: فالنماذج التي يُقارَن هذا النموذج بها جميعها متاحة عبر مفتاح واحد متوافق مع OpenAI بسعر قائمة المزوّد بهامش ربح 0%، ما يتيح لك تشغيل المهام العشرين نفسها عبر GPT-6.1 Sol وClaude Opus 5.5 وGLM-5.3 وDeepSeek V4.1 Flash بنفسك وترى ما إذا كان ترتيب بايدو يصمد أمام مطالباتك. ويتولى التحويل التلقائي عند الفشل المهمة الثانية — فلا حاجة أبدًا لأن يكون إصدار تجريبي بلا سجل لوقت التشغيل هو الشيء الوحيد الذي يسند مسار طلب، لأن بديلًا موجّهًا يمكنه تولّي الاستدعاء عندما يتعطّل.

التقييم الذي يستحق التنفيذ هذا الأسبوع ضيّق ورخيص. خُذ عشرة من مهام الوكيل طويلة الأفق الخاصة بك، وشغّل كل واحدة عبر الإصدار التجريبي وعبر نموذجين تثق بهما بالفعل، وسجّل ثلاثة أشياء لكل مهمة: هل انتهت، وكم رمز إخراج استهلكت، وكم كلّفت. يمنحك ذلك الرقمين اللذين لم تنشرهما Baidu — الرموز لكل مهمة والتكلفة لكل مهمة مكتملة — مقابل خط أساس اخترته بنفسك. كل ما عدا ذلك في منشور الإصدار، بما في ذلك 46.5، هو أداة تقييم شخص آخر.

ما سيحسم المسألة ليس عرضًا تجريبيًا آخر، بل تاريخٌ محدد لإصدار Apache 2.0، وبطاقة نموذج تتضمن تاريخ قطع المعرفة وجدول تقييم، وصفٌ في Artificial Analysis من إنتاج Artificial Analysis، ونقطة تحقق ثانية يمكن مقارنة أرقامها بأرقام هذه. لقد نشرت Baidu الآن القصة التي كان ينبغي أن تنشرها في 10 نوفمبر. والشيء التالي الذي تدين به لمستخدميها هو المخرج الملموس الذي يتيح لهم الكف عن الأخذ بكلمتها فيما يخص لوحة النتائج.