ERNIE 5.5 Flash Base: Baidu открыла 280B MoE с 1M контекста

5 ноября 2026 года Baidu выложила веса ERNIE 5.5 Flash Base — MoE-модели на 280 млрд параметров, из которых на каждый токен работают 14 млрд. Её обучили с нуля на 33,5 трлн токенов, контекст при инференсе — до 1 млн токенов. Это базовый чекпойнт без дообучения: он продолжает текст и не годится как чат-ассистент, версию для диалога Baidu обещает позже. В тестах Baidu базовая ERNIE обходит DeepSeek-V4-Flash-Base в 26 из 30 строк таблицы. Коммерческое использование бесплатно до 50 млн долларов годовой выручки — с уведомлением и надписью «Powered by ERNIE».

Что выпустила Baidu: ERNIE 5.5 Flash Base

Baidu открыла базовую модель семейства ERNIE 5.5 — тот вариант, который остаётся после предобучения, до инструктивного дообучения и RL. Веса лежат на Hugging Face и ModelScope в двух версиях: FP8 и BF16. Анонс в блоге ERNIE датирован 5 ноября 2026 года, лицензия — тем же днём.

Смысл такого релиза Baidu объясняет прямо: разным доменам, задачам рассуждения и агентам нужны разные данные и разное поведение, поэтому разработчикам отдают общий фундамент, а куда его вести — решают они. Модель задумана как стартовая точка для адаптации под домен, instruction tuning и экспериментов с RL.

Чем base-модель отличается от обычной ERNIE 5.5 Flash

Base умеет продолжать текст, но не отвечать на вопросы. У неё нет чат-шаблона, привычки следовать инструкции и выученных отказов. Baidu и обслуживает её через эндпоинт /v1/completions с полем prompt; чат-эндпоинт для базовой модели в инструкции не описан.

Если вам нужна модель, которая просто отвечает пользователю, Base без собственного дообучения не подойдёт. Её аудитория — команды, у которых есть данные, GPU и задача, ради которой стоит учить модель под себя.

Как устроена ERNIE 5.5 Flash: 280 млрд параметров, 14 млрд активных

Это разреженная MoE-модель: на каждый токен работает 5 % параметров. Основные характеристики из карточки:

Из необычного: вместо одного маршрутизатора экспертов стоят несколько независимых — Baidu называет это Multi-Router. Отдельный модуль предсказания нескольких токенов заменён последним слоем самой сети (ECHO), и тот же слой служит черновой моделью для спекулятивного декодирования. Числа токенизатор режет справа налево группами до трёх цифр.

Почему у ERNIE 5.5 Flash дешёвый длинный контекст

Потому что почти все слои внимания хранят в кэше одну запись на 128 токенов. Из 43 слоёв 37 используют сильно сжатое внимание (HCA), и только 6 — полное латентное внимание MLA с разреженной выборкой DSA. Полный доступ к контексту сохраняется примерно в каждом седьмом слое.

На практике это значит: KV-кэш на миллион токенов у такой архитектуры заметно меньше, чем у модели с полным вниманием в каждом слое. Baidu утверждает, что при сопоставимом бюджете кэша связка HCA с MLA работает лучше альтернативы с CSA, а стоимость внимания в MLA-слоях на запрос перестаёт расти с длиной контекста. Абсолютных цифр памяти на 1 млн токенов в карточке нет.

ERNIE 5.5 Flash Base против DeepSeek V4 Flash Base: результаты тестов

Baidu сравнила модель с тремя базовыми моделями того же класса на одном наборе промптов и настроек. Выборка из таблицы:

Из 30 строк основной таблицы ERNIE впереди DeepSeek-V4-Flash-Base в 26. Отстаёт на ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench, а на BBH с рассуждением и FullStackBench лучший результат у Hy3. Все цифры — замеры Baidu, независимых прогонов пока нет. И это сравнение базовых моделей: как поведёт себя дообученная версия, таблица не говорит.

Можно ли использовать ERNIE 5.5 Flash в коммерческом проекте

Можно, но лицензия своя, не Apache и не MIT. Условия зависят от годовой выручки продуктов, связанных с моделью:

1. Некоммерческое использование — исследования, обучение, эксперименты — бесплатно и без уведомлений.
2. Коммерческое при выручке до 50 млн долларов включительно — бесплатно. Нужно один раз отправить уведомление на Baidu_ERNIE@baidu.com: кто вы, какая модель и версия, в каких продуктах. Ждать ответа не обязательно.
3. Выше 50 млн долларов — только с отдельным письменным разрешением Baidu до начала использования. Если выручка перерастает порог в процессе, разрешение надо получить заранее, иначе использование приостанавливается.

В любом коммерческом продукте обязательна надпись «Powered by ERNIE» в интерфейсе, на сайте или в документации. Для API без интерфейса достаточно документации.

Два пункта, которые легко пропустить. Пункт 5.5 запрещает использовать модель и её ответы для улучшения любой другой модели — дистиллировать ERNIE в свою модель на чужой базе нельзя. Пункт 5.6 обязывает того, кто открывает доступ третьим лицам, держать защиту от нарушений и канал для жалоб. Право — Гонконга, споры — только в суде Гонконга.

Сколько нужно железа для запуска ERNIE 5.5 Flash Base

Много. Официальной таблицы требований к памяти в карточке нет, но порядок понятен из размера: 280 млрд параметров в FP8 — около 280 ГБ одних весов, в BF16 — около 560 ГБ. Это наша оценка по числу параметров, без учёта KV-кэша.

Примеры запуска Baidu даёт для SGLang и vLLM: тензорный параллелизм на 4 GPU в SGLang, data parallel на 4 и FP8-кэш в vLLM, контекст в примерах — 131 072 токена. До миллиона токенов оба сервера принимают, но памяти на это потребуется больше. Для команды без собственного кластера это значит аренду нескольких серверных GPU уровня последних поколений — до первого полезного ответа.

Что делать, если нужна такая модель через API сегодня

ERNIE 5.5 Flash в каталоге KeyDealer нет — на 8 ноября 2026 года её не отдаёт GET /v1/models, а дообученной версии не существует вовсе. Если вам нужна MoE-модель этого класса для продукта, а не для дообучения, ближайший вариант в каталоге — DeepSeek V4 Flash: 284 млрд параметров, 13 млрд активных, та самая модель, базовую версию которой Baidu взяла для сравнения.

Расчёт простой: 2,5 млн токенов на тысячу запросов, ставки в каталоге одинаковые на вход и выход. Свежие ставки всех моделей — в таблице стоимости миллиона токенов. Чем DeepSeek V4 Flash отличается от старшей V4 Pro, мы разбирали, когда V4 Pro появилась в каталоге.

Своя ERNIE имеет смысл в двух случаях: вы будете её дообучать, или данные не должны покидать ваш контур. Во всех остальных аренда GPU под 280 ГБ весов дороже, чем тысячи запросов по API, — посчитайте на своём объёме, прежде чем заказывать сервер.

Что Baidu пока не сказала про ERNIE 5.5 Flash

Три вещи, от которых зависит, станет ли модель практической альтернативой.

Дата дообученной версии. В анонсе одна фраза: дообученная ERNIE 5.5 Flash выйдет следом. Ни даты, ни лицензии для неё нет.

Цена API. Тарифов на ERNIE 5.5 Flash в анонсе нет. Будет ли у неё облачный API и на каких условиях он доступен разработчикам из России, неизвестно.

Независимые замеры. Все цифры в таблице получены Baidu на собственном стенде. Посмотрим, подтвердятся ли они у сообщества на базовой модели и как поменяются после дообучения.

Этот релиз продолжает гонку открытых китайских MoE-моделей: за последние месяцы веса выкладывали Tencent, Moonshot и Alibaba, мы писали, например, про Tencent Hy4 на 770 млрд параметров. Пока ERNIE готовится к выходу в чат-версии, модели того же класса можно подключить по одному ключу с оплатой в рублях на keydealer.ru/login.