11月5日，百度 ERNIE 团队发布 ERNIE-5.5-Flash-Base。官方称，这是一款采用稀疏混合专家架构的基础模型，总参数量为2800亿，每个Token激活140亿参数。
据百度披露，该模型提供 FP8 与 BF16 两种权重。其训练上下文长度为128K，并支持最长100万Token的微调和推理。作为基础模型，它面向后续训练和部署使用，与直接面向终端用户的成品对话模型并非同一定位。
上述参数、上下文能力及权重信息均来自百度公开页面。页面所列模型表现属于厂商披露，不能视为本站对实际业务效果的独立测试。
开放权重带来的后训练空间
基础模型权重公开后，模型服务商、研究团队和企业技术部门可将更多资源放在领域数据、微调、部署适配与评测上，而不必从大规模预训练重新起步。长上下文能力能否在实际任务中形成价值，仍取决于具体数据规模、推理资源、模型配置和工作流设计。对企业而言，采用开放权重也不意味着部署成本自动下降：数据治理、权限管理、效果验证和持续维护仍是进入生产环境的必要环节，因此其影响更可能先体现为技术路线与服务供给的选择增加。
| 涉及行业 | 行业影响分析 | 简要理由 |
|---|---|---|
| 应用软件 | 利好 | 开放基础模型权重增加了定制化训练与私有化部署的可选底座。 |
| 系统软件 | 利好 | 模型微调、推理部署和运维需要相应的软件工具与运行环境支持。 |
| IT咨询与其他服务 | 中性 | 企业仍需围绕数据、评测和部署进行项目化实施，需求取决于实际采用。 |
新闻热点内容来源于媒体公开报道。文章分析仅代表个人观点，不构成投资建议。