AI模型库 · 今日一模
ERNIE-5.5-Flash-Base
百度文心 · 280B / 14B 激活 · 预训练终点基座
base ≠ 聊天成品 · Territory 除 EU/UK/韩国
百度 11 月 5 日在文心博客放出了 ERNIE-5.5-Flash-Base。Hugging Face 上能看到两份权重：baidu/ERNIE-5.5-Flash-Base（FP8）和 baidu/ERNIE-5.5-Flash-Base-BF16，ModelScope 也同步了。规格一眼就很抢眼：280B 总参、14B 激活、预训练吃了 33.5T tokens。
可官方开头就写明白了：这是预训练终点的 checkpoint，还没做过 mid-training，也没做过 post-training。文本-only 的 base，走 completions API——不是你下载下来就能当文心聊天用的成品。
真正该盯的是两件事：能不能拿它接着做领域训，以及许可证能不能商用。280B 只是口号；下载下来也不会变成 Claude。
01
PART
官方自报挑几项：强在哪，弱在哪
SCORES
SPEC
· 规格：280B 总参 / 14B 激活 · 43 层 · 33.5T tokens · 训练窗 128K / 微调推理 1M
· 形态：文本-only base · completions API · 非聊天成品
· 官方自报（对 DeepSeek-V4-Flash-Base）：MMLU 93.3 · MMLU-Pro 78.4 · HumanEval+ 82.3 · RepoQA 91.7
· 反向：ChineseSimpleQA 73.0 低于 DeepSeek 75.3（官方自报）
· 许可：Territory 除 EU/UK/韩国 · ≤US$50M 标 Powered by ERNIE + 通知 · >50M 须书面授权
· 部署：SGLang / vLLM 多卡示例 · add_special_tokens=True · 未见官方 GGUF
官方用同一套评测管线，把这份 base 和 DeepSeek-V4-Flash-Base、Hy3-preview-Base、MiMo-V2.5-Base 放在一张表里。下面几项反差比较大（均为官方自报，不是本号结论）：MMLU 93.3 对 89.4；MMLU-Pro 78.4 对 69.2；GPQA 60.2 对 55.9；HumanEval+ 82.3 对 69.5；LiveCodeBench 40.1 对 31.9；RepoQA 91.7 对 81.0。
考试和代码向的数字看着亮，HumanEval+ 官方自报 82.3 对 DeepSeek 的 69.5，差距不小。但同一张表里也有反向：ChineseSimpleQA 官方写 ERNIE 73.0，低于 DeepSeek 的 75.3。辨真伪就看这一句——分数是 base 统一管线自报，别把「几项更高」说成「全面碾压」，也别把 base 分数直接当成聊天成品的成绩。
架构侧官方写了：43 层（1 dense + 42 MoE）、hidden 4096、64 heads；MoE 是 512 routed top-10 加 1 个 shared，latent 2048；Attention 37×HCA + 6×MLA-DSA。训练窗做到 128K，微调与推理的 config 开到 1M。这些都写在模型卡上，本号没有本机复现。
02
PART
许可证：不是 Apache，Territory 有洞
LICENSE
很多人一见「开源权重」就默认能随便商用。这份 LICENSE 不是那样。
Territory 写明：全球，除欧盟、英国、韩国。在这三个区域使用、分发、展示，都不在授权范围内。
商用门槛按相关产品年收入（LICENSE 里的 Annual Revenue of Related Products or Services）分档：非商用（研究、教育、个人实验）免费，不用标 Powered by ERNIE；相关年收入 ≤ US$50M，须清晰标注「Powered by ERNIE」，并一次性通知 Baidu_ERNIE@baidu.com，通知后不必等回复即可商用；超过 US$50M，必须事先拿到百度书面授权，通知不等于授权。
另外还有硬限制：不能用模型输出去改进非 Derivative 的其他 AI 系统。部署示例走 SGLang（官方 Docker lmsysorg/sglang:dev-ernie-55-flash，示例 --tp 4）或 vLLM 0.32.0 + baidu/vLLM-ERNIE；tokenize时官方强调保持 add_special_tokens=True，漏了会踩坑。
纠正一句：开源权重 ≠ Apache 随便商用。 EU、UK、韩国不在 Territory 里；商用还要看收入档，过线就得书面授权。
03
PART
本地跑的冷水
LOCAL
模型卡没有给「单卡要多少 GB」。官方示例是数据中心多卡级（tp/dp 一类并行，示例写 --tp 4），BF16 和 FP8 两份都是这个量级。笔记本或单张消费卡，别指望直接装下。
本号未见官方 GGUF，也没有本机实测墙钟或显存占用。想本地玩的人，先按官方 SGLang / vLLM 文档搭多卡环境，别从「14B 激活」脑补成「一张 24GB 就能聊」。
它本身也不是聊天模型：没有对齐过的对话体验，补全接口吐出来的是续写，不是成品助手。社区里有人提醒「预训练基座不是下载就能当 Claude」——这话对。要对话，得自己做 SFT / RL，或者等官方后训练的 Flash。
04
PART
谁该下，谁别下
WHO
要不要动手，可以按下面几种情况对号入座。
-
该试：有领域语料，想从预训练终点做 SFT、继续预训练或 RL，而不是找现成聊天 API -
该试：团队已有多卡推理栈（SGLang / vLLM），能读完 LICENSE，并处理 Territory 与商用通知 -
别急：想下载就能当文心聊天用——这不是成品 -
别急：人在 EU / UK / 韩国，或产品主要服务这些区域——Territory 不含 -
别急：相关产品年收入将过 5000 万美元，却还没走书面授权 -
先做的事：确认部署在 Territory 内 → 读 LICENSE 分档 → 按官方示例起多卡服务 → 用自己的领域样本压一轮，再决定要不要接着训
你会用它做领域 SFT/RL，还是继续等后训练 Flash？评论区说说。身边要是有人把「开源 280B」当成「免费 Claude」，可以把这篇转给他。
出处：百度文心博客 ERNIE 5.5 Flash Base（11-05）、Hugging Face baidu/ERNIE-5.5-Flash-Base 模型卡与 LICENSE、ModelScope 同步页。分数为官方统一评测自报。
往期 · 接着看
Kimi K3.1 Pro权重卡点放出：1.56TB，8张H200都装不下
开源科学模型自报FSR压过Astra：38.3对33.3，本机却要先过门禁
美团LongCat-2.5说介于Opus 4.8和5之间：对Opus 5赢10项输17项，权重还没放
觉得有用的话，欢迎点赞、收藏、评论。
THANKS FOR READING