ERNIE 5.5 Flash Base est publié : un modèle ouvert de 280 milliards de paramètres

Baidu a publié son modèle de base ouvert ERNIE 5.5 Flash Base le 5 novembre 2026. Les poids du modèle sont disponibles sur Hugging Face aux formats FP8 et BF16. Baidu le propose sans réglage fin ni post-entraînement ; les développeurs qui souhaitent l’utiliser peuvent ainsi définir eux-mêmes les processus d’adaptation et d’entraînement en fonction de leurs besoins. L’entreprise indique qu’une version post-entraînée sera également disponible à l’avenir, sans toutefois en préciser la date.

Échelle du modèle et processus d’entraînement

ERNIE 5.5 Flash Base utilise une architecture à mélange d’experts (mixture-of-experts). Le modèle compte 280 milliards de paramètres au total ; selon la source, 14 milliards de paramètres sont activés pour chaque entrée. Le pré-entraînement a été effectué sur 33,5 billions de tokens.

Lors du pré-entraînement, la longueur de contexte du modèle a atteint 128 000 tokens. La conception indiquée par Baidu vise toutefois à prendre en charge un contexte allant jusqu’à un million de tokens pendant le réglage fin et l’inférence. Ces deux valeurs correspondent à des étapes différentes : la première décrit le contexte de pré-entraînement, tandis que la seconde désigne la capacité visée lors des étapes d’utilisation ultérieures.

Le modèle a été publié comme modèle de base, et non comme produit prêt à l’emploi adapté à une application particulière. L’absence de réglage fin et de post-entraînement implique que les équipes souhaitant mettre en œuvre ces étapes doivent mener leur propre processus de développement. La date de la version post-entraînée que Baidu prévoit de proposer n’a pas encore été annoncée.

Poids et résultats comparatifs

La disponibilité des poids sur Hugging Face aux formats FP8 et BF16 offre deux options aux équipes qui souhaitent évaluer le modèle. Cependant, la source ne fournit aucune information sur le prix, les conditions de licence ou la configuration système recommandée. L’accès aux poids ne permet donc pas, à lui seul, de déterminer les conditions d’utilisation commerciale ni de savoir si le modèle fonctionnera sur un matériel donné.

Dans les comparaisons rapportées par Baidu, le modèle rivalise avec des modèles de base ouverts de taille similaire pour les tâches de raisonnement, de programmation et de contexte long. DeepSeek-V4-Flash-Base, Hy3-preview-Base et MiMo-V2.5-Base figurent également dans l’évaluation. Les tests consacrés aux examens, aux STEM, au raisonnement, aux connaissances, au code, au multilinguisme et au contexte long auraient utilisé le même protocole d’évaluation. Les résultats de performance sont ceux communiqués par Baidu.

Effets sur les processus de travail en architecture et en visualisation

ERNIE 5.5 Flash Base n’est pas présenté dans la source comme un outil destiné à l’architecture ou aux logiciels 3D. On ne peut donc pas affirmer que le modèle s’intègre directement à ces logiciels ou qu’il propose une fonction particulière, comme la génération d’images. Les bureaux d’architecture et les équipes de visualisation qui développent leurs propres outils basés sur l’IA peuvent toutefois évaluer le modèle pour des tâches impliquant de longs contextes ou du code ; il s’agit de cas d’usage envisageables au vu des informations disponibles.

Avant toute mise en œuvre, il convient de vérifier les besoins matériels liés à l’échelle totale du modèle, la compatibilité des formats FP8 et BF16 avec l’environnement de travail existant, ainsi que les conditions de licence. La source ne mentionnant ni carte graphique particulière ni configuration système minimale, il est impossible de tirer une conclusion définitive quant au matériel adapté.