百度开放 ERNIE 5.5 Flash Base 权重：2800 亿参数，每个字只动用 140 亿

先把“Base”两个字说清楚：这是预训练刚结束的原始模型，没经过后续的对话调教，所以不能直接当聊天助手用，更像一块已经读完大量书、但还没学会“好好回答问题”的底子。百度的说法是，让开发者拿它去做领域适配、指令微调或强化学习研究。官方还说，调教好的 ERNIE 5.5 Flash 之后会发布。

01280B 和 14B 是怎么回事

它是“混合专家”（MoE）结构：模型里养着 512 个专家，每处理一个字只叫其中 10 个，外加 1 个共用专家。所以总参数 2800 亿，但每个字实际参与计算的只有 140 亿，算得快、花得少。训练用了 33.5 万亿 token，训练时的上下文最长 128K，微调和推理支持到 100 万 token。

官方还写了几处省内存的设计：只有七分之一的层保留对全部历史的逐字关注，其余层把每 128 个字压成一条缓存，这样长文本占的显存小得多。模型只处理文本，不带图像。

02成绩单看什么

百度拿它和 DeepSeek-V4-Flash-Base（284B）、Hy3-preview-Base（295B）、MiMo-V2.5-Base（310B）比，四个模型用同一套评测流程。以下是百度公布的数据：MMLU 93.3 对 89.4、87.5、87.6；代码 HumanEval+ 82.3，高于另外三家的 69.5、78.0、74.4；长文本 LongBench-v2 48.7，对 44.5、39.8、44.6。也有没赢的：中文问答 ChineseSimpleQA 是 DeepSeek 的 75.3 高于它的 73.0，InfiniteBench 也略低。评测是百度自己做的，等第三方复现更稳妥。

03能不能拿来用

权重在 Hugging Face 和魔搭都有，FP8 和 BF16 两个版本。官方给的部署例子用 SGLang 或 vLLM，示例命令设的是 4 卡并行，说明这不是个人电脑能跑的东西，面向的是有 GPU 集群的团队和研究者。许可证是百度自己的“ERNIE 5.5 Flash Base 模型许可协议 v1.0”，不是 Apache 或 MIT，商用前要读一遍条款。

我的看法：最有意思的不是跑分，而是百度这次选择放“基座”而不是“成品”。对多数人，现在还没什么可上手的；等后训练版本出来，才是普通用户能感受到差别的时候。