Baidu libera los pesos de ERNIE 5.5 Flash Base: un modelo base MoE de 280B con requisitos propios de despliegue y licencia
Según MarkTechPost, el 5 de noviembre de 2026 Baidu publicó y liberó los pesos FP8 y BF16 de ERNIE 5.5 Flash Base: 280B parámetros totales, 14B activados por token, contexto de entrenamiento de 128K y ampliable a 1M en inferencia. Es un modelo base que se detiene al final del preentrenamiento, sin entrenamiento intermedio ni posterior; la nota afirma que la licencia toma como umbral unos ingresos anuales de 50 millones de dólares y excluye la Unión Europea, el Reino Unido y Corea del Sur.
Qué ha cambiado
La nota afirma que Baidu publicó los pesos de ERNIE 5.5 Flash Base en Hugging Face y ModelScope: un modelo base MoE disperso de solo texto, 43 capas, dimensión oculta 4096, 280B parámetros totales y 14B activados por token, preentrenado desde cero sobre 33,5T tokens con el optimizador Muon. Los pesos se detienen en el punto final del preentrenamiento, y Baidu lo presenta como un punto de partida unificado para comparar directamente ajuste fino, ajuste por instrucciones y aprendizaje por refuerzo. En arquitectura, 37 de las 43 capas usan atención de compresión fuerte HCA, con 1 entrada en caché cada 128 tokens, y las 6 restantes usan MLA más atención dispersa, de modo que 1 de cada 7 capas conserva acceso completo al contexto; cada capa MoE tiene 512 expertos enrutados (top-10) más 1 experto compartido, y varios enrutadores sigmoid independientes sustituyen al enrutador único; ECHO reutiliza la última capa del backbone para predecir tokens futuros y sirve a la vez como modelo borrador integrado para decodificación especulativa, con 0,36B parámetros adicionales que no cuentan en el recuento principal. Baidu informa que obtuvo el mejor resultado en 24 de 30 benchmarks de modelos base bajo un mismo procedimiento, con MMLU-Pro 78.4 (frente a 69.2 de DeepSeek-V4-Flash-Base bajo el mismo procedimiento), pero queda por detrás en HELMET-Rerank con 56.2 frente a 60.0 del rival, y cede el primer puesto en otros 6, entre ellos ChineseSimpleQA, INCLUDE-lite e InfiniteBench. En despliegue, la configuración de referencia que da la nota es SGLang con paralelismo de 4 vías; vLLM requiere la versión 0.32.0 más el plugin vLLM-ERNIE, y ambos aceptan hasta 1.048.576 tokens; al ser un modelo base, se ejecuta mediante el endpoint de completions y no de chat.
Impacto para desarrolladores
Para los desarrolladores hay varias implicaciones directas. Primero, son pesos abiertos, no una licencia de código abierto en el sentido habitual: los pesos se pueden descargar, pero la licencia es una ERNIE 5.5 Flash Base License v1.0 personalizada; la nota afirma que es gratuita por debajo de 50 millones de dólares de ingresos anuales y que excluye la Unión Europea, el Reino Unido y Corea del Sur. Los derechos reales deben consultarse en el texto de la licencia, y no cabe tratarla como una licencia de código abierto común solo porque los pesos estén en Hugging Face. Segundo, resuelve «desde dónde empezar el postentrenamiento», no «conectar directamente un modelo de chat»: sin postentrenamiento no hay seguimiento de instrucciones ni formato conversacional; para llevarlo a un producto hay que hacer SFT o RL propio, o usar un modelo ya alineado, y el esfuerzo de ingeniería de ambas rutas difiere mucho. Tercero, la estructura de coste del contexto largo se reduce deliberadamente: HCA solo guarda 1 entrada en caché cada 128 tokens en 37 capas, lo que en teoría reduce mucho la caché KV, pero solo 1 de cada 7 capas conserva el contexto completo; cuánto se gana en recuperación de texto largo y comprensión a nivel de repositorio debe validarse con el propio conjunto de documentos, no copiando cifras autoinformadas como RepoQA 91.7. Cuarto, la nota solo da una configuración de referencia con paralelismo de 4 vías y no revela modelo de GPU ni memoria; cuestiones de capacidad como si puede servirse en una sola máquina o cuántas tarjetas hacen falta no pueden concluirse de este artículo. Conviene además notar que los 0,36B parámetros de ECHO quedan fuera del recuento principal, por lo que estimar hardware por parámetros totales resulta optimista.
Integración y evaluación
Todo lo siguiente es análisis o recomendación condicional, no hechos de la nota. Sobre las versiones de precisión: la nota dice que ya se publicaron los pesos FP8 y BF16, lo que afecta primero a la ruta de entrenamiento posterior. Si solo haces servicio de inferencia, puedes probar FP8 primero; si el plan es seguir preentrenando o hacer ajuste fino de todos los parámetros sobre este checkpoint, BF16 es un punto de partida más estable. Cambian esta elección el soporte de cálculo FP8 en el hardware y si tienes presupuesto de ajuste fino comparable. Criterio medible: fija los parámetros de decodificación en tu propio conjunto de validación, ejecuta FP8 y BF16 y compara la tasa de acierto o la coincidencia exacta; si la caída de FP8 supera el umbral de tolerancia previsto, vuelve a BF16 o limita FP8 a solicitudes de bajo riesgo. Sobre la pila de servicio: la ruta que da la nota exige vLLM 0.32.0 con el plugin oficial, y la configuración de referencia de SGLang es paralelismo tensorial de 4 vías. Si el clúster ya corre vLLM y la versión se puede fijar, la ruta del plugin tiene menor coste de migración; si las actualizaciones de versión están controladas o prefieres evitar dependencias de plugins, la configuración de referencia de SGLang es más sencilla. Cambian el juicio el grado de fijación de versión y la aceptación operativa de plugins de terceros. Criterio medible: en la longitud de contexto objetivo, mide la concurrencia por tarjeta, el pico de memoria y los tokens de decodificación por segundo, y decide si vale la pena añadir tarjetas para más contexto. Sobre si empezar desde este modelo base: la nota indica claramente que usa el endpoint de completions, y ahí está la bifurcación. Si tu tarea exige seguimiento de instrucciones y llamadas a herramientas listos para usar, parte de un modelo alineado existente; solo si de verdad necesitas comparar distintos esquemas de postentrenamiento desde el mismo checkpoint y tienes capacidad de ingeniería para SFT o RL aporta valor extra este checkpoint. La medida es comparar tu modelo postentrenado con el actual en el mismo conjunto interno de preguntas por tasa de acierto; si no gana, no migres.
Límites y cuestiones pendientes
Hay bastantes incógnitas. La nota no revela modelo de GPU, memoria ni escala servible en una sola máquina; todos los benchmarks son autoinformados por Baidu, y las cifras de competidores bajo su procedimiento difieren ligeramente de las publicadas por cada proveedor: DeepSeek da MMLU-Pro 68.3 y Baidu midió 69.2; Tencent da Hy3 65.76 y Baidu midió 66.9. Esto indica que la comparación solo sirve para ver posiciones relativas, no como conclusión entre proveedores. El contexto de 1M es el límite aceptado por el servidor y la nota no ofrece datos de calidad a esa longitud; el LongBench-v2 de 48.7 en el tramo medio también sugiere que su capacidad de contexto largo no lidera en todo, y los desarrolladores deben medir memoria y latencia a la longitud objetivo. Las condiciones de licencia que reproduce la nota, incluidos el umbral de ingresos y la exclusión de la UE, el Reino Unido y Corea del Sur, deben verificarse en el texto original. Según la comprobación del catálogo a 9 de noviembre de 2026, el catálogo de modelos en línea de KimiSeek no incluye la entrada ERNIE 5.5 Flash Base; cualquier disponibilidad de API mencionada se refiere a Baidu y no a este sitio, y para llamadas alojadas hay que atenerse a los canales oficiales de Baidu; para usarlo a través de este sitio se necesita primero una entrada exacta en el catálogo. Además, las cifras de aceleración de los núcleos de entrenamiento FlashMask-4 en SM90 y SM100 son también autoinformadas por el fabricante, y el mismo anuncio ya tuvo cobertura en medios chinos el 5 de noviembre; aquí se añaden los aspectos que más afectan a la decisión de integración: arquitectura, requisitos previos de despliegue y alcance de la licencia.