ERNIE 5.5 Flash 완전 정리: 아키텍처, 벤치마크, 라이선스, 사용 방법
ERNIE 5.5 Flash란 무엇일까요? 바이두의 최신 오픈 웨이트(open-weight) 모델 계열로, 총 280B 파라미터를 가진 희소 혼합 전문가(sparse mixture-of-experts, MoE) 언어 모델입니다. 토큰당 14B 파라미터만 활성화되며, 1M 토큰 컨텍스트 윈도우를 지원합니다. 두 개의 별도 아티팩트로 제공됩니다. ERNIE 5.5 Flash Base(2026년 11월 5일)는 Hugging Face에서 공개된 순수 사전학습 체크포인트입니다. ERNIE 5.5 Flash Preview(2026년 11월 11일)는 포스트트레이닝을 거친 챗 및 에이전트 모델로, 바이두 Qianfan에서는 API로, OpenRouter에서는 무료 엔드포인트로 제공됩니다.
ERNIE 5.5 Flash란?
ERNIE 5.5 Flash는 바이두가 개발한 280B 파라미터의 희소 MoE 언어 모델로, 토큰당 14B 파라미터를 활성화하며 1M 토큰 컨텍스트를 지원합니다. 텍스트 전용 모델로, 33.5T 토큰으로 처음부터 학습되었으며, 코딩, 에이전트 작업, 지식 기반 업무, 긴 문서 처리를 위해 설계되었습니다. Base 체크포인트와 포스트트레이닝이 적용된 Preview 두 가지 형태로 제공됩니다.
바이두가 내세우는 강점은 효율성입니다. Base 릴리스 페이지에서는 능력과 활성화 컴퓨팅량, KV 캐시 크기, 긴 컨텍스트 비용 사이의 균형을 맞추기 위해 모든 구성 요소를 재설계했다고 설명합니다. Preview 페이지는 그 결과를 "코딩, 3D 모델링, 지식 기반 업무, 콘텐츠 제작에 강력한" 모델이라고 소개합니다.
이 모델은 ERNIE 5.1의 후속작입니다. 배경 지식이 필요하다면 ERNIE 5.1이란?과 ERNIE 5.1 API 가이드를 참고하세요.
ERNIE 5.5 Flash Preview vs Base
명칭이 헷갈리기 쉬우므로 아래에서 나란히 비교해 보겠습니다:
| ERNIE 5.5 Flash Base | ERNIE 5.5 Flash Preview | |
|---|---|---|
| 출시일 | 2026년 11월 5일 | 2026년 11월 11일 |
| 정체 | 사전학습 종료 시점 체크포인트, 중간 및 포스트트레이닝 없음 | Base를 기반으로 포스트트레이닝된 첫 모델, 중간 체크포인트 |
| 용도 | 파인튜닝, 도메인 적응, RL 연구 | 챗, 코딩 에이전트, 도구 호출 |
| 호출 방법 | 자체 호스팅; completions 엔드포인트만 사용 |
Qianfan API, OpenRouter baidu/ernie-5.5-flash-preview:free
|
| 가중치 | Hugging Face에서 공개 (FP8 및 BF16) | 아직 비공개; 바이두는 Apache 2.0 "곧" 공개 예정 |
| 라이선스 | ERNIE 5.5 Flash Base Model License v1.0 | Apache 2.0 예고, 아직 미공개 |
| 크기 | 총 280B, 활성 14B | 총 280B, 활성 14B |
| 컨텍스트 | 128K 학습, 파인튜닝 및 추론 시 1M | OpenRouter에서 1,024,000 토큰 |
규칙은 간단합니다. 챗이나 코딩 에이전트 연동에는 Preview를 사용하고, 강력한 사전학습 기반 위에 자체 모델을 학습시키려면 Base를 사용하세요. Base는 인스트럭션 튜닝이 되어 있지 않아 챗 프롬프트를 따르지 못합니다.
바이두는 Preview가 미완성 상태임을 공개적으로 인정하고 있습니다. 릴리스 페이지는 이를 "포스트트레이닝 과정의 중간 체크포인트"라고 부르며, 공식 출시 전까지는 "일부 기능이 아직 부족할 수 있다"고 말합니다.
ERNIE 5.5 Flash 아키텍처
바이두의 기술 문서 중 사용자 입장에서 알아두어야 할 부분을 정리했습니다.
하이브리드 희소 어텐션
이 모델은 43개의 Transformer 레이어로 구성됩니다. 그중 6개(약 7분의 1)만이 희소 어텐션(DSA)과 결합된 Multi-head Latent Attention(MLA)을 사용해 전체 컨텍스트에 대한 토큰 수준 접근을 유지합니다. 나머지 37개 레이어는 고도 압축 어텐션(Heavily Compressed Attention, HCA)을 사용하며, 128개 토큰을 단일 캐시 항목으로 압축하고 이것들과 최근 토큰의 짧은 윈도우에 대해 어텐션을 수행합니다.
이게 왜 중요한가: KV 캐시가 작게 유지되므로, 1M 토큰 컨텍스트를 파라미터 수에서 예상되는 것보다 저렴하게 서빙할 수 있습니다. 바이두에 따르면 MLA 레이어의 희소 어텐션은 컨텍스트가 길어져도 핵심 어텐션의 쿼리당 비용을 일정하게 유지합니다.
멀티 라우터 잠재 MoE
일반적인 MoE 레이어는 하나의 라우터로 상위 k개 전문가를 선택합니다. ERNIE 5.5 Flash는 독립적으로 초기화된 여러 라우터가 전문가를 공동으로 평가하는 방식을 사용하며, 바이두는 이렇게 하면 단일 라우터가 강화했을 잘못된 전문가 선택을 바로잡을 수 있다고 설명합니다. 각 MoE 레이어에는 512개의 라우티드 전문가(토큰당 10개 활성)와 1개의 공유 전문가가 있으며, 2048차원 잠재 공간에서 동작해 전문가 연산과 트래픽을 대략 절반으로 줄입니다.
기타 변경 사항
- MultiMax 출력 헤드: 학습 가능한 구간별(piecewise) 소프트맥스 온도입니다.
- MTP 대신 ECHO: 최종 레이어가 미래 토큰을 예측하며, 스페큘러티브 디코딩 드래프트 모델 역할도 겸합니다.
- 토크나이저: 약 200K 항목으로, 숫자는 오른쪽에서 왼쪽으로 세 자리씩 분리합니다.
ERNIE 5.5 Flash 벤치마크
아래 수치는 모두 바이두 릴리스 페이지에 게시된 자체 발표 수치입니다. 많은 비교 점수에는 바이두가 직접 표시한 별표가 붙어 있는데, 이는 다른 연구소의 발표를 인용한 것이 아니라 바이두가 직접 평가를 수행했음을 의미합니다.
Preview (포스트트레이닝), 바이두 표에서 발췌:
| 벤치마크 | 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 (도구 없음, 텍스트 전용) | 46.4 | 44.0 | 52.9 | 61.4 |
솔직하게 해석해 보면: Preview는 여러 에이전트 및 지식 기반 업무 테스트(MCP-Atlas, AutomationBench, SpreadsheetBench)에서 자신과 비슷한 크기 등급을 능가하지만, Terminal-Bench 같은 어려운 에이전틱 코딩에서는 프런티어 모델에 뒤처집니다. DeepSWE에서는 DeepSeek-V4.1-Flash보다 낮은 점수를 기록했습니다. DeepSeek와의 전체적인 비교는 자매 포스트인 ERNIE 5.5 Flash vs DeepSeek V4.1 Flash를, 반대 관점은 DeepSeek V4.1 Flash 해설을 참고하세요.
Base (사전학습), 비슷한 크기의 베이스 모델과 비교: 바이두는 MMLU-Pro에서 78.4 vs DeepSeek-V4-Flash-Base의 69.2, HumanEval+에서 82.3 vs 69.5, LiveCodeBench에서 40.1 vs 31.9, LongBench-v2에서 48.7 vs 44.5를 보고했습니다. InfiniteBench 같은 일부 항목에서는 뒤처집니다. 전체 표는 Hugging Face 모델 카드에서 확인할 수 있습니다.
속도 면에서는 OpenRouter 설명에 "초당 200 토큰 이상"이라고 명시되어 있습니다. 다만 11월 12일 기준 OpenRouter 자체 3일 대시보드에서는 무료 엔드포인트의 P50 처리량이 초당 79 토큰이었는데, 이는 공유 트래픽이므로 실제 수치는 달라질 수 있습니다.
ERNIE 5.5 Flash 접근 방법
현재 세 가지 경로가 있습니다:
-
OpenRouter (무료, Preview): OpenRouter의 OpenAI 호환 API를 통해
baidu/ernie-5.5-flash-preview:free를 호출합니다. 바이두 Qianfan이 유일한 제공자이며, 모델 페이지에는 입력/출력 모두 $0으로 표시되어 있습니다. 무료 엔드포인트는 OpenRouter의 제한 정책에 따라 요청 빈도가 제한됩니다. 자세한 사용법은 자매 포스트인 ERNIE 5.5 Flash 무료 가이드를 참고하세요. - 바이두 Qianfan (Preview): 공식 API로, 바이두 릴리스 페이지에서 링크됩니다. 요청 설정은 ERNIE 5.5 Flash API 가이드를 참고하세요.
-
Hugging Face (Base만): FP8 또는 BF16 가중치를 다운로드한 뒤 vLLM(
vLLM-ERNIE플러그인 포함)이나 SGLang으로 서빙합니다. 바이두의 예제는 멀티 GPU 노드에서 4방향 병렬 처리를 사용합니다. 단계별 방법은 vLLM으로 ERNIE 5.5 Flash 로컬 실행을 참고하세요.
최소한의 OpenRouter 호출은 다음과 같습니다:
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."}]
}'
OpenRouter에 따르면 이 엔드포인트는 tools, tool_choice, JSON 스키마를 사용하는 response_format, 그리고 reasoning 파라미터를 지원합니다. 터미널 에이전트에서 사용하고 싶다면 자매 포스트인 OpenCode에서 무료로 ERNIE 5.5 Flash 사용하기에서 해당 설정을 다룹니다.
ERNIE 5.5 Flash 라이선스: 할 수 있는 것과 없는 것
두 아티팩트의 이용 약관은 서로 다르며, 제품을 출시할 계획이라면 그 차이가 중요합니다.
Base는 Apache 2.0이 아닌 ERNIE 5.5 Flash Base Model License Agreement v1.0을 사용합니다. 요약하면:
- 비상업적 사용(연구, 교육, 평가, 개인 실험)은 별도 통지 없이 무료입니다.
- 관련 제품의 연간 매출이 5,000만 달러 이하인 경우, 바이두에 일회성 사용 통지를 보내고 "Powered by ERNIE"를 표시하면 상업적 사용도 무료입니다.
- 5,000만 달러를 초과하는 경우, 시작 전에 바이두로부터 별도의 서면 승인이 필요합니다.
Preview는 아직 공개된 가중치나 라이선스 파일이 없습니다. 바이두는 가중치를 "곧 Apache 2.0으로 오픈소스화할 것"이라고 밝혔지만 날짜는 명시하지 않았습니다. 해당 파일이 존재하기 전까지는 Preview를 API 전용으로 취급하세요.
누가 ERNIE 5.5 Flash를 사용해야 할까?
- 예산 내에서 에이전트를 운영하는 팀. 1M 컨텍스트와 도구 호출을 지원하는 무료 OpenRouter 엔드포인트는 에이전트 루프를 테스트하는 저렴한 방법입니다.
- 파인튜닝 및 RL 연구자. Base는 깨끗한 사전학습 종료 시점 체크포인트로, 이 규모에서는 매우 드문 자원입니다.
- 긴 문서 처리 워크로드. 압축 어텐션 설계는 대규모 KV 캐시 없이 1M 토큰 입력을 처리하도록 설계되었습니다.
신중해야 할 경우:
- 엄격한 JSON 파이프라인. 11월 12일 기준 OpenRouter 대시보드에서 무료 엔드포인트의 구조화된 출력 오류율이 21.70%로 나타났습니다. 모든 응답을 검증하세요.
- 이미지 입력. 이 모델은 텍스트 전용입니다. 바이두 자체 벤치마크 노트에서도 이미지 이해는 외부 도구를 통해 처리되었다고 명시하고 있습니다.
- 프로덕션 SLA. Preview는 단일 제공자가 서빙하는 미완성 체크포인트입니다.
Apidog CLI로 코딩 에이전트가 ERNIE 5.5 Flash를 테스트하게 하기
21.70%라는 구조화된 출력 오류율은, 그 위에 무언가를 만들기 전에 응답 형식을 먼저 테스트해야 하는 이유입니다. Claude Code, Codex 또는 Cursor로 Apidog CLI를 사용해 엔드포인트와 테스트 케이스를 만들어 보세요.
한 번만 설정하면 됩니다:
npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_APIDOG_TOKEN>
apidog skill install
그다음 에이전트에 프롬프트 하나를 주세요:
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.
에이전트는 무언가를 작성하기 전에 CLI 스키마에 따라 각 페이로드를 검증합니다:
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
베이스 URL을 Qianfan이나 로컬 vLLM 엔드포인트로 바꾸면 같은 테스트 케이스로 그 엔드포인트도 검사할 수 있습니다. 모든 커밋마다 실행하려면 -r junit을 추가하고 Apidog CLI CI/CD 가이드를 따르세요. CLI가 처음이라면 Claude Code에서 Apidog CLI 사용하기부터 시작하세요. Apidog Free는 최대 4명까지 사용할 수 있으니 Apidog를 다운로드하고 직접 프로젝트에 적용해 보세요.
FAQ
ERNIE 5.5 Flash는 오픈소스인가요? 부분적으로 그렇습니다. Base 가중치는 바이두 자체 라이선스 하에 공개되어 있으며, 관련 연간 매출 5,000만 달러 이하까지 상업적으로 무료입니다. Preview 가중치는 "곧" Apache 2.0으로 공개될 예정입니다.
ERNIE 5.5 Flash Preview와 Base의 차이는 무엇인가요? Base는 파인튜닝용 순수 사전학습 체크포인트입니다. Preview는 API를 통해 호출하는 포스트트레이닝된 챗 및 에이전트 모델입니다. 둘 다 총 280B, 활성 14B 파라미터를 가집니다.
ERNIE 5.5 Flash는 무료인가요? Preview는 OpenRouter에서 baidu/ernie-5.5-flash-preview:free로 무료이며, 요청 빈도 제한이 있습니다. Base는 무료로 다운로드할 수 있습니다. 바이두는 2026년 11월 12일 기준으로 공식 페이지에 유료 토큰당 가격을 공개하지 않았습니다.
ERNIE 5.5 Flash의 컨텍스트 윈도우는 얼마나 큰가요? 1M 토큰입니다. OpenRouter의 Preview는 1,024,000, Base 설정에는 1,048,576이지만 Base는 최대 128K로 학습되었습니다.
ERNIE 5.5 Flash를 로컬에서 실행할 수 있나요? Base는 가능합니다. 멀티 GPU 노드에서 vLLM과 vLLM-ERNIE 플러그인 또는 SGLang을 사용하세요. Preview는 바이두가 가중치를 공개하기 전까지는 로컬에서 실행할 수 없습니다.
ERNIE 5.5 Flash는 이미지를 지원하나요? 아니요. 두 버전 모두 텍스트 전용 모델입니다.



Top comments (0)