AnswersPublished18 sources
ERNIE 5.5 Flash Base: 280 mia. parametre, 14 mia. aktive
Baidu frigav modellen 5. november 2026. Det er en grundmodel, som kræver videre tilpasning til mange assistentopgaver.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- Baidu frigav modellen 5. november 2026.
- Det er en grundmodel, som kræver videre tilpasning til mange assistentopgaver. SGLang dokumentationen beskriver understøttelse af kontekster på op til 1 million tokens ved finjustering og inferens.[32][39]
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Baidu announce on November 5, 2026, with its Hugging Face release of ERNIE-5.5-Flash-Base, and how do its 280B total and 14B active. Article summary: Baidu announced the Hugging Face release of ERNIE-5.5-Flash-Base on November 5, 2026: a downloadable, text-only mixture-of-experts base model with 280 billion total parameters and 14 billion activated per token.[3][4] Th. Topic tags: general, general web, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
Baidu frigav ERNIE-5.5-Flash-Base på Hugging Face den 5. november 2026. Det er en tekstbaseret Mixture-of-Experts-model med vægte, der kan downloades. Baidu oplyser, at modellen har 280 mia. parametre i alt, aktiverer 14 mia. for hvert token og er trænet fra bunden på 33,5 billioner tokens.1
3
6
De to parametertal beskriver forskellige ting: 280 mia. er modellens samlede kapacitet, mens 14 mia. er den del, der aktiveres for hvert token. Det sidste er altså ikke checkpointets samlede størrelse. Og fordi der er tale om en grundmodel, er den et udgangspunkt for videre tilpasning – ikke en færdig, instruktionstrænet assistent.6
Hvad indeholder udgivelsen?
Checkpointet er ifølge dokumentationen fra SGLang fra afslutningen af fortræningen, før mellemtræning og eftertræning. Det beskrives som et udgangspunkt for blandt andet domænetilpasning, instruktionstræning og forskning i forstærkningslæring. Det kan derfor være relevant for udviklere, der vil tilpasse en model, men det kan kræve ekstra træning, før den passer til en assistentløsning.
Modellens kontekstgrænser afhænger af, hvad den bruges til: op til 128.000 tokens under træning og op til 1 million tokens ved finjustering og inferens. SGLang dokumenterer også understøttelse af kontekster på op til 1 million tokens ved udrulning.
Hugging Face-udgivelsen omfatter en FP8-model, og der findes også en BF16-variant. SGLang dokumenterer understøttelse af begge.5 Det er store checkpoints, og parametertallet fortæller ikke i sig selv, hvilken infrastruktur der skal til for at køre dem.
Sådan fungerer den sparsomme arkitektur
I en Mixture-of-Experts-model bruges ikke alle parametre til hvert token. ERNIE-modellens 280 mia. parametre i alt og 14 mia. aktive parametre afspejler denne sparsomme arkitektur.6
SGLang beskriver modellen som opbygget af 37 lag med kraftigt komprimeret attention og seks lag med multi-head latent attention, der behandler hele konteksten, kombineret med sparse attention. Dokumentationen angiver også 512 routede eksperter, hvoraf 10 vælges sammen med en delt ekspert i hvert MoE-lag. De tekniske detaljer beskriver, hvordan modellen er bygget op, men dokumenterer ikke i sig selv en bestemt hastigheds- eller omkostningsfordel for hele modellen.
Baidu oplyser, at fortræningen brugte Muon-optimeringsalgoritmen og blandet FP8-præcision på tusindvis af GPU'er. Virksomhedens modelmateriale beskriver også FlashMask-4 som en attention-kerne til store head-dimensioner.6
For selve kernen oplyser Baidu, at FlashMask-4 på SM100 kan give op til 175 % hurtigere fremadberegning og 74 % hurtigere baglænsberegning end FlashAttention-4 MaskMod.4 Det er Baidus egne resultater for en kerne – ikke et løfte om, at hele modellen kører 175 % hurtigere i en konkret driftsopsætning.
Hvad viser benchmarkresultaterne?
Baidus offentliggjorte resultater viser høje scorer på flere videns- og kodningstests, blandt andet sammenlignet med DeepSeek-V4-Flash-Base. Resultaterne er offentliggjorte benchmarkmålinger, ikke uafhængige gentagelser af testene.4
7
| Benchmark | ERNIE-5.5-Flash-Base | DeepSeek-V4-Flash-Base |
|---|---|---|
| MMLU-Pro | 78,4 | 69,2 |
| HumanEval+ | 82,3 | 69,5 |
| LiveCodeBench | 40,1 | 31,9 |
| ChineseSimpleQA | 73,0 | 75,3 |
I den angivne MMLU-test med fem eksempler scorer ERNIE 93,3. Det er højere end DeepSeek-V4-Flash-Base med 89,4, Hy3-preview med 87,5 og MiMo-V2.5 med 87,6.4 Men resultaterne er ikke en sejr på alle områder: DeepSeek scorer højere på ChineseSimpleQA og InfiniteBench i de offentliggjorte sammenligninger.
7
14
Det overordnede billede er en grundmodel med stor samlet kapacitet, sparsom aktivering pr. token og dokumenteret understøttelse af lange kontekster ved udrulning. Resultaterne ser lovende ud på flere områder, men modellen bør vurderes ud fra den konkrete opgave – og licensvilkårene – før den tages i brug.
Udrulning og licens
SGLang angiver, at både FP8- og BF16-checkpointet understøttes, og har vejledninger til udrulning, blandt andet med ECHO speculative decoding. Hugging Face-siden angiver en særlig ERNIE 5.5 Flash Base Model License Agreement v1.0. Aftalen henviser også til en politik for acceptabel brug, så adgang til modelvægtene betyder ikke, at brugen er uden begrænsninger. Gennemgå vilkårene, før modellen indgår i et produkt.19
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "ERNIE 5.5 Flash Base: 280 mia. parametre, 14 mia. aktive"?
Baidu frigav modellen 5. november 2026.
What are the key points to validate first?
Baidu frigav modellen 5. november 2026. Det er en grundmodel, som kræver videre tilpasning til mange assistentopgaver. SGLang dokumentationen beskriver understøttelse af kontekster på op til 1 million tokens ved finjustering og inferens.[32][39]