Baidu lanza ERNIE 5.5 Flash Preview, un modelo de 280.000 millones de parámetros disponible en API, con pesos prometidos para el 25 de noviembre
Seis días después del modelo base, Baidu publica ERNIE 5.5 Flash Preview, la primera versión posentrenada de su MoE de 280.000 millones de parámetros (14.000 millones activos), ya accesible mediante API en Qianfan. Los pesos se prometen para el 25 de noviembre, sin licencia anunciada, y las puntuaciones publicadas lo sitúan por detrás de Claude Opus 5.5 en varias pruebas de agentes.
Baidu anunció el 11 de noviembre de 2026 ERNIE 5.5 Flash Preview, la primera versión «terminada» de su nuevo modelo de lenguaje. Se trata de un Mixture-of-Experts de 280.000 millones de parámetros, de los cuales solo 14.000 millones trabajan para cada token, con un contexto de un millón de tokens. A diferencia del modelo base publicado hace seis días, este ha sido posentrenado para seguir instrucciones y actuar como un agente. Su API ya está abierta en Qianfan, la plataforma en la nube de Baidu, y los pesos se han prometido para el 25 de noviembre.
Del modelo en bruto al asistente
El 5 de noviembre, Baidu tomó el camino inverso al de la mayoría de los laboratorios al publicar primero un punto de control en bruto, recién salido del preentrenamiento, incapaz de conversar. La versión Preview es el siguiente paso: la misma arquitectura, diseñada para una inferencia económica, pero con un posentrenamiento orientado al código, los agentes, las tareas ofimáticas (hojas de cálculo, documentos, presentaciones) y la creación de contenidos. Baidu destaca la velocidad: más de 200 tokens por segundo y por usuario en Qianfan, según la empresa.
La empresa se muestra prudente sobre el estado del modelo. Su publicación precisa que se trata de una versión intermedia del posentrenamiento, que aún puede presentar debilidades ligadas a un entrenamiento incompleto, y que la versión definitiva de ERNIE 5.5 Flash tendrá en cuenta los comentarios de los usuarios.
Demostraciones muy orientadas a agentes
La mayor parte del artículo está dedicada a proyectos desarrollados, según Baidu, de principio a fin por el modelo en un marco de agente. La más llamativa es un juego de acción en tercera persona desarrollado en Unreal Engine 5.8 a lo largo de una tarea de programación de 11 horas: el modelo, que solo procesa texto y, por tanto, no ve la imagen, habría transformado cada fallo detectado en una prueba medible en el código para avanzar. Baidu muestra también cerca de un centenar de pequeños juegos para móviles, escenas modeladas con la API de Python de Blender (un aeropuerto y un avión de línea, un templo japonés), piezas mecánicas en FreeCAD, informes de 20 a 24 páginas, una hoja de cálculo para simulaciones financieras y un cortometraje de animación de 116 segundos diseñado íntegramente mediante código.
Estos ejemplos han sido seleccionados por la empresa y a menudo se apoyan en recursos externos (bancos de modelos 3D, generadores de imágenes o de vídeo), que Baidu detalla. Muestran, sobre todo, la dirección tomada: un modelo de tamaño mediano en parámetros activos, entrenado para controlar herramientas durante periodos prolongados.
Puntuaciones dispares frente a Claude Opus 5.5
La tabla publicada por Baidu compara ERNIE 5.5 Flash Preview con Claude Opus 5.5, GPT-6.1 Sol, Hy4, DeepSeek V4.1 Flash y GLM-5.3 en ocho pruebas de agentes. Resulta más matizada que algunos mensajes de lanzamiento. ERNIE se sitúa en cabeza en AutomationBench (61,9 frente a 58,0 para Claude Opus 5.5) y SpreadsheetBench V2 (36,4 frente a 35,1). Sin embargo, se queda claramente por detrás en Terminal-Bench 4.0 (46,5 frente a 63,6 para Claude Opus 5.5 y 56,1 para GPT-6.1 Sol), DeepSWE v1.1 (71,2 frente a 77,0 para DeepSeek V4.1 Flash), APEX-Agents 1.1 (64,2 frente a 75,0 para Hy4) y Agents’ Last Exam (29,0 frente a 35,2 para DeepSeek V4.1 Flash). Baidu señala con un asterisco los resultados que ha medido ella misma, lo que afecta a parte de las cifras de los competidores.
Pesos prometidos, una licencia aún desconocida
Baidu presenta ERNIE 5.5 Flash como un modelo de pesos abiertos y promete su publicación para el 25 de noviembre. Los documentos consultados no dicen nada sobre la licencia que se aplicará. Esta cuestión es importante para los lectores europeos: la del modelo base excluye a la Unión Europea, al Reino Unido y a Corea del Sur, y prohíbe utilizar sus salidas para mejorar otro modelo. Si se mantienen estas condiciones, la versión Preview no podrá utilizarse legalmente desde España ni el resto de la UE, incluso una vez que los pesos estén disponibles en línea.
Nuestro análisis
Al publicar primero la base y después una versión posentrenada en versión previa, Baidu recupera rápidamente el ritmo de sus competidores chinos. La elección es coherente: 14.000 millones de parámetros activos, un millón de tokens de contexto y una gran velocidad apuntan a agentes que se ejecutan durante mucho tiempo, donde el coste por tarea importa tanto como la puntuación. La tabla publicada resulta, no obstante, honesta en un aspecto: en las pruebas de agentes en terminal y en ingeniería de software, Claude Opus 5.5, GPT-6.1 Sol o DeepSeek V4.1 Flash siguen por delante, y parte de las cifras de los rivales proceden de la propia Baidu. Harán falta mediciones independientes para situar este modelo. Para Europa, la verdadera cuestión es otra: mientras Baidu no publique la licencia de los pesos, nada garantiza que este modelo «abierto» lo sea para las empresas europeas.
Fuentes
- Baidu — ERNIE 5.5 Flash Preview, publicación de lanzamiento (11 de noviembre de 2026, en chino) Fuente primaria
- Baidu Inc. — anuncio en X (11 de noviembre de 2026) Fuente primaria
- Baidu ERNIE — anuncio en X con la tabla de resultados en imagen (11 de noviembre de 2026) Fuente primaria
- Baidu — ERNIE 5.5 Flash Base, artículo técnico (5 de noviembre de 2026) Fuente primaria
- Baidu — licencia del modelo ERNIE 5.5 Flash Base (Hugging Face) Fuente primaria
Una fuente primaria procede directamente de la empresa, el laboratorio o la organización implicados. Una fuente secundaria recoge la información sin ser su autora: la señalamos como tal. ¿Has visto un error? Consulta nuestra política de correcciones.
