RespuestasPublicado18 fuentes
Qué ofrece el nuevo modelo base de Baidu, ERNIE-5.5-Flash-Base
Baidu publicó ERNIE 5.5 Flash Base el 5 de noviembre de 2026: un modelo de mezcla de expertos con 280.000 millones de parámetros totales y 14.000 millones activos por token. El punto de control corresponde al final del preentrenamiento.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Baidu publicó ERNIE 5.5 Flash Base el 5 de noviembre de 2026: un modelo de mezcla de expertos con 280.000 millones de parámetros totales y 14.000 millones activos por token.
- El punto de control corresponde al final del preentrenamiento. Está pensado como base para adaptación de dominio, ajuste de instrucciones e investigación en aprendizaje por refuerzo.
- La documentación de SGLang indica soporte para contextos de hasta un millón de tokens en ajuste fino e inferencia; los resultados de rendimiento publicados son reportes de Baidu, no verificaciones independientes.
Prompt de IA
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 publicó ERNIE-5.5-Flash-Base en Hugging Face el 5 de noviembre de 2026. Es un modelo de lenguaje solo de texto, descargable y de tipo mezcla de expertos (MoE, por sus siglas en inglés), con 280.000 millones de parámetros en total y 14.000 millones activados para cada token. Baidu afirma que lo preentrenó desde cero con 33,5 billones de tokens.1
3
6
La diferencia entre las dos cifras es importante: 280.000 millones describe la capacidad total del modelo; 14.000 millones, la parte que se activa para procesar cada token. No significa que el archivo del modelo tenga solo 14.000 millones de parámetros. Además, se trata de un modelo base, no de un asistente ya ajustado para seguir instrucciones.6
Un punto de partida para personalizar
El punto de control publicado corresponde al final del preentrenamiento, antes del entrenamiento intermedio o posterior. La documentación de SGLang lo presenta como una base para adaptación a dominios, ajuste de instrucciones e investigación en aprendizaje por refuerzo. En la práctica, quienes quieran usarlo como asistente probablemente tendrán que hacer entrenamiento adicional para adecuarlo a su aplicación.
La documentación distingue entre el contexto de entrenamiento —hasta 128.000 tokens— y el de ajuste fino e inferencia, que puede llegar a un millón de tokens. SGLang también documenta despliegues con contextos de hasta un millón de tokens.
La publicación incluye una versión FP8, y también existe una variante BF16. SGLang documenta compatibilidad con ambas.5 Son modelos de gran tamaño: el número de parámetros, por sí solo, no permite saber qué infraestructura se necesitará para ejecutarlos.
Qué significa su arquitectura dispersa
En un modelo de mezcla de expertos no se usan todos los parámetros en cada paso. Las cifras de ERNIE —280.000 millones en total y 14.000 millones activos por token— reflejan ese diseño disperso.6
Según SGLang, la arquitectura combina 37 capas de atención muy comprimidas con seis capas de atención latente multi-cabeza que conservan el contexto completo, además de atención dispersa. La documentación también describe 512 expertos enrutados y la selección de 10, junto con un experto compartido, en cada capa MoE. Estos datos describen cómo está construido el modelo, pero no demuestran por sí solos una ventaja concreta de velocidad o coste en todas las aplicaciones.
Baidu también afirma que lo entrenó con el optimizador Muon y precisión mixta FP8 en miles de GPU. En sus materiales, describe FlashMask-4 como un kernel de atención diseñado para dimensiones de cabeza grandes.6
Para ese kernel, Baidu informa que en SM100 las pasadas hacia delante pueden ser hasta un 175 % más rápidas y las pasadas hacia atrás, un 74 % más rápidas que con FlashAttention-4 MaskMod.4 Son resultados comunicados por la empresa sobre el kernel; no significan que el modelo completo vaya a ejecutarse un 175 % más rápido en un servicio real.
Cómo se comparan los resultados publicados
Los resultados reportados por Baidu son sólidos en varias pruebas de conocimiento y programación, incluidas comparaciones con DeepSeek-V4-Flash-Base. Son cifras de evaluación publicadas, no resultados replicados de forma independiente.4
7
| Prueba | 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 |
En la evaluación MMLU con cinco ejemplos, ERNIE obtiene 93,3, por delante de DeepSeek-V4-Flash-Base, con 89,4; Hy3-preview, con 87,5; y MiMo-V2.5, con 87,6.4 No gana en todas las pruebas: en las comparaciones publicadas, DeepSeek obtiene mejores resultados en ChineseSimpleQA e InfiniteBench.
7
14
La lectura práctica es que Baidu ofrece un modelo base de gran capacidad total, con activación dispersa por token y soporte documentado para contextos largos. Sus resultados publicados son prometedores en varias áreas, pero conviene evaluarlo con las tareas específicas de cada proyecto y revisar sus condiciones de uso antes de desplegarlo.
Servicio y licencia
SGLang incluye instrucciones de despliegue y declara compatibles las versiones FP8 y BF16, además de documentar la decodificación especulativa ECHO. La página del modelo en Hugging Face indica que se distribuye bajo el acuerdo de licencia ERNIE 5.5 Flash Base Model License Agreement v1.0, que también remite a una política de uso aceptable. Que los pesos estén disponibles para descarga no implica que su uso sea irrestricto: conviene revisar los términos antes de incorporarlo a un producto.19
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Qué ofrece el nuevo modelo base de Baidu, ERNIE-5.5-Flash-Base"?
Baidu publicó ERNIE 5.5 Flash Base el 5 de noviembre de 2026: un modelo de mezcla de expertos con 280.000 millones de parámetros totales y 14.000 millones activos por token.
¿Cuáles son los puntos clave a validar primero?
Baidu publicó ERNIE 5.5 Flash Base el 5 de noviembre de 2026: un modelo de mezcla de expertos con 280.000 millones de parámetros totales y 14.000 millones activos por token. El punto de control corresponde al final del preentrenamiento. Está pensado como base para adaptación de dominio, ajuste de instrucciones e investigación en aprendizaje por refuerzo.
¿Qué debo hacer a continuación en la práctica?
La documentación de SGLang indica soporte para contextos de hasta un millón de tokens en ajuste fino e inferencia; los resultados de rendimiento publicados son reportes de Baidu, no verificaciones independientes.