As capturas mostram as páginas oficiais na data indicada e podem diferir das páginas na publicação. Selecione uma imagem para ampliá-la.
Em 5 de novembro de 2026, a gigante chinesa de tecnologia Baidu (百度) publicou no Hugging Face os pesos (os dados que compõem o modelo) do modelo de IA "ERNIE-5.5-Flash-Base". É o modelo no ponto em que termina o pré-treinamento (o primeiro treinamento, em que ele aprende sobre a linguagem a partir de uma enorme quantidade de textos), sem os ajustes para responder perguntas ou seguir instruções. A Baidu explica que o publicou como ponto de partida para que os desenvolvedores possam começar um treinamento adicional voltado à sua área ou objetivo sem arcar com o custo de um pré-treinamento em grande escala.
O que é um modelo base
Assistentes de IA como o ChatGPT são criados acumulando, depois do pré-treinamento, outras etapas de treinamento, como ajustes para seguir instruções e aprendizado por reforço. O ERNIE-5.5-Flash-Base é o modelo da etapa anterior a essas. Do jeito que está, não serve para conversar: ele funciona escrevendo a continuação de um texto.
A Baidu cita as seguintes vantagens de publicá-lo nesse formato.
- Os desenvolvedores podem escolher livremente ajustes para áreas específicas, além do treinamento para raciocínio e para agentes
- Pode servir como ponto de partida comum em pesquisas que comparam métodos de treinamento
A versão ajustada para seguir instruções, o "ERNIE 5.5 Flash", será publicada mais adiante, segundo a empresa.
Funcionamento e porte
O ERNIE-5.5-Flash-Base usa uma arquitetura chamada "MoE", que escolhe e ativa apenas os componentes necessários entre muitas pequenas partes especializadas (os especialistas).
- Total de parâmetros: 280 bilhões (14 bilhões ativados por token)
- Dados de treinamento: 33,5 trilhões de tokens
- Quantidade de texto processada de uma vez: até 128 mil tokens no treinamento e 1 milhão de tokens no treinamento adicional e no uso
- Formato dos pesos: dois tipos, FP8 e BF16
Das 43 camadas, 37 consultam os trechos distantes do texto comprimidos a 1/128, e apenas as 6 restantes examinam o texto inteiro em detalhe. Com isso, o modelo reduz o processamento e a memória necessários para lidar com textos longos. Nos dados de treinamento, a Baidu diz ter dado ênfase a código para entender repositórios de software inteiros e à compreensão de textos longos.
Desempenho
A Baidu divulgou os resultados de uma comparação, nas mesmas condições, com modelos base de porte semelhante e pesos publicados: o DeepSeek-V4-Flash-Base, o Hy3-preview-Base, da Tencent, e o MiMo-V2.5-Base, da Xiaomi. Todas são avaliações feitas pela própria Baidu.
- MMLU-Pro, que mede conhecimentos gerais: 78,4 (DeepSeek 69,2, Tencent 66,9, Xiaomi 65,7)
- LiveCodeBench, de programação: 40,1 (respectivamente 31,9, 33,5 e 32,4)
- GPQA, com questões de ciências em nível de pós-graduação: 60,2 (respectivamente 55,9, 50,2 e 51,4)
Na maioria das avaliações, ele teve o melhor resultado entre os quatro modelos, mas em parte das avaliações de conhecimento da língua chinesa, textos longos, código e raciocínio, modelos como os da DeepSeek e da Tencent ficaram à frente em alguns itens.
Licença e regiões onde pode ser usado
A licença é própria da Baidu, a "ERNIE 5.5 Flash Base Model License Agreement v1.0". As principais condições são as seguintes.
- Uso não comercial, como pesquisa, educação e testes pessoais: gratuito
- Uso comercial em que os produtos ou serviços relacionados faturem até US$ 50 milhões por ano: gratuito, mas é preciso notificar a Baidu uma vez sobre o uso e exibir "Powered by ERNIE"
- Uso comercial com faturamento anual acima de US$ 50 milhões: exige autorização por escrito da Baidu
- É proibido usar o modelo ou seus resultados para aprimorar outros modelos de IA
Além disso, a licença vale para "o mundo todo, exceto a UE, o Reino Unido e a Coreia do Sul". O Japão está incluído, mas na UE, no Reino Unido e na Coreia do Sul o uso sob esta licença não é permitido.
A visão do CoAI
As principais empresas chinesas estão publicando, uma após a outra, não só assistentes de IA prontos, mas também os pesos dos modelos base que vêm antes deles. Os rivais nesta comparação também são modelos base da DeepSeek, da Tencent e da Xiaomi, o que mostra que a disputa pelo ponto de partida do treinamento adicional está avançando entre as empresas chinesas.
Por outro lado, um modelo base não serve para chat do jeito que está, e é preciso ter conhecimento de treinamento adicional e infraestrutura de computação. A publicação não é voltada ao usuário comum, mas a empresas e pesquisadores que querem criar modelos próprios. Diferentemente de licenças de código aberto comuns, como a Apache 2.0, esta tem condições como restrições regionais, um limite de faturamento e a proibição de uso para aprimorar outros modelos; por isso, confira o texto completo da licença antes de usar.