Baidu publica los pesos de ERNIE 5.5 Flash Base, un modelo base de 280 000 millones de parámetros cuya licencia excluye a la Unión Europea

Baidu publicó el 5 de noviembre de 2026 los pesos de ERNIE-5.5-Flash-Base, un modelo de lenguaje de tipo Mixture-of-Experts (MoE) de 280 000 millones de parámetros, de los que solo 14 000 millones se activan para cada token. Particularidad de este lanzamiento: se trata de un modelo base, congelado al término del preentrenamiento, que Baidu presenta como punto de partida para la investigación y la adaptación. Y un detalle de su licencia atañe directamente a los lectores europeos: excluye a la Unión Europea.

Un modelo base, no un asistente

ERNIE-5.5-Flash-Base no ha recibido ni entrenamiento intermedio ni postentrenamiento: no sigue instrucciones ni conversa, sino que completa texto. Baidu lo destina a la adaptación de dominio, al ajuste por instrucciones y a la investigación en aprendizaje por refuerzo, prometiendo que la versión postentrenada de ERNIE 5.5 Flash «llegará más adelante», sin fecha fijada. Es una estrategia poco habitual: la mayoría de los laboratorios publican primero el modelo finalizado y el modelo base como complemento.

El modelo se entrenó desde cero con 33,5 billones de tokens, con un contexto de entrenamiento de 128 000 tokens; Baidu señala que el ajuste fino y la inferencia admiten hasta un millón de tokens. El corpus pone énfasis en el código a escala de repositorios completos (commits, incidencias, pull requests, revisiones de código, parches validados mediante integración continua) y en la comprensión de textos largos. Los pesos se ofrecen en FP8 y BF16, en Hugging Face y ModelScope, con instrucciones de despliegue para SGLang y vLLM.

Una arquitectura pensada para el coste

La mayor parte de la publicación técnica se centra en la eficiencia. De las 43 capas, solo una de cada siete conserva un acceso token por token a todo el contexto (atención latente MLA, implementada de forma dispersa); las otras 37 utilizan una atención fuertemente comprimida que solo mantiene una entrada de caché por cada 128 tokens. El objetivo es reducir la memoria necesaria para los contextos largos, un factor de coste crucial para los agentes. Cada capa MoE cuenta con 512 expertos (10 activos por token) más un experto compartido, seleccionados por varios enrutadores independientes en lugar de uno solo. Baidu sustituye además el módulo de predicción multitoken por la última capa de la red, que funciona adicionalmente como modelo borrador para la decodificación especulativa.

Puntuaciones por encima de DeepSeek, según Baidu

Baidu compara su modelo con tres modelos base chinos de tamaño similar, evaluados según afirma con el mismo protocolo: DeepSeek-V4-Flash-Base (284 000 millones de parámetros, 13 activos), Hy3-preview-Base (295 000 millones de parámetros) y MiMo-V2.5-Base (310 000 millones). ERNIE se sitúa a la cabeza en la mayoría de las pruebas: 78,4 en MMLU-Pro frente al 69,2 de DeepSeek, 82,3 frente al 69,5 en HumanEval+, 40,1 frente al 31,9 en LiveCodeBench. En cambio, queda por detrás en ChineseSimpleQA (73,0 frente al 75,3 de DeepSeek), en FullStackBench (54,6 frente al 56,7 de Hy3-preview-Base) o en InfiniteBench. Estas cifras siguen procediendo del desarrollador y corresponden a un modelo base: no revelan nada sobre el rendimiento del futuro modelo conversacional.

Una licencia propia muy restrictiva

La licencia, desarrollada por la propia Baidu, dista mucho de ser de código abierto. Define un territorio que cubre todo el mundo salvo la Unión Europea, el Reino Unido y Corea del Sur, y especifica que el modelo, sus derivados e incluso sus salidas no deben utilizarse, reproducirse ni difundirse fuera de dicho territorio. En el resto de zonas, el uso no comercial es libre; el uso comercial es gratuito siempre que los productos afectados no superen los 50 millones de dólares de facturación anual, requiriendo una notificación única a Baidu y la mención visible «Powered by ERNIE». Por encima de ese umbral, se exige una autorización por escrito. La licencia prohíbe asimismo utilizar el modelo o sus salidas para mejorar otro modelo que no sean sus propios derivados, así como cualquier uso militar.