ERNIE 5.5 Flash Preview: 14B aktív, 1M kontextus

Mit adott ki a Baidu?

Az ERNIE 5.5 Flash Preview a korábban kiadott Flash Base első post-trainelt változata. A Baidu kódolásra, 3D modellezésre, tudásmunkára és tartalomkészítésre hangolta, gyors dekódolás mellett (Baidu ERNIE).

• 280 milliárd paraméter összesen, 14 milliárd aktív tokenenként, 1 millió tokenes kontextus.
• Csak szöveges modell, képet nem lát.
• API a Baidu Qianfan platformján, a súlyokat Apache 2.0 licenccel később nyitják meg.
• Köztes checkpoint: a post-training még tart, egyes képességek a Baidu szerint elmaradhatnak a végleges kiadástól.

A számok

Forrás: Baidu ERNIE, ERNIE 5.5 Flash Preview bejelentés

• Terminal-Bench 4.0: 46,5. Hy4: 44,4, DeepSeek-V4.1-Flash: 42,3, GPT-6.1 Sol: 56,1, Claude Opus 5.5: 66,4.
• DeepSWE v1.1: 71,2. Itt a DeepSeek-V4.1-Flash 77,0, az Opus 5.5 74,2.
• AutomationBench: 61,9, a táblázat legjobbja (DeepSeek-V4.1-Flash: 60,5).
• MCP-Atlas: 84,6, az Opus 5.5 84,2.
• HLE eszközök nélkül: 46,4, az Opus 5.5 61,4.

A csillagos értékeket a Baidu maga mérte, független ellenőrzés még nincs. A mezőny súlycsoportban értendő: a 14 milliárd aktív paraméteres modell a hasonló méretű kínai MoE-kkal versenyez, a zárt csúcsmodellektől a nehéz feladatokon még jól látható a lemaradás.

Mire jó a gyakorlatban?

A Baidu bemutatói hosszú agentfeladatokra mutatnak: egy 11 órás kódolási futásban Unreal Engine 5.8-as játékot írt C++-ban, Blender Python API-val repteret és templomot épített, FreeCAD-ben szerkeszthető motormodellt készített. Ezek gyártói demók, de jól mutatják, hogy a cél az agent harness, nem a chat.

Ha a súlyok tényleg Apache 2.0 alatt jönnek, az ERNIE 5.5 Flash a nyílt kínai MoE modellek közé kerül a LongCat-2.5 mellé (LongCat-2.5: 1,6T-s nyílt agentmodell MIT licenccel). Addig európai csapatnak a Qianfan API a reális út, adatkezelési szempontból ezt érdemes előre átnézni.