ERNIE-5.5-Flash-Base: Baidu veröffentlicht einen 280-Milliarden-Parameter-Checkpoint und schränkt dann ein, wo man ihn verwenden darf

Zwei Wochen lang war das Bemerkenswerteste an ERNIE-5.5-Flash-Base, wie wenig Baidu darüber sagte. Das Hugging-Face-Repository wurde am 21. Oktober 2026 registriert und blieb im Wesentlichen leer, bis es am 2. November kaum mehr als eine README enthielt. Die ersten Gewichts-Shards trafen an jenem Morgen ein, und der 128-teilige FP8-Checkpoint war am nächsten Tag vollständig hochgeladen. Erst am 5. November veröffentlichte Baidu den technischen Blogbeitrag und die Modellkarte, die erklären, was dort tatsächlich bereitgestellt worden war: ein sparses Mixture-of-Experts-Checkpoint mit 280 Milliarden Parametern, von denen pro Token 14 Milliarden aktiv sind, von Grund auf mit 33,5 Billionen Tokens vortrainiert.

Bis zu jenem Morgen war das primäre Repository viermal heruntergeladen worden, bei einer Like-Anzahl im oberen Fünfzigerbereich. Die Kluft zwischen diesen beiden Zahlen ist der Release im Kleinen. Sehr viele Menschen verfolgen Baidus zweite Hinwendung zu offenen Gewichten, und fast niemand hat die Gewichte bisher mit nach Hause genommen.

Zwei Dinge erklären das Zögern, und beide sind Eigenschaften des Releases selbst und nicht das Gerede darum herum. Das erste ist, dass dies ein Basis-Checkpoint ist – das Ende des Pre-Trainings, ohne Mid-Training und ohne Post-Training –, sodass es kein Chat-Modell ist und sich auch nicht wie eines verhält. Das zweite ist die Lizenz. Sie ist nicht Apache 2.0, sie gilt nicht für die Europäische Union, das Vereinigte Königreich oder Südkorea, und ihre kommerziellen Bedingungen ändern sich, sobald Ihr damit verbundener Umsatz 50 Millionen US-Dollar pro Jahr übersteigt.

Was Baidu veröffentlicht hat und in welcher Reihenfolge

Die Commit-Historie im Repository ist eine sauberere Darstellung des Releases als jede Ankündigung. Ein erster Commit am 21. Oktober. Ein README am 26. Oktober, zwei Minuten später gefolgt von einem Ordner-Upload und dann einer Löschung der Architektur- und Performance-Bilder – das übliche Hin und Her, wenn jemand eine Seite zusammenbaut. Die Konfigurationsdateien kamen am 2. November um 06:29, unmittelbar danach die Weight-Shards und die letzten der 128 vor 09:00 am folgenden Morgen. Die Benchmark- und Architekturzahlen wurden am 4. November veröffentlicht. Das Logo, die Tokenizer-Anpassungen und die letzten README-Durchgänge kamen am 5. November, nur Stunden nachdem der Blogbeitrag live gegangen war.

Die Reihenfolge ist also: zuerst die Gewichte, zweitens die Dokumentation, drittens die Ankündigung. Baidu hat keinen Launch inszeniert und dann die Dateien hinterhergezogen. Es hat einen 280B-Checkpoint ins Internet gestellt und die Erklärung danach geschrieben. Das sollte man klar sagen, denn die Darstellung, die Sie in der chinesischsprachigen Berichterstattung sehen werden – eine triumphale Open-Source-Ankündigung – beschreibt, was am 5. November geschah, nicht was am 2. November geschah.

Es gibt zwei Repositories, und die Aufteilung ist wichtiger als üblich. baidu/ERNIE-5.5-Flash-Base liefert FP8-Mixed-Precision-Safetensors; baidu/ERNIE-5.5-Flash-Base-BF16 liefert denselben Checkpoint in BF16. Beide sind ohne Zugriffsbeschränkung, beide sind reine Textmodelle, und beide geben dieselben 280B Gesamtparameter und 14B aktivierten Parameter an. Ein dritter Satz Gewichte existiert im Modell als ECHO-Parameter – 0,36B davon –, den Baidu ausdrücklich aus den offiziellen Kernzahlen heraushält.

Die Zählkonventionen sollte man genau festhalten, denn sie widersprechen sich auf derselben Seite. Baidus 280B umfassen das Input-Embedding und den Output-Head, und die Angabe von 14B aktivierten Parametern zählt den Output-Head mit, nicht aber den Embedding-Lookup. Das Modellgrößen-Widget von Hugging Face selbst zeigt 286B an – eine andere Konvention, angewandt auf dieselben Dateien. Keine von beiden ist falsch; sie beantworten leicht unterschiedliche Fragen, und ein Datenblatt, das sie vermischt, wird nicht aufgehen.

Ein Basis-Checkpoint ist kein Chatbot, und der Unterschied ist nicht kosmetisch.

Die folgenreichste Zeile auf der Modellkarte ist die am wenigsten dramatische: Dies ist „der Checkpoint am Ende des Pre-Trainings, vor jeglichem Mid- oder Post-Training“. Baidus angegebener Zweck ist Domänenanpassung, Instruction-Tuning und Reinforcement-Learning-Forschung. Es ist ein Ausgangspunkt, der als Ausgangspunkt verkauft wird.

Was das in der Praxis bedeutet: Man kann es nicht in ein Chat-Produkt einbauen und erwarten, dass es ERNIE ist. Die Model Card stellt es über den /v1/completions-Endpunkt statt über Chat Completions bereit und weist darauf hin, dass Eingaben ein BOS-Token benötigen, sodass die Tokenisierung add_special_tokens=True beibehalten muss. Ein Basismodell setzt Text fort. Es befolgt keine Anweisungen, lehnt keine Anfragen ab und führt keine Gespräche, weil ihm das niemand beigebracht hat.

Es gibt auch noch kein nachtrainiertes Schwestermodell, und genau diesen Punkt verstehen Leser am häufigsten falsch, wenn sie die Benchmark-Zahlen sehen. Baidus Blog besagt, dass das nachtrainierte ERNIE 5.5 Flash „will follow.“ Es existiert heute nicht. Es gibt keine in den Veröffentlichungsunterlagen genannte gehostete API dafür auf Qianfan, kein Chatmodell zum Vergleichen und keine Zeile für ERNIE 5.5 Flash bei Artificial Analysis – ich habe den Modellindex am 5. November geprüft, und er führt ERNIE 4.5 300B A47B und ERNIE 5.0 Thinking Preview auf, und nichts aus der 5.5-Reihe.

Die ehrliche Beschreibung von 5.5 Flash als Produktfamilie am Tag seiner Ankündigung lautet also: ein Basis-Checkpoint, offene Gewichte, kein Instruct-Modell, kein Endpoint. Alles andere ist ein Versprechen für später.

Innerhalb der Architektur, kurz.

Baidu hat seinen Engineering-Aufwand auf die Kosten von langem Kontext gerichtet, und das Design ist nachvollziehbar, selbst wenn man es nie trainiert.

• Attention — 37 von 43 Schichten verwenden Heavily Compressed Attention, das einen Eintrag pro 128 Token zwischenspeichert, während 6 Schichten den Zugriff auf Token-Ebene durch MLA mit Sparse Attention (DSA) beibehalten. Bei einem vergleichbaren KV-Cache-Budget berichtet Baidu, dass HCA in Kombination mit MLA HCA in Kombination mit Compressed Sparse Attention übertrifft.

• Head-Geometrie – die günstigen, 128-fach komprimierten HCA-Schichten erhalten breite Heads mit 512 Dimensionen; die teuren MLA-Schichten auf Token-Ebene erhalten schmale mit 256 Dimensionen. Die Head-Breite ist darauf abgestimmt, was die Attention jeder Schicht tatsächlich kostet.

• Experten — 512 geroutete Experten pro MoE-Schicht mit Top-10-Routing plus einem gemeinsamen Experten, verteilt und kombiniert in einem 2.048-dimensionalen latenten Raum bei halber verborgener Breite. Die Lastverteilung erfolgt ohne Hilfsverlust.

• Residuen und Ausgabe — Manifold-Constrained Hyper-Connections mit vier parallelen Residualströmen ersetzen den standardmäßigen Residualpfad, und ein MultiMax-Head mit einer lernbaren stückweisen Temperatur schärft die Vokabularverteilung.

• ECHO — statt eines separaten Moduls für Multi-Token-Vorhersage sagt die letzte Schicht des Backbones selbst zukünftige Tokens voraus und fungiert zugleich als Entwurfsmodell für spekulatives Dekodieren. Dies sind die 0,36B, die außerhalb der Parameteranzahl liegen.

• Tokenizer — etwa 201.000 BPE-Einträge, wobei Zahlen von rechts nach links in Gruppen von bis zu drei Ziffern tokenisiert werden.

Die Kontext-Story ist die eigentliche praktische Schlagzeile: 128K während des Trainings und 1M für Fine-Tuning und Inferenz, wobei die veröffentlichte Konfiguration bereits die 1M-Einstellung ermöglicht. Das ist ein wirklich großes Fenster für einen offenen Checkpoint dieser Größe, und es ist die Fähigkeit, um die Baidu die Architektur herum gebaut hat, statt sie nachträglich anzubauen.

Die Benchmark-Tabelle ist echt, und sie ist nicht die Zahl, für die du sie hältst.

Baidu veröffentlicht 30 Zeilen in den Bereichen Prüfung, Wissen, STEM, Reasoning, Mehrsprachigkeit, Code und langer Kontext, im Vergleich zu drei zeitgenössischen Basismodellen: DeepSeek-V4-Flash-Base mit 284B insgesamt und 13B aktiv, Hy3-preview-Base mit 295B und 21B sowie MiMo-V2.5-Base mit 310B und 15B. Alle vier wurden durch dieselbe Evaluierungs-Pipeline mit denselben Prompts und Few-Shot-Einstellungen geschickt — was die richtige Art ist, die Tabelle zu erstellen, und auch der Grund, warum sie nicht neben Chat-Modellen in ein Leaderboard eingefügt werden kann.

ERNIE-5.5-Flash-Base führt bei 24 von 30 Zeilen. Die Abstände, die am meisten zählen, betreffen Code und prüfungsähnliches Wissen, wo die Unterschiede zwischen Basismodellen üblicherweise gering sind:

• HumanEval+ (1-Shot, Pass@1) – ERNIE 82,3 vs. DeepSeek 69,5, Hy3 78,0, MiMo 74,4

• MMLU-Pro (5-Shot, EM) — ERNIE 78,4 vs. DeepSeek 69,2, Hy3 66,9, MiMo 65,7

• LiveCodeBench (1-Shot, Pass@1) — ERNIE 40,1 gegenüber DeepSeek 31,9, Hy3 33,5, MiMo 32,4

• RepoQA (0-Shot, Pass@1) — ERNIE 91,7 vs. DeepSeek 81,0, Hy3 91,3, MiMo 56,5

Es verliert außerdem sechs, und diese sechs sind aussagekräftiger als die Siege. ChineseSimpleQA geht mit 75,3 gegen 73,0 für ERNIE an DeepSeek. BBH mit Chain-of-Thought geht mit 90,0 gegen 89,2 an Hy3. INCLUDE-lite ist eine Niederlage gegen DeepSeek um eine Rundungsdifferenz, 79,8 zu 79,5. FullStackBench geht mit 56,7 gegen 54,6 an Hy3. HELMET-Rerank ist die deutlichste Niederlage, 60,0 zu 56,2. InfiniteBench, 48,0 zu 46,5, geht ebenfalls an DeepSeek – ein pointiertes Ergebnis für ein Modell, dessen zentrales Designziel langer Kontext war.

Jede einzelne dieser Zahlen stammt von Baidu selbst, wurde von Baidu auf einer von Baidu konfigurierten Prüfumgebung erzeugt und zusammen mit den Gewichten veröffentlicht. Kein Dritter hat irgendetwas davon reproduziert. Das ist keine Anschuldigung; es ist der normale Zustand eines Modells, das erst wenige Stunden alt ist, und genau der Zustand, in dem Anbietertabellen am häufigsten zitiert werden, als wären es Messungen.

Der Vergleich, der tatsächlich nützlich wäre, existiert noch nicht, und es ist nicht der, zu dem die Tabelle einlädt. Das sind alles Basismodelle. Ein Wert von 93,3 bei MMLU für einen Basis-Checkpoint ist nicht dasselbe wie 93,3 bei einem Chat-Modell, und ihn neben einen Score des Artificial Analysis Intelligence Index zu stellen – der auf nachtrainierten Modellen berechnet wird, die agentische und reasoningbezogene Arbeit leisten – wäre ein Kategorienfehler. Baidu hat einen sorgfältigen Vergleich innerhalb derselben Kategorie veröffentlicht. Der Fehler, der allen Lesern dieses Vergleichs offensteht, besteht darin, ihn als kategorieübergreifend zu behandeln.

Die Lizenz ist der Teil, der die Leute tatsächlich aufhalten wird.

Lässt man die Ankündigung beiseite, wird diese Veröffentlichung durch die ERNIE 5.5 Flash Base Model License Agreement v1.0 geregelt. Sie ist auf den 5. November 2026 datiert – die Lizenz selbst ist die verlässlichste Bestätigung des Ankündigungsdatums – und es handelt sich um eine individuelle Vereinbarung, nicht um eine OSI-zugelassene.

Drei Klauseln erledigen den Großteil der Arbeit.

• Territorium. Die Gewährung erfolgt „ausschließlich innerhalb des Territoriums“, das Abschnitt 1.11 als jedes geografische Gebiet weltweit definiert, außer der Europäischen Union, dem Vereinigten Königreich und Südkorea. Die Weiterverbreitung nach Abschnitt 3.1 ist auf dasselbe Territorium beschränkt. Dies ist die Klausel, die für ein Unternehmen, das „offene Gewichte“ liest und eine Bereitstellung plant, am ehesten von Bedeutung sein dürfte.

• Die Grenze von US$50 Millionen. Die nichtkommerzielle Nutzung ist kostenlos. Die kommerzielle Nutzung ist ebenfalls kostenlos, solange Ihr Jahresumsatz mit zugehörigen Produkten oder Dienstleistungen bei oder unter US$50 Millionen liegt, vorausgesetzt, Sie senden vor der ersten kommerziellen Nutzung eine einmalige Nutzungsanzeige an Baidu und zeigen die exakte Zeichenfolge „Powered by ERNIE“ an einer leicht zugänglichen Stelle an – in einer Benutzeroberfläche, auf einer About-Seite oder, bei APIs und Backend-Diensten, in Ihrer Entwicklerdokumentation. Oberhalb von US$50 Millionen benötigen Sie vor dem Start eine separate vorherige schriftliche Genehmigung, und die Gebühren werden in einer separaten Vereinbarung festgelegt.

• Wie der Umsatz gezählt wird. Abschnitt 1.7 fasst jede Einheit unter gemeinsamer Kontrolle – mehr als 50 % der Eigenkapital- oder Stimmrechte – zu einem Betreiber zusammen. Er zählt außerdem den gesamten Umsatz eines zugehörigen Produkts, selbst wenn dieses Produkt neben ERNIE andere Modelle verwendet. Man kann sich nicht unter die Schwelle rechnen, indem man auf den Anteil des Datenverkehrs verweist, der diese Gewichte berührt.

Der Kontrast zu Baidus eigener Geschichte ist es, was diese Nachricht bemerkenswert statt routinemäßig macht. ERNIE 4.5, veröffentlicht am 30. Juni 2025, kam in zehn Varianten unter Apache 2.0 — wirklich permissiv, keine territorialen Beschränkungen, keine Umsatzhürde, keine Attributionsangabe. ERNIE 5.0 im November 2025 schlug den entgegengesetzten Weg ein und lieferte überhaupt keine Gewichte. ERNIE-5.5-Flash-Base ist eine dritte Position: Gewichte, die man herunterladen kann, zu Bedingungen, die „open“ zu einer Aussage über Verfügbarkeit statt über Erlaubnis machen.

Wenn Sie dieses Modell für irgendeinen kommerziellen Zweck bewerten, lesen Sie die Abschnitte 1.7, 1.11 und 4, bevor Sie die Benchmark-Tabelle lesen. Die Tabelle sagt Ihnen, was es kann. Diese drei Abschnitte sagen Ihnen, ob Sie es überhaupt herausfinden dürfen.

Was man zum Laufen braucht

Die Gewichte sind groß genug, dass sich die Hardware-Frage von selbst beantwortet, und klein genug, dass die Antwort nicht absurd ist. Bei FP8 sind 280B Parameter etwa 280 GB an Gewichten, noch vor jeglichem KV-Cache – Arithmetik, keine Messung –, was in einen Knoten mit vier 80-GB-GPUs passt, wobei der Spielraum enger ist, als es klingt, sobald man einen 128K-Kontext aktiviert. Das BF16-Repository verdoppelt das auf etwa 560 GB und verlangt acht Karten.

Baidu liefert zwei Serving-Pfade aus, und beide sind mit Reibung verbunden, die man kennen sollte, bevor man loslegt.

• SGLang — ein vorgefertigtes Image, lmsysorg/sglang:dev-ernie-55-flash, gestartet mit Tensor-Parallelität 4 und Attention-Datenparallelität 4. Es ist ein Dev-Tag, keine gepinnte Version.

• vLLM — vLLM 0.32.0 plus ein Plugin, das aus Baidus eigenem vLLM-ERNIE-Repository installiert wurde. Zu den Start-Flags gehören FP8-KV-Cache, Experten-Parallelismus und --moe-backend humming.

Keiner der beiden Wege ist mit einer einzigen Zeile installiert, und insbesondere der vLLM-Weg legt Sie auf eine bestimmte vLLM-Version und ein Plugin fest, das Baidu pflegt. Das ist normal für ein Modell mit neuer Attention- und MoE-Struktur, und es ist die Art von Detail, die darüber entscheidet, ob sich eine zweiwöchige Evaluierung um eine Woche verzögert. Aus demselben Grund ist auf der Karte ein Megatron-Bridge-Fine-Tuning-Beispiel verlinkt: Dieser Checkpoint ist dafür gedacht, trainiert und nicht nur bereitgestellt zu werden.

Wer sollte es herunterladen, und wer sollte warten

Laden Sie es herunter, wenn Sie für Fine-Tuning eingerichtet sind. Ein 280B-A14B-Basis-Checkpoint, trainiert mit 33,5T Tokens, mit einem 1M-Token-Inferenzfenster und kommerziellen Bedingungen, die unterhalb der Umsatzgrenze und außerhalb der ausgeschlossenen Gebiete tragfähig sind, ist ein ernstzunehmender Ausgangspunkt für eine Domänenadaption oder einen RL-Lauf — und das Aktivierungsverhältnis bedeutet, dass Ihre Trainings- und Serving-Kosten bei 14B statt bei 280B liegen. Die Effizienzarbeit, die Baidu an Attention und KV-Cache geleistet hat, zielt genau auf die Long-Context- und agentischen Workloads, die auf einem dichten Modell vergleichbarer Qualität teuer im Betrieb sind.

Warten Sie, wenn Sie ein Modell zum Aufrufen wollen. Es gibt keine Instruct-Version, keine API und keine unabhängige Bewertung. Wer ERNIE 5.5 Flash als Produkt braucht, wartet auf die nachtrainierte Veröffentlichung, die Baidu versprochen, aber nicht terminiert hat.

Und prüfen Sie vorher auch die Karte. Wenn Ihre Nutzer, Ihr Unternehmen oder Ihre Infrastruktur in der EU, im Vereinigten Königreich oder in Südkorea sitzen, gewährt Ihnen die Lizenz nicht die Rechte, die der Download-Button suggeriert.

Es gibt einen praktikablen Mittelweg für Teams, deren eigentliche Frage nicht lautet „Können wir das betreiben?", sondern „Ist das besser als das, wofür wir bereits bezahlen?" Der Vergleich, den Sie brauchen, gilt den gehosteten Modellen, die Sie ersetzen würden, und denen, die Sie heute aufrufen können. OrcaRouter bringt über 200 Modelle hinter einer einzigen API zu 0 % Aufschlag — durchgereichter Listenpreis des Anbieters, sodass eine Preissenkung eines Anbieters noch am selben Tag ankommt — was einen Vergleichstest gegen Ihr aktuelles Produktionsmodell zu einer Frage des Änderns eines Modell-Strings macht, statt einen zweiten Vertrag zu unterschreiben. Bei einem Checkpoint, den Sie fine-tunen und selbst hosten möchten, ist die Routing-Schicht der Weg, den amtierenden Anbieter im Spiel zu halten, während Sie herausfinden, ob das Fine-Tuning tatsächlich besser ist – mit automatischem Failover, falls nicht. ERNIE-5.5-Flash-Base ist nicht auf OrcaRouter; es ist eine Reihe von Gewichten, die Sie selbst betreiben, und daran ändert sich hier nichts.

Was zu sehen

Die interessante Variable ist nicht, ob der Basis-Checkpoint gut ist – nach Baidus eigenen Zahlen ist er wettbewerbsfähig mit den Basismodellen, gegen die er gemessen wurde, und er gewinnt die meisten Zeilen. Die Variable ist, was Baidu mit dem nachtrainierten Modell macht, denn dort beginnen die Lizenzbedingungen, für echte Produkte bindend zu werden, und dort wird es endlich eine unabhängige Bewertung geben.

Zwei Daten sollte man sich merken. Das erste ist das nachtrainierte ERNIE 5.5 Flash, das laut Baidu folgen soll und für das noch kein Termin angesetzt ist. Das zweite ist die erste Reproduktion durch Dritte für irgendeine Zeile in dieser 30-zeiligen Tabelle – der Moment, in dem die Zahlen aufhören, Baidus zu sein, und anfangen, allen zu gehören. Bis dahin lautet die ehrliche Zusammenfassung von ERNIE-5.5-Flash-Base, dass Baidu einen großen, sorgfältig konstruierten Pretraining-Checkpoint öffentlich veröffentlicht, ihn zutreffend beschrieben und eine Lizenz beigefügt hat, die erheblich weniger offen ist, als die Formulierung „open weights“ gemeinhin suggeriert.