O que é o ERNIE 5.5 Flash?

ERNIE 5.5 Flash: o MoE de 280B da Baidu com contexto de 1M de tokens

O que é o ERNIE 5.5 Flash? É a mais recente família de modelos de pesos abertos da Baidu: um modelo de linguagem esparso do tipo mixture-of-experts (MoE), com 280B de parâmetros totais, 14B ativos por token e uma janela de contexto de 1M de tokens. Ele é distribuído como dois artefatos separados. O ERNIE 5.5 Flash Base (5 de novembro de 2026) é um checkpoint bruto de pré-treinamento disponível no Hugging Face. O ERNIE 5.5 Flash Preview (11 de novembro de 2026) é o modelo pós-treinado para chat e agentes, disponível como API na Baidu Qianfan e como endpoint gratuito no OpenRouter.

Experimente o Apidog hoje

O que é o ERNIE 5.5 Flash?

O ERNIE 5.5 Flash é um modelo de linguagem MoE esparso de 280B de parâmetros da Baidu que ativa 14B de parâmetros por token e suporta um contexto de 1M de tokens. Ele é somente texto, treinado do zero com 33,5T de tokens, e foi desenvolvido para programação, tarefas agênticas, trabalho com conhecimento e documentos longos. Ele vem como um checkpoint Base e como um Preview pós-treinado.

A proposta da Baidu é eficiência. A página de lançamento do Base diz que cada componente foi reprojetado para equilibrar capacidade com computação ativada, tamanho da cache KV e custo de contexto longo. A página do Preview descreve o resultado como "forte em programação, modelagem 3D, trabalho com conhecimento e criação de conteúdo".

Ele sucede o ERNIE 5.1; para mais contexto, consulte O que é o ERNIE 5.1 e o guia da API do ERNIE 5.1.

ERNIE 5.5 Flash Preview vs Base

A nomenclatura costuma gerar confusão, então aqui está uma comparação lado a lado:

	ERNIE 5.5 Flash Base	ERNIE 5.5 Flash Preview
Lançado	5 de novembro de 2026	11 de novembro de 2026
O que é	Checkpoint de fim de pré-treinamento, sem treinamento intermediário ou pós-treinamento	Primeiro modelo pós-treinado construído sobre o Base, um checkpoint intermediário
Use para	Fine-tuning, adaptação de domínio, pesquisa em RL	Chat, agentes de programação, chamadas de ferramentas
Como chamar	Auto-hospedado; apenas o endpoint completions	API Qianfan, OpenRouter baidu/ernie-5.5-flash-preview:free
Pesos	Públicos no Hugging Face (FP8 e BF16)	Ainda não públicos; a Baidu diz que Apache 2.0 "em breve"
Licença	ERNIE 5.5 Flash Base Model License v1.0	Apache 2.0 prometido, ainda não publicado
Tamanho	280B no total, 14B ativos	280B no total, 14B ativos
Contexto	128K no treinamento, 1M para fine-tuning e inferência	1.024.000 tokens no OpenRouter

A regra é: para conversar com o modelo ou integrá-lo a um agente de programação, use o Preview. Para treinar seu próprio modelo a partir de uma base pré-treinada robusta, use o Base. O Base não passa por ajuste para instruções, então ele não segue prompts de chat.

A Baidu é transparente quanto ao Preview estar inacabado. A página de lançamento o descreve como "um checkpoint intermediário do pós-treinamento" e diz que "algumas capacidades ainda podem ficar aquém" até o lançamento oficial.

Arquitetura do ERNIE 5.5 Flash

Aqui estão as partes do documento técnico da Baidu que importam para você como usuário.

Atenção esparsa híbrida

O modelo tem 43 camadas Transformer. Apenas 6 delas (aproximadamente uma em cada sete) mantêm acesso em nível de token ao contexto completo, usando Multi-head Latent Attention (MLA) com atenção esparsa (DSA). As outras 37 camadas usam Heavily Compressed Attention (HCA), que comprime cada 128 tokens em uma única entrada de cache e realiza atenção sobre essas entradas mais uma janela curta de tokens recentes.

Por que isso importa: a cache KV permanece pequena, então servir um contexto de 1M de tokens é mais barato do que a contagem de parâmetros sugere. Segundo a Baidu, a atenção esparsa nas camadas MLA mantém o custo por consulta da atenção central constante conforme o contexto cresce.

MoE latente com múltiplos roteadores

Uma camada MoE convencional usa um único roteador para escolher seus top-k especialistas. O ERNIE 5.5 Flash usa vários roteadores inicializados de forma independente que pontuam os especialistas em conjunto, o que, segundo a Baidu, corrige escolhas inadequadas de especialistas que um único roteador reforçaria. Cada camada MoE contém 512 especialistas roteados (10 ativos por token) mais 1 especialista compartilhado, operando em um espaço latente de 2048 dimensões para reduzir pela metade, aproximadamente, a computação e o tráfego por especialista.

Outras mudanças

• Cabeça de saída MultiMax: uma temperatura softmax por partes e aprendível.
• ECHO em vez de MTP: a camada final prevê tokens futuros e também funciona como modelo de rascunho para decodificação especulativa.
• Tokenizador: cerca de 200K entradas, com números divididos da direita para a esquerda em grupos de três dígitos.

Benchmarks do ERNIE 5.5 Flash

Todos os números abaixo são da própria Baidu, extraídos de suas páginas de lançamento. Muitas pontuações de comparação trazem o asterisco da Baidu, o que significa que a Baidu executou a avaliação por conta própria em vez de citar o outro laboratório.

Preview (pós-treinado), linhas selecionadas da tabela da Baidu:

Benchmark	ERNIE 5.5 Flash Preview	DeepSeek-V4.1-Flash	GPT-6.1 Sol	Claude Opus 5.5
Terminal-Bench 4.0	46.5	42.3	56.1	66.4
DeepSWE v1.1	71.2	77.0	75.2	74.2
MCP-Atlas	84.6	77.8	81.0	84.2
AutomationBench	61.9	60.5	49.3	58.0
BrowseComp	87.4	80.3	87.5	90.8
HLE (sem ferramentas, somente texto)	46.4	44.0	52.9	61.4

Faça uma leitura honesta desses dados: o Preview supera modelos de sua classe de tamanho em vários testes de agentes e trabalho com conhecimento (MCP-Atlas, AutomationBench, SpreadsheetBench) e fica atrás dos modelos de fronteira em programação agêntica difícil, como o Terminal-Bench. Ele fica abaixo do DeepSeek-V4.1-Flash no DeepSWE. Para uma comparação completa com o DeepSeek, veja o post irmão ERNIE 5.5 Flash vs DeepSeek V4.1 Flash e nosso explicativo sobre o DeepSeek V4.1 Flash para conhecer o outro lado.

Base (pré-treinado), contra modelos base de tamanho similar: a Baidu relata MMLU-Pro de 78,4 contra 69,2 do DeepSeek-V4-Flash-Base, HumanEval+ de 82,3 contra 69,5, LiveCodeBench de 40,1 contra 31,9 e LongBench-v2 de 48,7 contra 44,5. Ele perde em algumas linhas, como o InfiniteBench. A tabela completa está no model card do Hugging Face.

Quanto à velocidade, a descrição do OpenRouter menciona "mais de 200 tokens por segundo". O próprio painel de 3 dias do OpenRouter, em 12 de novembro, mostrou uma vazão P50 de 79 tokens por segundo no endpoint gratuito, que é tráfego compartilhado — portanto, espere que seus números variem.

Como acessar o ERNIE 5.5 Flash

Hoje você tem três caminhos:

1. OpenRouter (gratuito, Preview): chame baidu/ernie-5.5-flash-preview:free pela API compatível com OpenAI do OpenRouter. A Baidu Qianfan é o único provedor, e a página do modelo lista US$ 0 para entrada e saída. Os endpoints gratuitos têm limites de taxa conforme a documentação de limites do OpenRouter. Passo a passo completo no guia gratuito do ERNIE 5.5 Flash.
2. Baidu Qianfan (Preview): a API oficial, vinculada na página de lançamento da Baidu. Consulte o guia da API do ERNIE 5.5 Flash para configurar as requisições.
3. Hugging Face (apenas Base): baixe os pesos FP8 ou BF16 e sirva-os com vLLM (mais o plugin vLLM-ERNIE) ou SGLang. Os exemplos da Baidu usam paralelismo de 4 vias em um nó multi-GPU. Instruções passo a passo em como executar o ERNIE 5.5 Flash localmente com vLLM.

Uma chamada mínima ao OpenRouter fica assim:

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -d '{
    "model": "baidu/ernie-5.5-flash-preview:free",
    "messages": [{"role": "user", "content": "Explain MoE routing in two sentences."}]
  }'

O OpenRouter informa que o endpoint aceita tools, tool_choice, response_format com um esquema JSON e um parâmetro reasoning. Se preferir controlá-lo por meio de um agente de terminal, o post irmão sobre ERNIE 5.5 Flash no OpenCode gratuitamente cobre essa configuração.

Licença do ERNIE 5.5 Flash: o que você pode e não pode fazer

Os dois artefatos têm termos diferentes, e essa diferença importa se você planeja lançar um produto.

O Base usa a ERNIE 5.5 Flash Base Model License Agreement v1.0, não a Apache 2.0. Em resumo:

• Uso não comercial (pesquisa, educação, avaliação, experimentos pessoais) é gratuito e sem necessidade de aviso.
• O uso comercial é gratuito quando a receita anual dos produtos relacionados é de até US$ 50 milhões, desde que você envie à Baidu um aviso de uso único e exiba "Powered by ERNIE".
• Acima de US$ 50 milhões, você precisa de autorização por escrito separada da Baidu antes de começar.

O Preview ainda não tem pesos nem arquivo de licença publicados. A Baidu diz que os pesos "serão abertos sob Apache 2.0 em breve", mas não dá data. Até que esse arquivo exista, trate o Preview como disponível apenas via API.

Quem deve usar o ERNIE 5.5 Flash?

• Equipes que executam agentes com orçamento limitado. Um endpoint gratuito do OpenRouter com contexto de 1M e chamadas de ferramentas é uma forma barata de testar loops de agentes.
• Pesquisadores de fine-tuning e RL. O Base é um checkpoint limpo de fim de pré-treinamento, algo raro nesse tamanho.
• Cargas de trabalho com documentos longos. O design de atenção comprimida visa entradas de 1M de tokens sem uma cache KV gigantesca.

Onde é melhor ter cautela:

• Pipelines JSON rigorosos. O painel do OpenRouter mostrou uma taxa de erro de 21,70% em saídas estruturadas para o endpoint gratuito em 12 de novembro. Valide todas as respostas.
• Entrada de imagens. O modelo é somente texto; as próprias notas de benchmark da Baidu dizem que a compreensão de imagens foi fornecida por uma ferramenta externa.
• SLAs de produção. O Preview é um checkpoint inacabado servido por um único provedor.

Deixe seu agente de programação testar o ERNIE 5.5 Flash com a Apidog CLI

É por causa dessa taxa de erro de 21,70% em saídas estruturadas que você deve testar o formato das respostas antes de construir sobre elas. Deixe o Claude Code, Codex ou Cursor criar o endpoint e o caso de teste com a Apidog CLI.

Configure uma vez:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_APIDOG_TOKEN>
apidog skill install

Depois, dê ao seu agente um único prompt:

In Apidog project <projectId>, create an environment "openrouter" with base URL
https://openrouter.ai/api/v1 and my OpenRouter key as a variable. Add a POST
/chat/completions endpoint for model baidu/ernie-5.5-flash-preview:free.
Create a test case that asserts HTTP 200, choices[0].message.content is a
non-empty string, and usage.total_tokens is a number. Run it and summarize failures.

O agente valida cada payload contra o esquema da CLI antes de escrever qualquer coisa:

apidog environment create openrouter --project <projectId> --base-url https://openrouter.ai/api/v1
apidog cli-schema get endpoint-create
apidog cli-schema validate endpoint-create --file endpoint.json
apidog endpoint create --project <projectId> --file endpoint.json
apidog test-case category --project <projectId>
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <projectId> --file case.json
apidog run --test-case <caseId> --project <projectId> -e <envId> -r cli,json

Troque a URL base pelo seu endpoint da Qianfan ou do vLLM local, e o mesmo caso de teste verificará esses também. Para executá-lo a cada commit, adicione -r junit e siga o guia de CI/CD da Apidog CLI. Novato na CLI? Comece com Apidog CLI no Claude Code. O Apidog Free cobre até 4 usuários, então baixe o Apidog e experimente no seu próprio projeto.

FAQ

O ERNIE 5.5 Flash é open source? Em parte. Os pesos do Base são públicos sob a licença própria da Baidu, com uso comercial gratuito até US$ 50 milhões de receita anual relacionada. Os pesos do Preview são prometidos sob Apache 2.0 "em breve".

Qual é a diferença entre o ERNIE 5.5 Flash Preview e o Base? O Base é o checkpoint bruto de pré-treinamento, destinado ao fine-tuning. O Preview é o modelo pós-treinado de chat e agentes que você chama via API. Ambos têm 280B de parâmetros totais e 14B ativos.

O ERNIE 5.5 Flash é gratuito? O Preview é gratuito no OpenRouter como baidu/ernie-5.5-flash-preview:free, com limites de taxa. O Base é gratuito para download. A Baidu ainda não publicou um preço por token pago em página oficial até 12 de novembro de 2026.

Qual é o tamanho da janela de contexto do ERNIE 5.5 Flash? 1M de tokens: 1.024.000 para o Preview no OpenRouter e 1.048.576 na configuração do Base, embora o Base tenha sido treinado com até 128K.

Posso executar o ERNIE 5.5 Flash localmente? O Base, sim, com vLLM mais o plugin vLLM-ERNIE ou SGLang em um nó multi-GPU. O Preview não pode ser executado localmente até a Baidu publicar seus pesos.

O ERNIE 5.5 Flash suporta imagens? Não. Ambas as versões são modelos somente texto.