ERNIE-5.5-Flash-Base：百度开放 280B 检查点，随后收窄其可用范围

两周以来，关于 ERNIE-5.5-Flash-Base 最引人注目的地方，就是百度对它的介绍少得可怜。其 Hugging Face 仓库于 2026 年 10 月 21 日注册，直到 11 月 2 日基本还是空的，里面几乎只有一个 README。首批权重分片在当天上午到位，128 个分片的 FP8 检查点于次日完成上传。直到 11 月 5 日，百度才发布技术博客和模型卡，说明它实际放进去的是什么：一个 280B 参数的稀疏混合专家检查点，每个 token 激活其中 14B 参数，基于 33.5 万亿个 token 从零开始预训练。

到那天早上，主仓库已被下载四次，而点赞数有五十好几个。这两个数字之间的差距，正是这次发布的一个缩影。很多人都在关注 Baidu 第二次转向开放权重，但几乎还没有人把权重带回家。

有两件事可以解释这种犹豫，而这两点都源于此次发布本身，而非围绕它的议论。第一件是，这是一个基础检查点——预训练的终点，没有中期训练，也没有后训练——因此它不是聊天模型，行为方式也不像聊天模型。第二件是许可证。它不是 Apache 2.0，不适用于欧盟、英国或韩国，而且一旦你的相关年收入超过 5000 万美元，其商业条款就会改变。

百度发布了什么，以及按什么顺序发布

仓库的提交历史比任何公告都更清晰地记录了这次发布。10 月 21 日有一次初始提交。10 月 26 日出现了一个 README，两分钟后是一次文件夹上传，随后又删除了架构和性能图片——这正是有人拼装页面时常见的琐碎变动。配置文件于 11 月 2 日 06:29 到达，权重分片紧随其后，128 个分片中的最后一个在次日早上 09:00 前到位。基准测试和架构数据于 11 月 4 日上线。logo、分词器调整以及 README 的最终几轮修订于 11 月 5 日到来，距离博客文章上线仅数小时。

所以顺序是：先放权重，再放文档，最后才发公告。Baidu 并没有先办一场发布活动，然后再把文件拖出来跟在后面。它是先把一个 280B 的检查点放到互联网上，之后才写说明。这一点值得直说，因为你在中文报道中会看到的那个框架——一场凯旋式的开源公告——描述的是 11 月 5 日发生的事，而不是 11 月 2 日发生的事。

存在两个仓库，而这种拆分比通常更重要。baidu/ERNIE-5.5-Flash-Base 提供 FP8 混合精度 safetensors；baidu/ERNIE-5.5-Flash-Base-BF16 以 BF16 提供同一检查点。两者均无需申请访问权限，均为纯文本模型，并且都声明相同的 280B 总参数量和 14B 激活参数量。模型内部还存在第三组权重，即 ECHO 参数——共 0.36B——百度明确将其排除在主要统计数字之外。

这些统计口径值得明确下来，因为它们在同一个页面上互相矛盾。百度的 280B 包含输入嵌入和输出头，而其 14B 激活参数量统计了输出头，但不统计嵌入查表。Hugging Face 自己的模型规模小组件显示为 286B——这是对同一批文件采用了不同的口径。两者都没错；它们回答的是略有不同的问题，而混用这些口径的规格表会对不上。

基础检查点不是聊天机器人，这一区别并非表面功夫。

模型卡上最要紧的一句话，恰恰是最不显眼的那句：这是“预训练结束时的检查点，尚未经过任何中期训练或后期训练”。百度声明的用途是领域适配、指令微调与强化学习研究。它是一个起点，也是以起点的身份出售的。

在实际使用中，这意味着你不能把它换进聊天产品并指望 ERNIE。模型卡通过 /v1/completions 端点而不是聊天补全来提供它，并指出输入需要 BOS token，因此分词必须保持 add_special_tokens=True。基础模型只会续写文本。它不会遵循指令、拒绝请求或进行对话，因为没有任何东西教过它这些。

目前也还没有经过后训练的同系列模型，而这正是读者在看到基准测试数字时最常弄错的部分。百度的博客称，经过后训练的 ERNIE 5.5 Flash“将会随后推出”。它目前尚不存在。发布材料中并未提到千帆上有为其提供的托管 API，也没有可供对比的聊天模型，Artificial Analysis 上也没有 ERNIE 5.5 Flash 这一行——我于 11 月 5 日查看了模型索引，其中列有 ERNIE 4.5 300B A47B 和 ERNIE 5.0 Thinking Preview，而 5.5 系列则没有任何条目。

所以，在发布当天，对 5.5 Flash 作为一个产品系列的诚实描述是：一个基础检查点，开放权重，没有 instruct 模型，没有端点。其余一切都只是对后续的承诺。

在架构内部，简要说明

百度把工程精力花在了长上下文的成本上，而且即便你从未训练过它，这个设计也清晰可读。

• 注意力 — 43 层中有 37 层使用重度压缩注意力（Heavily Compressed Attention），每 128 个 token 缓存一个条目；而 6 层通过带有稀疏注意力（DSA）的 MLA 保留 token 级访问。在匹配的 KV 缓存预算下，百度报告称，HCA 与 MLA 搭配优于 HCA 与压缩稀疏注意力搭配。

• 注意力头几何结构——低成本、128× 压缩的 HCA 层使用宽的 512 维注意力头；昂贵的 token 级 MLA 层使用窄的 256 维注意力头。注意力头宽度与每层注意力实际产生的开销相匹配。

• 专家 —— 每个 MoE 层有 512 个路由专家，采用 top-10 路由，外加一个共享专家，在维度为 2,048、宽度为隐藏层一半的潜在空间中进行分发与合并。负载均衡不依赖辅助损失。

• 残差与输出 — 采用具有四条并行残差流的流形约束超连接（Manifold-Constrained Hyper-Connections）替代标准残差路径，并使用带有可学习分段温度参数的 MultiMax 头来锐化词表分布。

• ECHO — 无需单独的多 token 预测模块，骨干网络自身的最后一层即可预测未来 token，并兼作推测解码的草稿模型。这就是位于参数计数之外的 0.36B。

• 分词器——约 201,000 个 BPE 条目，数字按从右到左、每组最多三位数字进行分词。

上下文窗口这一项才是真正的实用亮点：训练期间为 128K，微调和推理时为 1M，而已发布的配置已经启用了 1M 设置。对于这一规模的开放检查点来说，这是一个真正巨大的窗口，而且这是 Baidu 在构建架构时就围绕其设计的能力，而非事后附加。

基准表是真实的，而且它并不是你所认为的那个数字。

百度发布了 30 行结果，涵盖考试、知识、STEM、推理、多语言、代码和长上下文，并与三个同时代的基础模型进行对比：DeepSeek-V4-Flash-Base 总参数 284B、激活 13B，Hy3-preview-Base 为 295B 和 21B，MiMo-V2.5-Base 为 310B 和 15B。这四个模型都通过同一条评估流水线运行，使用相同的提示词和 few-shot 设置——这是构建该表格的正确方式，也正是它不能被直接放入与聊天模型并列的排行榜的原因。

ERNIE-5.5-Flash-Base 在 30 行中领先 24 行。最重要的差距体现在代码和考试类知识方面，而这些方面基础模型之间的差异通常很小：

• HumanEval+（1-shot，Pass@1）—— ERNIE 82.3 对比 DeepSeek 69.5、Hy3 78.0、MiMo 74.4

• MMLU-Pro（5-shot，EM）——ERNIE 78.4 对比 DeepSeek 69.2、Hy3 66.9、MiMo 65.7

• LiveCodeBench（1-shot，Pass@1）—— ERNIE 40.1 对比 DeepSeek 31.9、Hy3 33.5、MiMo 32.4

• RepoQA（零样本，Pass@1）——ERNIE 91.7 对比 DeepSeek 81.0，Hy3 91.3，MiMo 56.5

它也在六项上落败，而这六项失利比那些胜项更能说明问题。ChineseSimpleQA 以 75.3 对 ERNIE 的 73.0 归 DeepSeek。带思维链的 BBH 以 90.0 对 89.2 归 Hy3。INCLUDE-lite 是输给 DeepSeek 的毫厘之差，79.8 对 79.5。FullStackBench 以 56.7 对 54.6 归 Hy3。HELMET-Rerank 是差距最大的败绩，60.0 对 56.2。InfiniteBench，48.0 对 46.5，也归 DeepSeek——对于一个以长上下文为核心设计目标的模型来说，这是个颇具针对性的结果。

那些数字无一例外都是百度自己的，由百度产出，跑在百度自行配置的评测框架上，并与模型权重一同发布。没有任何第三方复现过其中任何一项。这并非指责；对于一个问世仅数小时的模型而言，这是常态，而恰恰在这种状态下，厂商公布的数据表最常被当作实测结果来引用。

真正有用的那种比较目前尚不存在，而且它不是表格所引导的那种比较。这些全都是 base模型。基础检查点在 MMLU 上的 93.3 分并不等同于聊天模型上的 93.3 分，而将其与 Artificial Analysis Intelligence Index 分数并列——该分数是在从事智能体和推理工作的后训练模型上计算的——会是一种范畴错误。百度发布了一项严谨的同类比较。每个读到它的人都会犯的错误，就是把它当作跨类别比较。

许可证才是真正能拦住人的部分

抛开公告不谈，规范本次发布的文件是《ERNIE 5.5 Flash 基础模型许可证协议 v1.0》。其日期为 2026 年 11 月 5 日——该许可证本身是对公告日期最可靠的确认——并且它是一份自定义协议，而非 OSI 批准的协议。

三个条款完成了大部分工作。

• 地域。该授予仅“在地域内”作出，第1.11节将地域定义为全球所有地理区域，但不包括欧盟、英国和韩国。第3.1节下的再分发仅限于同一地域。对于读到“开放权重”并计划部署的公司而言，这最可能成为关键条款。

• 5000 万美元这条线。非商业用途免费。商业用途同样免费，前提是您从相关产品或服务获得的年收入不超过 5000 万美元，并且在首次商业使用前向百度发送一次性的使用通知，同时在某个易于访问的位置显示确切的字符串"Powered by ERNIE"——可以是界面、关于页面，或者对于 API 和后端服务而言，可以是您的开发者文档。超过 5000 万美元时，您需要在开始使用前另行获得事先书面授权，费用由单独的协议确定。

• 收入如何计算。第 1.7 节将共同控制下的所有实体——股权或投票权超过 50%——合并为一个运营方。它还会计入相关产品的全部收入，即使该产品在 ERNIE 之外还使用了其他模型。你不能通过指出接触这些权重的流量占比，就将自己的收入归因到门槛以下。

与百度自身历史的对比，正是这件事具有新闻价值而非例行公事的原因。ERNIE 4.5 于 2025 年 6 月 30 日发布，以 Apache 2.0 许可推出了十个变体——真正宽松，没有地域限制，没有收入门槛，也没有署名声明要求。2025 年 11 月的 ERNIE 5.0 则完全相反，根本没有发布任何权重。ERNIE-5.5-Flash-Base 是第三种定位：权重可以下载，但其条款使“开放”成为关于可获得性的表述，而非关于许可的表述。

如果你出于任何商业目的评估此模型，请先阅读第1.7、1.11和4节，然后再看基准测试表。表格告诉你它能做什么。那三节则告诉你，你是否被允许去弄清楚。

运营需要什么

权重足够大，以至于硬件问题不言自明；又足够小，以至于答案并不荒谬。在 FP8 下，280B 参数在任何 KV 缓存之前大约就是 280 GB 权重——这是算术，不是实测——它能放进一个由 80 GB 显卡组成的四 GPU 节点，而一旦启用 128K 上下文，余量会比听起来更紧。BF16 仓库则把它翻倍到大约 560 GB，并且需要八张卡。

百度提供两条服务路径，两者都存在一些值得你在开始前了解的摩擦。

• SGLang —— 一个预构建镜像 lmsysorg/sglang:dev-ernie-55-flash，以张量并行 4 和注意力数据并行 4 启动。它是 dev 标签，并非固定版本。

• vLLM — vLLM 0.32.0，外加一个从百度自家 vLLM-ERNIE 仓库安装的插件。启动参数包括 FP8 KV 缓存、专家并行以及 --moe-backend humming。

这两条路径都不是一行命令就能安装，尤其是 vLLM 路线，会把你固定到某个特定的 vLLM 版本，以及一个由 Baidu 维护的插件上。对于具有全新注意力机制和 MoE 结构的模型来说，这很正常；而正是这类细节，决定了一项为期两周的评估是否会推迟一周。卡片中出于同样的原因链接了一个 Megatron-Bridge 微调示例：这个 checkpoint 是要用来训练的，而不只是用来提供推理服务的。

谁应该下载，谁应该再等等

如果你已经具备微调条件，就把它下载下来。一个在 33.5T token 上训练而成的 280B-A14B 基础检查点，拥有 100 万 token 的推理窗口，且其商业条款在营收门槛以下、在被排除的地区之外均可适用，对于领域自适应或强化学习训练来说是一个相当扎实的起点——而激活比例意味着你的训练与推理服务成本是按 14B 而非 280B 来计算的。百度在注意力和 KV 缓存方面所做的效率优化工作，正是瞄准长上下文、智能体类工作负载——这类负载在同质量的稠密模型上运行起来成本高昂。

等等，如果你想要的是一个可以调用的模型。没有 instruct 版本，没有 API，也没有独立评估。任何需要将 ERNIE 5.5 Flash 作为产品使用的人，都在等待百度承诺发布但尚未给出日期的后训练版本。

另外，无论选择哪种方式，都请先查看地图。如果你的用户、你的实体或你的基础设施位于欧盟、英国或韩国，该许可证并不会授予你下载按钮所暗示的那些权利。

对于真正的疑问不是“我们能不能跑这个”，而是“这是否比我们已经在付费使用的东西更好”的团队来说，存在一条务实的中间路线。你需要的比较对象是你将要替换的托管模型，以及今天就能调用的那些模型。OrcaRouter 将200 多款模型接入同一个 API，以 0% 加价——按提供商标价透传，因此供应商降价当天就能生效——这使得与你当前生产模型进行对比评测，只需更改一个模型字符串，而无需再签一份合同。对于你打算微调并自行托管的检查点，路由层正是你在判断微调是否真的更好的同时，让现有模型继续参与其中的方式；如果并非更好，还可自动故障转移。ERNIE-5.5-Flash-Base 不在 OrcaRouter 上；它是一组由你自己运行的权重，这里没有任何内容会改变这一点。

看什么

真正有意思的变量不是基础检查点是否优秀——按照百度自己给出的数字，它与被拿来对比的基础模型相比具有竞争力，并且在大多数行中胜出。变量在于百度会如何使用后训练模型，因为正是在那里，许可条款开始对真实产品产生约束，也正是在那里，最终会出现独立评分。

有两个日期值得记住。第一个是经过后训练的 ERNIE 5.5 Flash，百度称其将会推出，但尚未排期。第二个是对那张 30 行表格中任意一行进行的首次第三方复现——从那一刻起，这些数字不再属于百度，而开始属于所有人。在那之前，对 ERNIE-5.5-Flash-Base 的诚实总结是：百度公开发布了一个大型、经过精心工程的预训练检查点，对其描述准确，并附加了一份许可证，而这份许可证的开放程度远低于“开放权重”这个说法通常所暗示的水平。