百度开源ERNIE 5.5 Flash Base：2800亿参数MoE，不预训练后调优

一句话看懂：百度于2026年11月5日发布并开源ERNIE-5.5-Flash-Base，一个2800亿参数、每token激活140亿的MoE基础模型，刻意不做指令微调与后训练，把调优决策留给开发者；百度称后续会推出后训练版本。

事件核心：发生了什么

据The Decoder报道，百度此次开源的ERNIE-5.5-Flash-Base采用混合专家（MoE）架构，总参数2800亿，单次输入激活140亿参数。预训练使用33.5万亿token，训练上下文最长12.8万token，但官方设计目标是在微调和推理阶段支持最长100万token上下文。权重以FP8和BF16两种格式发布在Hugging Face上。

这款模型是“Base”版本，意味着没有经过指令微调或后训练，百度的定位是把它作为开放基础模型交由开发者自行决定方向。在百度公布的评测中，模型在同一条评测管线、覆盖考试、STEM、推理、知识、代码、多语言和长上下文七类任务上与DeepSeek-V4-Flash-Base、Hy3-preview-Base、MiMo-V2.5-Base对比，据称在推理、代码和长上下文任务上与同量级开源基础模型竞争。以上评测均为百度自行披露，具体分数和条件需以官方材料为准。

为什么重要

开源基础模型的价值在于可改造性。ERNIE 5.5 Flash Base以约2800亿总参数、140亿激活的规格进入这一赛道，直接对标DeepSeek和MiMo等国产开源模型，等于把竞争从“模型能力榜”延伸到“二次开发成本”。对需要私有化部署、领域微调或训练自有推理模型的团队来说，多一个可用的权重选项，也意味着供应商议价空间和技术路线选择都在增加。

“只发Base、后训练版另发”的策略也值得注意：它把“通用助手”和“可定制底座”拆成两条产品线，既避免过早锁定使用场景，也能让社区反馈反哺后续版本。

对用户/开发者/创作者的影响

普通用户短期不会直接感知变化，因为Base模型不能开箱即用地对话或生成内容，需要开发者二次加工。对开发者而言，FP8和BF16双权重降低了显存门槛，较长的训练上下文和宣称的百万级推理上下文，适合长文档处理、代码库理解和多轮复杂推理等场景。企业若考虑私有化部署，应重点核查激活参数下的实际算力需求、长上下文在真实硬件上的表现，以及开源许可证条款。创作者和AI应用团队暂不宜把它当作可直接接入的产品，现有闭源API仍更省事；但若后续后训练版和托管服务跟进，调用成本和可定制性都可能有变化。