ERNIE-5.5-Flash-Base: Baidu abre um checkpoint de 280B e depois restringe onde você pode usá-lo

Durante duas semanas, o mais notável em ERNIE-5.5-Flash-Base foi o quão pouco a Baidu disse sobre ele. O repositório no Hugging Face foi registrado em 21 de outubro de 2026 e ficou praticamente vazio até 2 de novembro, contendo pouco mais que um README. Os primeiros shards de pesos chegaram naquela manhã, e o checkpoint FP8 de 128 partes terminou de ser enviado no dia seguinte. Somente em 5 de novembro a Baidu publicou o blog técnico e o model card que explicam o que ela realmente havia colocado ali: um checkpoint esparso de mistura de especialistas com 280B parâmetros, dos quais 14B ativos por token, pré-treinado do zero em 33,5 trilhões de tokens.

Naquela manhã, o repositório principal já tinha sido baixado quatro vezes, contra uma contagem de curtidas na casa dos cinquenta e poucos. A distância entre esses dois números é o lançamento em miniatura. Muitíssimas pessoas estão acompanhando a segunda virada da Baidu em direção a pesos abertos, e quase ninguém ainda levou os pesos para casa.

Duas coisas explicam a hesitação, e ambas são propriedades do próprio lançamento, e não falatório em torno dele. A primeira é que este é um base checkpoint — o fim do pré-treinamento, sem treinamento intermediário e sem pós-treinamento —, portanto não é um modelo de chat e não se comporta como um. A segunda é a licença. Não é Apache 2.0, não se estende à União Europeia, ao Reino Unido nem à Coreia do Sul, e seus termos comerciais mudam quando sua receita relacionada ultrapassa US$50 milhões por ano.

O que o Baidu publicou, e em que ordem

O histórico de commits no repositório é um relato mais claro do lançamento do que qualquer anúncio. Um commit inicial em 21 de outubro. Um README em 26 de outubro, seguido dois minutos depois por um upload de pasta e então pela exclusão das imagens de arquitetura e desempenho — a agitação comum de alguém montando uma página. Os arquivos de configuração chegaram em 2 de novembro às 06:29, os shards de pesos logo em seguida, e o último dos 128 antes das 09:00 da manhã seguinte. Os números de benchmark e arquitetura foram publicados em 4 de novembro. O logotipo, os ajustes no tokenizer e as últimas revisões do README vieram em 5 de novembro, poucas horas depois de o post do blog entrar no ar.

A sequência é: os pesos primeiro, a documentação em segundo, o anúncio em terceiro. A Baidu não encenou um lançamento para depois arrastar os arquivos para fora atrás dele. Ela colocou um checkpoint de 280B na internet e escreveu a explicação depois. Vale dizer isso sem rodeios, porque o enquadramento que você verá na cobertura em chinês — um anúncio triunfante de código aberto — descreve o que aconteceu em 5 de novembro, não o que aconteceu em 2 de novembro.

Existem dois repositórios, e a divisão importa mais do que costuma importar. baidu/ERNIE-5.5-Flash-Base traz safetensors de precisão mista FP8; baidu/ERNIE-5.5-Flash-Base-BF16 traz o mesmo checkpoint em BF16. Ambos são irrestritos, ambos são somente texto e ambos declaram os mesmos 280B no total e 14B ativados. Há um terceiro conjunto de pesos dentro do modelo como parâmetros ECHO — 0,36B deles — que a Baidu exclui explicitamente das contagens principais.

Vale a pena fixar as convenções de contagem, porque elas divergem na mesma página. Os 280B do Baidu incluem o embedding de entrada e a cabeça de saída, e seu número de 14B ativados conta a cabeça de saída, mas não a consulta de embedding. O próprio widget de tamanho de modelo do Hugging Face indica 286B — uma convenção diferente aplicada aos mesmos arquivos. Nenhuma está errada; elas respondem a perguntas ligeiramente diferentes, e uma ficha de especificações que as misture não vai bater.

Um checkpoint base não é um chatbot, e a diferença não é cosmética.

A linha mais decisiva na ficha do modelo é a menos dramática: este é “o checkpoint ao final do pré-treinamento, antes de qualquer treinamento intermediário ou pós-treinamento”. O propósito declarado da Baidu é adaptação de domínio, ajuste por instruções e pesquisa em aprendizado por reforço. É um ponto de partida, vendido como um ponto de partida.

Na prática, isso significa que você não pode simplesmente colocá-lo em um produto de chat e esperar o ERNIE. A ficha o disponibiliza por meio do endpoint /v1/completions, e não de chat completions, e observa que as entradas precisam de um token BOS, então a tokenização precisa manter add_special_tokens=True. Um modelo base continua texto. Ele não segue instruções, não recusa solicitações nem mantém uma conversa, porque nada lhe ensinou a fazer isso.

Também ainda não há uma versão irmã pós-treinada, e esta é a parte que os leitores mais costumam entender errado quando veem os números do benchmark. O blog da Baidu diz que o ERNIE 5.5 Flash pós-treinado "virá na sequência". Ele não existe hoje. Não há API hospedada para ele no Qianfan que os materiais de lançamento mencionem, nenhum modelo de chat para comparar e nenhuma linha para o ERNIE 5.5 Flash no Artificial Analysis — consultei o índice de modelos em 5 de novembro e ele contém ERNIE 4.5 300B A47B e ERNIE 5.0 Thinking Preview, e nada da linha 5.5.

Então, a descrição honesta do 5.5 Flash como uma família de produtos, no dia do seu anúncio, é: um checkpoint base, pesos abertos, nenhum modelo instruct, nenhum endpoint. Todo o resto é uma promessa sobre o futuro.

Dentro da arquitetura, brevemente

A Baidu dedicou seu esforço de engenharia ao custo do contexto longo, e o design é compreensível mesmo que você nunca o treine.

• Atenção — 37 de 43 camadas usam Heavily Compressed Attention, que armazena em cache uma entrada a cada 128 tokens, enquanto 6 camadas mantêm acesso no nível de token por meio de MLA com atenção esparsa (DSA). Com um orçamento de KV-cache equivalente, a Baidu relata que HCA combinado com MLA supera HCA combinado com atenção esparsa comprimida.

• Geometria das cabeças — as camadas HCA baratas, comprimidas 128×, recebem cabeças largas de 512 dimensões; as camadas MLA caras, em nível de token, recebem cabeças estreitas de 256 dimensões. A largura da cabeça é ajustada ao que a atenção de cada camada realmente custa.

• Especialistas — 512 especialistas roteados por camada MoE com roteamento top-10 mais um especialista compartilhado, despachados e combinados em um espaço latente de 2.048 dimensões com metade da largura oculta. O balanceamento de carga é livre de perda auxiliar.

• Resíduos e saída — Manifold-Constrained Hyper-Connections com quatro fluxos residuais paralelos substituem o caminho residual padrão, e uma cabeça MultiMax com temperatura aprendível por partes afina a distribuição de vocabulário.

• ECHO — em vez de um módulo separado de previsão de múltiplos tokens, a própria camada final do backbone prevê tokens futuros e também atua como modelo rascunho de decodificação especulativa. Estes são os 0,36B que ficam fora da contagem de parâmetros.

• Tokenizador — cerca de 201.000 entradas BPE, com números tokenizados da direita para a esquerda em grupos de até três dígitos.

O ponto sobre o contexto é o destaque prático: 128K durante o treinamento e 1M para ajuste fino e inferência, com a configuração lançada já habilitando a definição de 1M. Essa é uma janela genuinamente grande para um checkpoint aberto desse tamanho, e é a capacidade em torno da qual a Baidu construiu a arquitetura, em vez de tê-la adicionado depois.

A tabela de benchmark é real, e não é o número que você pensa que é.

A Baidu publica 30 linhas em exame, conhecimento, STEM, raciocínio, multilíngue, código e contexto longo, em comparação com três modelos base contemporâneos: DeepSeek-V4-Flash-Base, com 284B no total e 13B ativos, Hy3-preview-Base, com 295B e 21B, e MiMo-V2.5-Base, com 310B e 15B. Todos os quatro foram executados por um único pipeline de avaliação, com os mesmos prompts e configurações de few-shot — que é a maneira correta de construir a tabela e também o motivo pelo qual ela não pode ser simplesmente colocada em um leaderboard ao lado de modelos de chat.

ERNIE-5.5-Flash-Base lidera 24 das 30 linhas. As margens que mais importam estão em código e conhecimento no estilo de exames, onde as diferenças entre modelos base costumam ser pequenas:

• 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 vs 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

Ele também perde em seis, e esses seis são mais informativos do que as vitórias. ChineseSimpleQA fica com o DeepSeek, com 75,3 contra 73,0 do ERNIE. BBH com cadeia de raciocínio fica com o Hy3, com 90,0 contra 89,2. INCLUDE-lite é uma derrota na margem de arredondamento para o DeepSeek, 79,8 contra 79,5. FullStackBench fica com o Hy3, com 56,7 contra 54,6. HELMET-Rerank é a derrota mais ampla, 60,0 contra 56,2. InfiniteBench, 48,0 contra 46,5, também fica com o DeepSeek — o que é um resultado incisivo para um modelo cujo objetivo central de design era o contexto longo.

Todos esses números são do próprio Baidu, produzidos pelo Baidu, em uma estrutura de avaliação configurada pelo Baidu e publicados junto com os pesos. Nenhum terceiro reproduziu nada disso. Isso não é uma acusação; é o estado normal de um modelo que tem apenas algumas horas, e é exatamente o estado em que tabelas de fornecedores são mais frequentemente citadas como se fossem medições.

A comparação que seria realmente útil ainda não existe, e não é a que a tabela convida. Todos estes são modelos base. Uma pontuação de 93,3 no MMLU para um checkpoint base não é 93,3 num modelo de chat, e colocá-la ao lado de uma pontuação do Artificial Analysis Intelligence Index — que é calculada em modelos pós-treinados realizando trabalho agêntico e de raciocínio — seria um erro de categoria. A Baidu publicou uma comparação cuidadosa dentro da categoria. O erro possível para qualquer pessoa que a leia é tratá-la como uma comparação entre categorias.

A licença é a parte que realmente vai impedir as pessoas.

Deixando o anúncio de lado, o documento que rege esta versão é o ERNIE 5.5 Flash Base Model License Agreement v1.0. Ele tem data de 5 de novembro de 2026 — a própria licença é a confirmação mais confiável da data do anúncio — e é um acordo personalizado, não aprovado pela OSI.

Três cláusulas fazem a maior parte do trabalho.

• Território. A concessão é feita "exclusivamente dentro do Território", que a Seção 1.11 define como toda área geográfica em todo o mundo exceto a União Europeia, o Reino Unido e a Coreia do Sul. A redistribuição nos termos da Seção 3.1 fica limitada ao mesmo território. Esta é a cláusula com maior probabilidade de importar para uma empresa que lê "pesos abertos" e planeja uma implantação.

• A linha de US$ 50 milhões. O uso não comercial é gratuito. O uso comercial também é gratuito enquanto sua receita anual proveniente de produtos ou serviços relacionados for igual ou inferior a US$ 50 milhões, desde que você envie um aviso de uso único à Baidu antes do primeiro uso comercial e exiba a string exata "Powered by ERNIE" em algum local de fácil acesso — uma interface do usuário, uma página "sobre" ou, para APIs e serviços de backend, sua documentação para desenvolvedores. Acima de US$ 50 milhões, você precisa de uma autorização prévia por escrito em separado antes de começar, e as taxas são definidas por um acordo separado.

• Como a receita é contabilizada. A Seção 1.7 agrega toda entidade sob controle comum — mais de 50% do capital ou dos direitos de voto — em um único operador. Ela também contabiliza a totalidade da receita de um produto relacionado mesmo quando esse produto usa outros modelos ao lado do ERNIE. Não é possível ficar abaixo do limite por meio de atribuição, apontando para a parcela do tráfego que passa por esses pesos.

O contraste com a própria história do Baidu é o que torna isto digno de notícia em vez de rotina. O ERNIE 4.5, lançado em 30 de junho de 2025, veio em dez variantes sob a Apache 2.0 — genuinamente permissiva, sem restrição territorial, sem barreira de receita, sem exigência de atribuição. O ERNIE 5.0, em novembro de 2025, seguiu o caminho totalmente oposto e não disponibilizou nenhum peso. O ERNIE-5.5-Flash-Base é uma terceira posição: pesos que você pode baixar, sob termos que fazem de “aberto” uma declaração sobre disponibilidade, e não sobre permissão.

Se você estiver avaliando este modelo para qualquer fim comercial, leia as Seções 1.7, 1.11 e 4 antes de ler a tabela de benchmarks. A tabela diz o que ele pode fazer. Essas três seções dizem se você tem permissão para descobrir.

O que é preciso para executar

Os pesos são grandes o suficiente para que a questão de hardware se responda por si só, e pequenos o suficiente para que a resposta não seja absurda. Em FP8, 280B parâmetros equivalem a aproximadamente 280 GB de pesos antes de qualquer KV cache — aritmética, não uma medição — o que cabe em um nó de quatro GPUs com placas de 80 GB, com uma margem mais apertada do que parece quando você ativa um contexto de 128K. O repositório BF16 dobra isso para aproximadamente 560 GB e exige oito placas.

A Baidu oferece dois caminhos de serving, e ambos apresentam atritos que vale a pena conhecer antes de começar.

• SGLang — uma imagem pré-construída, lmsysorg/sglang:dev-ernie-55-flash, iniciada com paralelismo de tensores 4 e paralelismo de dados de atenção 4. É uma tag de desenvolvimento, não uma versão fixada.

• vLLM — vLLM 0.32.0 mais um plugin instalado do próprio repositório vLLM-ERNIE da Baidu. As flags de inicialização incluem cache KV FP8, paralelismo de especialistas e --moe-backend humming.

Nenhum dos caminhos é uma instalação de uma linha, e a rota vLLM em particular fixa você em uma versão específica do vLLM e em um plugin mantido pela Baidu. Isso é normal para um modelo com nova estrutura de atenção e MoE, e é o tipo de detalhe que decide se uma avaliação de duas semanas atrasa uma semana. Um exemplo de fine-tuning com Megatron-Bridge é vinculado no card pelo mesmo motivo: este checkpoint foi feito para ser treinado, não apenas servido.

Quem deve baixá-lo e quem deve esperar

Baixe-o se você estiver configurado para fazer fine-tuning. Um checkpoint base 280B-A14B treinado em 33,5T tokens, com uma janela de inferência de 1M tokens e termos comerciais viáveis abaixo da linha de receita e fora dos territórios excluídos, é um ponto de partida sério para uma adaptação de domínio ou uma execução de RL — e a proporção de ativação significa que seus custos de treinamento e serviço acompanham 14B, não 280B. O trabalho de eficiência que o Baidu fez em atenção e cache KV é direcionado exatamente às cargas de trabalho agênticas de contexto longo que são caras de executar em um modelo denso de qualidade comparável.

Espere, se você quiser um modelo para chamar. Não há versão instruct, nem API, nem avaliação independente. Quem precisa do ERNIE 5.5 Flash como produto está esperando o lançamento pós-treinado que a Baidu prometeu e ainda não datou.

E verifique o mapa antes disso também. Se os seus utilizadores, a sua entidade ou a sua infraestrutura estiverem na UE, no Reino Unido ou na Coreia do Sul, a licença não lhe concede os direitos que o botão de download implica.

Existe um caminho intermediário prático para equipes cuja verdadeira pergunta não é "conseguimos executar isso", mas sim "isso é melhor do que aquilo pelo que já pagamos". A comparação de que você precisa é com os modelos hospedados que você substituiria, e com aqueles que você pode chamar hoje. O OrcaRouter coloca mais de 200 modelos por trás de uma única API com 0% de acréscimo — preço de tabela do provedor repassado, de modo que um corte de preço do fornecedor chega no mesmo dia — o que transforma um teste comparativo contra o seu modelo atual em produção em uma simples troca de string de modelo, em vez de assinar um segundo contrato. Para um checkpoint que você pretende ajustar (fine-tune) e auto-hospedar, a camada de roteamento é como você mantém o modelo atual no circuito enquanto descobre se o fine-tune é realmente melhor, com failover automático caso não seja. O ERNIE-5.5-Flash-Base não está no OrcaRouter; ele é um conjunto de pesos que você mesmo executa, e nada aqui muda isso.

O que assistir

A variável interessante não é se o checkpoint base é bom — segundo os números da própria Baidu, ele é competitivo com os modelos base com os quais foi comparado, e vence a maioria das linhas. A variável é o que a Baidu faz com o modelo pós-treinado, porque é aí que os termos de licença começam a incidir sobre produtos reais e onde finalmente haverá uma pontuação independente.

Vale a pena guardar duas datas. A primeira é o ERNIE 5.5 Flash pós-treinado, que a Baidu diz que virá e para o qual não definiu data. A segunda é a primeira reprodução por terceiros de qualquer linha daquela tabela de 30 linhas — o momento em que os números deixam de ser da Baidu e passam a ser de todos. Até lá, o resumo honesto do ERNIE-5.5-Flash-Base é que a Baidu lançou publicamente um checkpoint de pré-treinamento grande e cuidadosamente projetado, descreveu-o com precisão e anexou uma licença consideravelmente menos aberta do que a expressão "pesos abertos" costuma sugerir.