Baidu a lancé le 11 novembre ERNIE 5.5 Flash Preview, première version post-entraînée construite sur ERNIE 5.5 Flash Base, annoncé précédemment. Le modèle compte 280B de paramètres au total, en active 14B à chaque inférence et prend en charge un contexte d’un million de tokens. L’API est déjà disponible sur Baidu Qianfan, la page officielle indique aussi un accès via OpenRouter, et les poids seront publiés en open source avant le 25 novembre.
Baidu présente ce modèle comme une version intermédiaire du post-entraînement ; la page de lancement précise qu’il « peut encore présenter des lacunes de capacités dues à un entraînement insuffisant ». Le post-entraînement se poursuit, et aucune date n’est donnée pour la version finale.
L’accent mis sur les tâches longues d’agents
La page de lancement ne s’attarde pas sur les scores de benchmarks. Les résultats d’évaluation figurent en annexe ; le corps du texte présente quatre types de réalisations menées de bout en bout dans un framework d’agents.
Le développement de jeux vidéo en est le gros morceau. Baidu affirme avoir effectué des adaptations spécifiques pour Unreal Engine, Unity et Godot. Dans l’un des exemples, le modèle a mené une tâche de programmation de longue haleine de 11 heures : il a fusionné des ressources issues de plusieurs générations d’Unreal Engine dans un même projet UE 5.8 et écrit en C++ un jeu de wuxia à la troisième personne. Comme il s’agit d’un modèle uniquement textuel, qui ne voit pas l’image, il a converti les problèmes relevés lors des essais — personnages en lévitation, directions de course incohérentes, caméra décalée — en tests de code mesurables, et a itéré en ajoutant des tests tour après tour.
Un autre ensemble d’exemples compte près d’une centaine de mini-jeux mobiles réalisés avec Cocos, Unity, LayaAir, PixiJS et d’autres, couvrant des genres comme le tir à projectiles, le tower defense et les jeux de cartes ; la vidéo en présente 24. Baidu indique que la plupart séparent la couche de règles de la couche de présentation, puis utilisent des bots de test et des rediffusions de niveaux pour vérifier automatiquement que le jeu peut être terminé.
En modélisation 3D, le modèle a utilisé l’API Python de Blender et des scripts FreeCAD pour construire un aéroport avec avions, le temple Hōryū-ji, un moteur W16 et un véhicule lunaire conceptuel.
Pour le travail de connaissance, l’échelle de l’environnement d’entraînement avancée par Baidu est de 300 000 espaces de travail, 10 millions de fichiers de référence et plus de 40 types de fichiers ; la création vidéo repose, elle, sur plus de 150 000 environnements créatifs, pour environ 5 300 minutes de séquences terminées au total.
Toutes ces réalisations ont été choisies par Baidu, et la page indique pour chacune les ressources et outils externes utilisés : certaines images ont par exemple été générées par Seedance 2.5, et une partie des visuels provient de modèles d’image comme FLUX.2. Ses performances sur les tâches du quotidien, seuls les développeurs pourront en juger en l’essayant eux-mêmes.
Trois conséquences concrètes pour les développeurs chinois
La première est le seuil de déploiement. 280B de paramètres au total impliquent des fichiers de poids volumineux et des exigences en mémoire vidéo toujours élevées ; mais comme seuls 14B sont activés à chaque fois, la charge de calcul à l’inférence se rapproche, grosso modo, de celle d’un modèle dense de taille moyenne. MiniMax M3.1 Flash, dont nous avons déjà parlé, active 23B ; ERNIE 5.5 Flash en active moins. Ce que Baidu répète aussi sur la page de lancement, c’est « l’équilibre entre niveau d’intelligence et efficacité d’inférence », ainsi que la vitesse de décodage.
La deuxième est la voie d’accès. L’API est sur Qianfan, et les entreprises chinoises peuvent l’appeler directement avec leur compte Baidu AI Cloud existant, sans avoir à gérer la conformité transfrontalière propre aux modèles étrangers ; une fois les poids ouverts, il sera aussi possible de le déployer dans son propre centre de données. Du côté de la demande, pour les clients de la finance et de l’administration qui exigent que les données ne quittent pas leur périmètre, cette seconde option est la plus attrayante.
La troisième est la licence. La série ERNIE 4.5 de Baidu avait été publiée en open source sous licence Apache 2.0, qui autorise l’usage commercial. Quant à la licence retenue pour ERNIE 5.5 Flash et à d’éventuelles conditions supplémentaires pour l’usage commercial, la page de lancement ne le précise pas ; il est impossible de le confirmer pour l’instant.
Ce qui manque encore
Baidu ne fournit pas dans le texte principal de comparaison point par point avec d’autres modèles open source chinois ; les scores d’évaluation sont regroupés en annexe, et un classement comparatif devra attendre des évaluations tierces. L’écart entre la Preview et la version finale, ainsi que la date de sortie de celle-ci, n’ont pas non plus été communiqués.
Le prix est lui aussi un blanc. La page de lancement ne donne que les accès Qianfan et OpenRouter, sans tarif d’appel par million de tokens ; savoir si le contexte long d’un million de tokens peut être exploité pleinement de façon stable en conditions réelles, et si les entrées très longues seront facturées à part, ne sera possible qu’avec des tests de développeurs et une explication officielle de la facturation. Pour les équipes qui envisagent de remplacer leur modèle actuel, les performances d’inférence locale après la publication des poids pourraient être plus instructives que les vidéos de cette présentation.
Sources : page officielle de lancement d’ERNIE de Baidu, CocoLoop, notes sur l’ouverture d’ERNIE 4.5 ; l’échelle des paramètres, le nombre d’environnements d’entraînement et l’échéance d’ouverture sont ceux indiqués officiellement par Baidu.