Baidu presentó el 11 de noviembre ERNIE 5.5 Flash Preview, la primera versión posentrenada construida sobre ERNIE 5.5 Flash Base, anunciado con anterioridad. El modelo tiene 280B de parámetros en total, activa 14B en cada inferencia y admite un contexto de 1 millón de tokens. La API ya está disponible en Baidu Qianfan, la página oficial incluye además un acceso a través de OpenRouter, y los pesos se abrirán antes del 25 de noviembre.
Baidu lo presenta como una versión intermedia del proceso de posentrenamiento; la página de lanzamiento señala que “todavía puede presentar carencias de capacidad por un entrenamiento insuficiente”. El posentrenamiento continúa y no se ha dado un calendario para la versión final.
El foco de la demostración: tareas largas de agentes
La página de lanzamiento no dedica espacio a las puntuaciones de las pruebas comparativas. Los resultados de evaluación están en el apéndice, y el cuerpo principal muestra cuatro tipos de obras completadas de principio a fin dentro de un marco de agentes.
El desarrollo de videojuegos es la parte central. Baidu afirma haber realizado adaptaciones específicas para Unreal Engine, Unity y Godot. En uno de los casos, el modelo ejecutó una tarea de programación de largo recorrido de 11 horas: integró recursos de varias generaciones de Unreal Engine en un mismo proyecto de UE 5.8 y escribió en C++ un juego de wuxia en tercera persona. Al ser un modelo solo de texto, que no ve la imagen, convirtió los problemas detectados al probar el juego, como personajes flotando, direcciones de carrera incoherentes o cámaras desalineadas, en pruebas de código medibles, y fue iterando añadiendo pruebas ronda tras ronda.
Otro conjunto de casos son casi un centenar de minijuegos para móvil creados con Cocos, Unity, LayaAir, PixiJS y otras plataformas, que abarcan géneros como disparos de balas, defensa de torres y cartas; el vídeo muestra 24 de ellos. Baidu indica que la mayoría separa la capa de reglas de la capa de presentación y luego usa bots de prueba y reproducciones de niveles para comprobar automáticamente si se puede completar el juego.
En modelado 3D, el modelo utilizó la API de Python de Blender y scripts de FreeCAD para construir un aeropuerto con aviones, el templo Hōryū-ji, un motor W16 y un vehículo conceptual lunar.
En el trabajo del conocimiento, la escala del entorno de entrenamiento que ofrece Baidu es de 300.000 espacios de trabajo, 10 millones de archivos de referencia y más de 40 tipos de archivo; la creación de vídeo, por su parte, se apoya en más de 150.000 entornos creativos, con unos 5.300 minutos de metraje terminado en total.
Todas estas obras fueron seleccionadas por Baidu, y la página indica, elemento por elemento, los materiales y herramientas externos utilizados; por ejemplo, algunas imágenes se generaron con Seedance 2.5 y parte del arte procede de modelos de imagen como FLUX.2. Cómo rinde en tareas cotidianas lo dirán los desarrolladores cuando lo prueben por su cuenta.
Tres efectos prácticos para los desarrolladores en China
El primero es la barrera de despliegue. 280B de parámetros en total implican archivos de pesos voluminosos y una exigencia de memoria de vídeo todavía alta; pero al activarse solo 14B cada vez, el coste de cómputo en la inferencia queda, a grandes rasgos, cerca del de un modelo denso de tamaño medio. MiniMax M3.1 Flash, del que informamos antes, activa 23B; ERNIE 5.5 Flash activa menos. Lo que Baidu repite en la página de lanzamiento es también el “equilibrio entre nivel de inteligencia y eficiencia de inferencia”, además de la velocidad de decodificación.
El segundo es la vía de acceso. La API está en Qianfan, y las empresas chinas pueden llamarla directamente con su cuenta actual de Baidu AI Cloud, sin tener que resolver el cumplimiento transfronterizo propio de los modelos extranjeros; una vez abiertos los pesos, también podrán desplegarlo en su propio centro de datos. Por la demanda, para los clientes de finanzas y administración pública con el requisito estricto de que los datos no salgan de su dominio, esta segunda opción resulta más atractiva.
El tercero es la licencia. La serie anterior de Baidu, ERNIE 4.5, se abrió bajo la licencia Apache 2.0, que permite el uso comercial. Qué licencia adoptará ERNIE 5.5 Flash y si el uso comercial tendrá condiciones adicionales no consta en la página de lanzamiento; por ahora no es posible confirmarlo.
Lo que aún falta por saber
Baidu no ofrece en el texto principal una comparación punto por punto con otros modelos chinos de código abierto; las puntuaciones están concentradas en el apéndice, y una clasificación comparativa tendrá que esperar a evaluaciones de terceros. Cuánta diferencia habrá entre la Preview y la versión final, y cuándo saldrá esta, tampoco lo ha dicho la compañía.
El precio es otro vacío. La página de lanzamiento solo da los accesos de Qianfan y OpenRouter, sin indicar el precio por millón de tokens; si el contexto largo de 1 millón de tokens puede aprovecharse por completo de forma estable en el uso real y si las entradas muy largas se facturarán aparte, solo se sabrá con pruebas de los desarrolladores y una explicación oficial de la facturación. Para los equipos que piensen sustituir su modelo actual, el rendimiento de la inferencia local una vez publicados los pesos puede ser más útil como referencia que los vídeos de esta presentación.
Fuentes: página oficial de lanzamiento de ERNIE de Baidu, CocoLoop, notas sobre la apertura de ERNIE 4.5; la escala de parámetros, el número de entornos de entrenamiento y el plazo de apertura se rigen por lo indicado oficialmente por Baidu.