9.2 分。这是百度在自己搭的评测台上，ERNIE 5.5 Flash Base 对 DeepSeek-V4-Flash-Base 拿到的领先幅度。同一张表里，它在 30 项基准上赢了 24 项。
可就在中文题那一栏，它输了。
11 月 5 日，百度 ERNIE 团队把 ERNIE-5.5-Flash-Base 的权重放上了 Hugging Face 和 ModelScope，FP8 和 BF16 两个版本同时发。这不是一个能直接聊天的模型，而是预训练刚结束那一刻的原始检查点：没有中期训练，也没有指令微调（也就是用人工整理好的问答，让模型学会照着人话回答）。
按百度官方博客的说法，这么做的理由是让开发者在一个统一起点上，自己选往哪走。翻译成人话：这是一块原材料，不是成品。
发生了什么
模型规格摆出来是这样的：总参数 280B，每处理一个词元（token）只激活其中 14B。43 层 Transformer，从零开始训了 33.5 万亿个词元，训练上下文最长 128K，微调和推理阶段可以拉到 100 万词元。
真正值得看的是它怎么省算力。43 层里有 37 层用了一种叫 HCA 的注意力机制（重压缩注意力）：每 128 个词元只往缓存里记 1 条，再靠这些压缩条目加一小段最近的原样词元来理解全文。剩下 6 层才保留逐词级的完整视野。
官方的解释很直白：大多数层只需要对遥远的过去有一个粗粒度印象就够了，没必要每层都记住每个字。
在专家层（MoE，混合专家）上，每层放 512 个路由专家加 1 个共享专家，每次挑 10 个干活。这些专家跑在 2048 维的潜空间里，是隐藏层宽度的一半，所以专家之间的数据搬运量和计算量都跟着减半。
还有一个取代传统做法的小设计叫 ECHO：不再单独加一层去预测未来的词，而是直接复用骨干网络的最后一层。副产品是这一层顺带成了投机解码的草稿模块，额外只花 0.36B 参数，不计入 280B 的账。
数字与反转
百度在模型卡里给了一张四家对比表，用同一套评测流程、同样的提示词和少样本设置，比的是同为 280B 上下、同为开源基座的四款模型。分数来自百度自己，这一点要先说清楚。
赢的地方相当干脆：MMLU-Pro 78.4 对 DeepSeek 的 69.2；HumanEval+ 82.3 对 69.5；LiveCodeBench 40.1 对 31.9；RepoQA 91.7 对 81.0；GPQA 60.2 对 55.9。
输的地方只有 6 项，但挑得很巧：中文常识问答 ChineseSimpleQA 73.0，输给 DeepSeek 的 75.3；长文档重排 HELMET-Rerank 56.2，输给 60.0；超长上下文 InfiniteBench 46.5，输给 48.0。编程综合基准 FullStackBench 上也输给了腾讯 Hy3 的 56.7 对 54.6。
也就是说，一个中国团队做的模型，在两个最像中文考卷的指标上被对手反超。这可以解释成评测管线差异，但读者该记住的是：自评榜单里连自家强项都不是全胜，这种分数反而更可信一点。
第二个反转在许可证上，而且这个比分数影响大得多。
ERNIE 5.5 Flash Base 用的是百度自家的许可证，不是 MIT。条款读下来有三道硬限制：
- 年收入不超过 5000 万美元的商用，免模型授权费，但要发一次使用通知，还得在产品界面上标「Powered by ERNIE」。
- 年收入超过 5000 万美元，必须事先拿到百度的书面商业授权才能用，否则得停。
- 授权地域不含欧盟、英国、韩国。
还有一条容易被忽略：条款 5.5 明写，不许用这个模型或它的输出去改进别的 AI 模型。换句话说，拿它的输出去教自己的模型，也就是蒸馏，是不行的，但基于它做出来的衍生模型不受这条限制。
对比一下：同一天被拿来比对的 DeepSeek-V4-Flash 是 MIT 许可，小米 MiMo-V2.5 也是 MIT。同样是开源，自由度差一个档次。
第三个反差更冷一点。上线两天，ERNIE 5.5 Flash Base 在 Hugging Face 上拿到 526 次下载（近一个月口径）；DeepSeek-V4-Flash 是 109 万次。
这个数字不能直接当成没人要的结论，上线才两天，而且 280B 是必须上多卡服务器才跑得动的东西，本来就不是下载着玩的量级。但它确实说明一件事：基座模型的热度和模型大小成反比，真正会去拉权重的是少数做后训练和行业适配的团队。
对你意味着什么
如果你要在中文场景做行业微调（用自家数据把通用模型再训一遍）：注意那个 ChineseSimpleQA 的 73.0。基座模型的中文常识是后面再怎么微调也很难大幅补回来的部分，如果中文问答是你的主业务，DeepSeek 的基座仍然更稳。
如果你在做代码和 Agent 方向：HumanEval+ 差 12.8 分、LiveCodeBench 差 8.2 分是实打实的差距，ERNIE 这一版在仓库级代码（RepoQA 91.7）和长上下文上的取舍，明显是奔着写代码的智能体去的。百度还专门在训练数据里塞了提交记录、issue、PR、代码评审、需求到 PR 的完整轨迹这些软件怎么演化的数据。
如果你在公司里评估要不要用：先算年收入。5000 万美元这条线以下，只要发一封邮件通知百度、界面上挂个标识就能商用；线以上就要走书面授权谈判，而且欧盟、英国、韩国三个市场拿不到授权。这一步走错，比模型好不好用严重得多。
如果你只是想在笔记本上跑一下：跑不起来。280B 的 MoE 按官方给出的参考配置要 4 卡张量并行，FP8 权重大概 328GB，还得用 SGLang 或 vLLM（两种把模型跑起来对外提供接口的框架）加百度自己的插件。没有 GGUF，没有 Ollama 版本。
我该做什么
三个动作，按性价比排。
第一，先看许可证再看模型。如果你所在的公司年收入接近或超过 5000 万美元，或者业务覆盖欧洲、英国、韩国，这件事应该由法务先过一遍，不是技术团队试用完再补。许可证不是开源两个字能盖过去的。
第二，把你的真实任务拿 20 条去测，别信榜单。百度自己都承认，四家模型的分数在不同评测管线里会有几分的浮动：DeepSeek 自家报告 MMLU-Pro 是 68.3，百度测出来 69.2。中文常识、超长上下文这两项是它的短板，如果你正好用得上，先测；代码和仓库级理解是它的强项，也先测。
第三，盯着它的后训练版本。官方博客最后一句写得很清楚：后训练版 ERNIE 5.5 Flash 会随后发布。现在放出来的是基座，真正的产品化模型还没到。对绝大多数使用者来说，基座模型没什么可玩的，值得等的是那个能直接对话的版本，那时候再看百度会不会同步放出在线服务和 API 定价。
一句话判断：这是一次技术路线上的正面宣战，用架构效率换参数量；也是一次商业条款上的收紧，从 MIT 时代退回限制性许可。前者对中国开源模型的工程水平是加分的，后者对想省事的开发者是不加分的。
—
参考来源
- 百度 ERNIE 官方技术博客：ERNIE 5.5 Flash Base（2026-11-05）— https://ernie.baidu.com/release/ernie-5-5-flash-base/
- Hugging Face 模型卡：baidu/ERNIE-5.5-Flash-Base（含完整评测表与部署说明）— https://huggingface.co/baidu/ERNIE-5.5-Flash-Base
- ERNIE 5.5 Flash Base Model License Agreement v1.0（商用阈值与地域条款）— https://huggingface.co/baidu/ERNIE-5.5-Flash-Base/blob/main/LICENSE
- MarkTechPost 报道（2026-11-05）— https://www.marktechpost.com/2026/11/05/baidu-ernie-5-5-flash-base-280b-moe/
- DeepSeek-V4-Flash 模型卡（MIT 许可对照）— https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash
相关阅读
- 谷歌 Gemini 3.7 Flash 发布：价格腰斩、三周迭代 — https://www.geeyo.com/%e8%b0%b7%e6%ad%8c-gemini-3-7-flash-%e5%8f%91%e5%b8%83%ef%bc%9a%e4%bb%b7%e6%a0%bc%e8%85%b0%e6%96%a9%e3%80%81%e4%b8%89%e5%91%a8%e8%bf%ad%e4%bb%a3%ef%bc%8c%e5%a4%a7%e6%a8%a1%e5%9e%8b%e5%bf%ab%e8%80%8c/
- 阿里 Qwen3.8-Max 发布：2.4 万亿参数、下周开源 — https://www.geeyo.com/%e9%98%bf%e9%87%8c-qwen3-8-max-%e5%8f%91%e5%b8%83%ef%bc%9a2-4-%e4%b8%87%e4%ba%bf%e5%8f%82%e6%95%b0%e3%80%81%e4%b8%8b%e5%91%a8%e5%bc%80%e6%ba%90%ef%bc%8c%e5%9b%bd%e4%ba%a7%e5%a4%a7%e6%a8%a1%e5%9e%8b/