DEV Community

Cover image for ERNIE 5.5 Flash คืออะไร?
Thanawat Wongchai
Thanawat Wongchai

Posted on Originally published at apidog.com

ERNIE 5.5 Flash คืออะไร?

ERNIE 5.5 Flash: โมเดล MoE 280B จาก Baidu พร้อม Context 1M Token — ทุกอย่างที่ควรรู้

ERNIE 5.5 Flash คืออะไร? นี่คือตระกูลโมเดล open-weight รุ่นใหม่ล่าสุดจาก Baidu ซึ่งเป็น language model แบบ sparse mixture-of-experts (MoE) ที่มีพารามิเตอร์รวม 280B ใช้งานจริง 14B ต่อ token และรองรับ context window แบบ 1M token โมเดลนี้ถูกเปิดตัวเป็นสองเวอร์ชันแยกกัน ERNIE 5.5 Flash Base (5 พฤศจิกายน 2026) เป็น checkpoint จากการ pretraining ดิบ ๆ ที่เปิดให้ดาวน์โหลดบน Hugging Face ส่วน ERNIE 5.5 Flash Preview (11 พฤศจิกายน 2026) เป็นโมเดลแชทและเอเจนต์ที่ผ่าน post-training มาแล้ว ใช้งานได้ผ่าน API บน Baidu Qianfan และผ่าน endpoint ฟรีบน OpenRouter

ลองใช้ Apidog วันนี้

ERNIE 5.5 Flash คืออะไร?

ERNIE 5.5 Flash เป็น language model แบบ sparse MoE จาก Baidu ที่มีพารามิเตอร์ 280B โดยเปิดใช้งานเพียง 14B พารามิเตอร์ต่อ token และรองรับ context ยาวถึง 1M token โมเดลนี้รองรับเฉพาะข้อความ (text-only) ถูกเทรนมาตั้งแต่ต้นด้วยข้อมูล 33.5T token และถูกออกแบบมาสำหรับงานเขียนโค้ด งานเชิงเอเจนต์ งานด้านความรู้ และเอกสารยาว ๆ โดยมีให้ทั้งแบบ Base checkpoint และ Preview ที่ผ่าน post-training แล้ว

ERNIE 5.5 Flash

จุดขายของ Baidu คือความคุ้มค่าในการใช้ทรัพยากร หน้าเปิดตัว Base ระบุว่าทุกส่วนประกอบถูกออกแบบใหม่เพื่อสร้างสมดุลระหว่างความสามารถกับปริมาณการคำนวณที่เปิดใช้งาน ขนาด KV cache และต้นทุนของ long-context ส่วน หน้า Preview อธิบายผลลัพธ์ว่า "แข็งแกร่งด้านการเขียนโค้ด การสร้างโมเดล 3D งานด้านความรู้ และการสร้างคอนเทนต์"

โมเดลนี้เป็นรุ่นต่อยอดจาก ERNIE 5.1 หากต้องการข้อมูลพื้นฐาน ดูได้ที่ ERNIE 5.1 คืออะไร และ คู่มือใช้งาน ERNIE 5.1 API

ERNIE 5.5 Flash Preview vs Base

ชื่อของทั้งสองเวอร์ชันมักทำให้สับสน จึงขอสรุปเปรียบเทียบแบบเห็นภาพชัด ๆ ดังนี้

ERNIE 5.5 Flash Base ERNIE 5.5 Flash Preview
วันที่เปิดตัว 5 พฤศจิกายน 2026 11 พฤศจิกายน 2026
คืออะไร Checkpoint สุดท้ายของช่วง pretraining ไม่มีการเทรนช่วงกลางหรือ post-training โมเดล post-trained ตัวแรกที่สร้างบน Base เป็น checkpoint ระหว่างทาง
เหมาะกับ Fine-tuning, domain adaptation, งานวิจัย RL แชท, coding agent, การเรียกใช้เครื่องมือ (tool calling)
วิธีเรียกใช้ ต้อง self-host ใช้ได้เฉพาะ endpoint completions Qianfan API, OpenRouter baidu/ernie-5.5-flash-preview:free
Weights เปิดสาธารณะบน Hugging Face (FP8 และ BF16) ยังไม่เปิดสาธารณะ Baidu บอกว่าจะเปิดภายใต้ Apache 2.0 เร็ว ๆ นี้
ใบอนุญาต ERNIE 5.5 Flash Base Model License v1.0 สัญญาว่าจะใช้ Apache 2.0 แต่ยังไม่เผยแพร่
ขนาด รวม 280B ใช้งาน 14B รวม 280B ใช้งาน 14B
Context เทรนที่ 128K ใช้ 1M ได้สำหรับ fine-tuning และ inference 1,024,000 token บน OpenRouter

เปรียบเทียบ ERNIE 5.5 Flash Base กับ Preview

กฎง่าย ๆ คือ ถ้าต้องการคุยกับโมเดลหรือต่อเข้ากับ coding agent ให้ใช้ Preview ถ้าต้องการเทรนโมเดลของตัวเองโดยเริ่มจาก pretrained model ที่แข็งแรง ให้ใช้ Base เพราะ Base ไม่ได้ผ่าน instruction tuning จึงจับคู่กับ chat prompt ไม่ได้

Baidu ยอมรับตรง ๆ ว่า Preview ยังไม่เสร็จสมบูรณ์ หน้าเปิดตัวเรียกมันว่า "checkpoint ระหว่างทางของกระบวนการ post-training" และระบุว่า "ความสามารถบางด้านอาจยังไม่เต็มที่" จนกว่าจะถึงการเปิดตัวอย่างเป็นทางการ

สถาปัตยกรรมของ ERNIE 5.5 Flash

นี่คือจุดสำคัญจากเอกสารเทคนิคของ Baidu ที่ผู้ใช้อย่างคุณควรรู้

Hybrid sparse attention

โมเดลนี้มี 43 ชั้น Transformer โดยมีเพียง 6 ชั้น (ประมาณหนึ่งในเจ็ด) ที่ยังเข้าถึง context เต็มรูปแบบในระดับ token ผ่าน Multi-head Latent Attention (MLA) ร่วมกับ sparse attention (DSA) ส่วนอีก 37 ชั้นใช้ Heavily Compressed Attention (HCA) ซึ่งบีบ token ทุก ๆ 128 ตัวให้เหลือเพียงหนึ่งรายการใน cache และทำ attention กับรายการเหล่านั้นบวกกับ window ของ token ล่าสุดช่วงสั้น ๆ

ทำไมเรื่องนี้สำคัญ: KV cache ยังคงมีขนาดเล็ก ทำให้การให้บริการ context 1M token ถูกกว่าที่จำนวนพารามิเตอร์บ่งชี้ Baidu ระบุว่า sparse attention ในชั้น MLA ช่วยให้ต้นทุน attention ต่อ query คงที่แม้ context จะยาวขึ้น

Multi-Router latent MoE

ชั้น MoE ทั่วไปใช้ router เดียวในการเลือก top-k experts แต่ ERNIE 5.5 Flash ใช้หลาย router ที่ถูก initialize แยกกันและให้คะแนน experts ร่วมกัน ซึ่ง Baidu ระบุว่าช่วยแก้การเลือก expert ที่ผิดพลาดซึ่ง router เดี่ยวมักส่งเสริมให้เกิดซ้ำ แต่ละชั้น MoE มี routed experts 512 ตัว (ใช้งาน 10 ตัวต่อ token) บวกกับ shared expert 1 ตัว โดยทำงานใน latent space มิติ 2048 เพื่อลดค่าใช้จ่ายการคำนวณและปริมาณการส่งข้อมูลของ experts ลงได้ราวครึ่งหนึ่ง

การเปลี่ยนแปลงอื่น ๆ

  • MultiMax output head: softmax temperature แบบ piecewise ที่ปรับได้ผ่านการเรียนรู้
  • ECHO แทน MTP: ชั้นสุดท้ายทำนาย token ในอนาคตและทำหน้าที่ซ้อนกันเป็น draft model สำหรับ speculative decoding
  • Tokenizer: มีประมาณ 200K รายการ โดยตัวเลขถูกแบ่งจากขวาไปซ้ายทีละกลุ่มสามหลัก

สถาปัตยกรรมของ ERNIE 5.5 Flash

ผล benchmark ของ ERNIE 5.5 Flash

ตัวเลขทั้งหมดด้านล่างมาจาก Baidu เอง ผ่านหน้าเปิดตัวของบริษัท คะแนนเปรียบเทียบจำนวนมากมีเครื่องหมายดอกจันของ Baidu กำกับ หมายความว่า Baidu รันการประเมินเอง ไม่ได้อ้างผลจากค่ายอื่นโดยตรง

Preview (ผ่าน post-training) — แถวที่เลือกจากตารางของ 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 (ไม่ใช้เครื่องมือ text-only) 46.4 44.0 52.9 61.4

อ่านผลนี้อย่างตรงไปตรงมา: Preview เอาชนะโมเดลในระดับขนาดเดียวกันได้ในหลายเทสต์ด้านเอเจนต์และงานความรู้ (MCP-Atlas, AutomationBench, SpreadsheetBench) แต่ยังตามหลังโมเดลระดับ frontier ในงาน agentic coding ที่ยากอย่าง Terminal-Bench และทำคะแนนต่ำกว่า DeepSeek-V4.1-Flash ใน DeepSWE สำหรับการเปรียบเทียบเต็มรูปแบบกับ DeepSeek ดูบทความคู่กัน ERNIE 5.5 Flash vs DeepSeek V4.1 Flash และ บทความแนะนำ DeepSeek V4.1 Flash สำหรับมุมมองอีกฝั่ง

Base (pretrained) เทียบกับ base models ขนาดใกล้เคียงกัน: Baidu รายงานว่า MMLU-Pro ได้ 78.4 เทียบกับ 69.2 ของ DeepSeek-V4-Flash-Base, HumanEval+ 82.3 เทียบ 69.5, LiveCodeBench 40.1 เทียบ 31.9 และ LongBench-v2 48.7 เทียบ 44.5 แต่ก็แพ้บางรายการ เช่น InfiniteBench ตารางเต็มดูได้ที่ model card บน Hugging Face

ด้านความเร็ว คำอธิบายของ OpenRouter ระบุว่า "มากกว่า 200 token ต่อวินาที" แต่แดชบอร์ด 3 วันของ OpenRouter เองในวันที่ 12 พฤศจิกายนแสดง throughput P50 ที่ 79 token ต่อวินาทีบน endpoint ฟรี ซึ่งเป็นทราฟฟิกแบบใช้ร่วมกัน จึงควรคาดหวังว่าตัวเลขของคุณจะแตกต่างออกไป

วิธีเข้าถึง ERNIE 5.5 Flash

ปัจจุบันคุณมีทางเลือก 3 ทาง:

  1. OpenRouter (ฟรี, Preview): เรียก baidu/ernie-5.5-flash-preview:free ผ่าน API ที่รองรับรูปแบบ OpenAI ของ OpenRouter โดยมี Baidu Qianfan เป็น provider เพียงรายเดียว และ หน้าโมเดล ระบุราคา input และ output ที่ $0 endpoint ฟรีมีการจำกัด rate ตามเอกสาร limits ของ OpenRouter ดูวิธีใช้แบบละเอียดได้ใน คู่มือใช้ ERNIE 5.5 Flash ฟรี
  2. Baidu Qianfan (Preview): API อย่างเป็นทางการ ลิงก์จากหน้าเปิดตัวของ Baidu ดูการตั้งค่า request ได้ที่ คู่มือ ERNIE 5.5 Flash API
  3. Hugging Face (เฉพาะ Base): ดาวน์โหลด weights แบบ FP8 หรือ BF16 แล้วรันด้วย vLLM (พร้อมปลั๊กอิน vLLM-ERNIE) หรือ SGLang ตัวอย่างของ Baidu ใช้ 4-way parallelism บนเครื่อง multi-GPU ดูขั้นตอนทีละสเต็ปได้ที่ วิธีรัน ERNIE 5.5 Flash ในเครื่องด้วย vLLM

การเรียก OpenRouter แบบเรียบง่ายมีหน้าตาแบบนี้:

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."}]
  }'
Enter fullscreen mode Exit fullscreen mode

OpenRouter ระบุว่า endpoint นี้รองรับ tools, tool_choice, response_format พร้อม JSON schema และพารามิเตอร์ reasoning หากคุณอยากควบคุมผ่าน terminal agent บทความคู่กันเรื่อง ใช้ ERNIE 5.5 Flash ใน OpenCode แบบฟรี มีวิธีตั้งค่าให้ครบ

ใบอนุญาตของ ERNIE 5.5 Flash: ทำได้อะไร ทำไม่ได้อะไร

สองเวอร์ชันมีเงื่อนไขต่างกัน และความต่างนี้สำคัญมากถ้าคุณวางแผนจะเปิดตัวผลิตภัณฑ์

Base ใช้ ERNIE 5.5 Flash Base Model License Agreement v1.0 ไม่ใช่ Apache 2.0 โดยสรุป:

  • การใช้งานไม่เชิงพาณิชย์ (วิจัย การศึกษา การประเมิน การทดลองส่วนตัว) ทำได้ฟรีโดยไม่ต้องแจ้งล่วงหน้า
  • การใช้เชิงพาณิชย์ทำได้ฟรีเมื่อรายได้ต่อปีของผลิตภัณฑ์ที่เกี่ยวข้องอยู่ที่ 50 ล้านดอลลาร์สหรัฐหรือต่ำกว่า โดยต้องส่งหนังสือแจ้งการใช้งานครั้งเดียวให้ Baidu และแสดงข้อความ "Powered by ERNIE"
  • หากรายได้เกิน 50 ล้านดอลลาร์สหรัฐ ต้องได้รับอนุญาตเป็นลายลักษณ์อักษรแยกจาก Baidu ก่อนเริ่มใช้งาน

Preview ยังไม่มี weights หรือไฟล์ใบอนุญาตที่เผยแพร่ Baidu ระบุว่า weights "จะถูก open-source ภายใต้ Apache 2.0 เร็ว ๆ นี้" แต่ไม่ได้ระบุวัน ก่อนไฟล์นั้นจะออกมา ควรถือว่า Preview ใช้ได้ผ่าน API เท่านั้น

ใครควรใช้ ERNIE 5.5 Flash?

  • ทีมที่รันเอเจนต์ด้วยงบจำกัด endpoint ฟรีบน OpenRouter ที่มี context 1M และ tool calling เป็นวิธีทดสอบ agent loop ที่ถูกมาก
  • นักวิจัยด้าน fine-tuning และ RL Base เป็น checkpoint สุดท้ายของ pretraining ที่สะอาด ซึ่งหาได้ยากในขนาดระดับนี้
  • งานที่เกี่ยวกับเอกสารยาว ดีไซน์ attention แบบบีบอัดถูกออกแบบมาสำหรับ input 1M token โดยไม่ต้องใช้ KV cache ขนาดมหึมา

กรณีที่ควรระมัดระวัง:

  • pipeline ที่ต้องใช้ JSON เข้มงวด แดชบอร์ดของ OpenRouter แสดงอัตรา error ของ structured output ที่ 21.70% สำหรับ endpoint ฟรีเมื่อวันที่ 12 พฤศจิกายน ควรตรวจสอบทุก response
  • input แบบรูปภาพ โมเดลนี้รองรับเฉพาะข้อความ หมายเหตุ benchmark ของ Baidu เองระบุว่าการเข้าใจภาพมาจากเครื่องมือภายนอก
  • SLA ระดับ production Preview เป็น checkpoint ที่ยังไม่เสร็จ และมี provider เดียวให้บริการ

ให้ coding agent ของคุณทดสอบ ERNIE 5.5 Flash ด้วย Apidog CLI

อัตรา error ของ structured output ที่ 21.70% ก็คือเหตุผลว่าทำไมคุณควรทดสอบรูปแบบ response ก่อนสร้างงานบนมัน ให้ Claude Code, Codex หรือ Cursor สร้าง endpoint และ test case ให้ด้วย Apidog CLI

ตั้งค่าครั้งเดียว:

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

แล้วสั่ง agent ของคุณด้วย prompt เดียว:

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.
Enter fullscreen mode Exit fullscreen mode

agent จะตรวจสอบ payload แต่ละชิ้นกับ schema ของ CLI ก่อนเขียนอะไรลงไป:

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
Enter fullscreen mode Exit fullscreen mode

เปลี่ยน base URL เป็น endpoint ของ Qianfan หรือ vLLM ในเครื่องของคุณ แล้ว test case เดียวกันก็ใช้ตรวจสอบได้เช่นกัน หากต้องการรันทุกครั้งที่ commit ให้เพิ่ม -r junit และทำตาม คู่มือ Apidog CLI CI/CD มือใหม่กับ CLI? เริ่มได้ที่ Apidog CLI ใน Claude Code Apidog Free รองรับผู้ใช้ได้ถึง 4 คน ดาวน์โหลด Apidog แล้วลองใช้กับโปรเจกต์ของคุณได้เลย

คำถามที่พบบ่อย (FAQ)

ERNIE 5.5 Flash เป็น open source หรือไม่? บางส่วน Base weights เปิดสาธารณะภายใต้ใบอนุญาตของ Baidu เอง ใช้เชิงพาณิชย์ได้ฟรีจนถึงรายได้ประจำปีที่เกี่ยวข้อง 50 ล้านดอลลาร์สหรัฐ ส่วน Preview weights สัญญาว่าจะเปิดภายใต้ Apache 2.0 "เร็ว ๆ นี้"

ERNIE 5.5 Flash Preview กับ Base ต่างกันอย่างไร? Base คือ checkpoint ดิบจาก pretraining สำหรับ fine-tuning ส่วน Preview คือโมเดลแชทและเอเจนต์ที่ผ่าน post-training ซึ่งคุณเรียกใช้ผ่าน API ทั้งคู่มีพารามิเตอร์รวม 280B และใช้งานจริง 14B

ERNIE 5.5 Flash ฟรีหรือไม่? Preview ใช้ฟรีบน OpenRouter ในชื่อ baidu/ernie-5.5-flash-preview:free โดยมีการจำกัด rate ส่วน Base ดาวน์โหลดได้ฟรี ณ วันที่ 12 พฤศจิกายน 2026 Baidu ยังไม่ได้เผยแพร่ราคาต่อ token แบบเสียเงินบนหน้าเว็บอย่างเป็นทางการ

Context window ของ ERNIE 5.5 Flash ใหญ่แค่ไหน? 1M token: Preview บน OpenRouter รองรับ 1,024,000 token และ config ของ Base รองรับ 1,048,576 token แต่ Base ถูกเทรนที่ความยาวสูงสุด 128K

รัน ERNIE 5.5 Flash ในเครื่องได้ไหม? Base ทำได้ ด้วย vLLM พร้อมปลั๊กอิน vLLM-ERNIE หรือ SGLang บนเครื่อง multi-GPU ส่วน Preview ยังรันในเครื่องไม่ได้จนกว่า Baidu จะเผยแพร่ weights

ERNIE 5.5 Flash รองรับรูปภาพหรือไม่? ไม่รองรับ ทั้งสองเวอร์ชันเป็นโมเดลแบบ text-only

Top comments (0)