A Baidu lançou em 11 de novembro o ERNIE 5.5 Flash Preview, a primeira versão pós-treinada construída sobre o ERNIE 5.5 Flash Base, anunciado anteriormente. O modelo tem 280B de parâmetros no total, ativa 14B a cada inferência e suporta contexto de 1 milhão de tokens. A API já está disponível no Baidu Qianfan, a página oficial lista também uma entrada pelo OpenRouter, e os pesos serão abertos até 25 de novembro.
A Baidu posiciona o modelo como uma versão intermediária do processo de pós-treinamento; a página de lançamento diz que ele “ainda pode apresentar deficiências de capacidade causadas por treinamento insuficiente”. O pós-treinamento continua, e não há cronograma para a versão final.
O foco da demonstração: tarefas longas de agentes
A página de lançamento não gasta espaço com pontuações de benchmark. Os resultados de avaliação ficam no apêndice, e o corpo do texto mostra quatro tipos de trabalho concluídos de ponta a ponta dentro de um framework de agentes.
Desenvolvimento de jogos é o carro-chefe. A Baidu afirma ter feito adaptações específicas para Unreal Engine, Unity e Godot. Em um dos casos, o modelo executou uma tarefa de programação de longo prazo de 11 horas: reuniu recursos de várias gerações da Unreal Engine em um mesmo projeto UE 5.8 e escreveu em C++ um jogo de wuxia em terceira pessoa. Por ser um modelo apenas de texto, que não enxerga a imagem, ele converteu problemas observados nos testes de jogo, como personagem flutuando, direção de corrida inconsistente e câmera desalinhada, em testes de código mensuráveis, avançando por rodadas sucessivas de novos testes.
Outro conjunto de casos reúne quase cem minijogos para celular feitos com Cocos, Unity, LayaAir, PixiJS e outras plataformas, cobrindo gêneros como tiro com projéteis, defesa de torres e cartas; o vídeo mostra 24 deles. A Baidu diz que a maioria separa a camada de regras da camada de apresentação e usa bots de teste e reprodução de fases para verificar automaticamente se o jogo pode ser concluído.
Em modelagem 3D, o modelo usou a API Python do Blender e scripts do FreeCAD para construir um aeroporto com aviões, o templo Hōryū-ji, um motor W16 e um conceito de veículo lunar.
No trabalho de conhecimento, a escala do ambiente de treinamento informada pela Baidu é de 300 mil espaços de trabalho, 10 milhões de arquivos de referência e mais de 40 tipos de arquivo; já a criação de vídeo foi construída sobre mais de 150 mil ambientes criativos, com cerca de 5.300 minutos de material finalizado no total.
Todas essas obras foram escolhidas pela Baidu, e a página registra item por item os materiais e as ferramentas externas utilizados; por exemplo, algumas cenas foram geradas pelo Seedance 2.5 e parte da arte vem de modelos de imagem como o FLUX.2. Como ele se sai nas tarefas do dia a dia, só os desenvolvedores dirão ao testá-lo por conta própria.
Três efeitos práticos para desenvolvedores na China
O primeiro é a barreira de implantação. 280B de parâmetros no total significam arquivos de pesos volumosos e exigência ainda alta de memória de vídeo; mas, como só 14B são ativados por vez, o custo computacional na inferência fica, grosso modo, próximo ao de um modelo denso de porte médio. O MiniMax M3.1 Flash, que já cobrimos, ativa 23B; o ERNIE 5.5 Flash ativa menos. O que a Baidu repete na página de lançamento também é o “equilíbrio entre nível de inteligência e eficiência de inferência”, além da velocidade de decodificação.
O segundo é o caminho de acesso. A API está no Qianfan, e as empresas chinesas podem chamá-la direto com a conta atual do Baidu AI Cloud, sem lidar com a conformidade transfronteiriça exigida por modelos estrangeiros; depois da abertura dos pesos, também será possível implantá-lo em data center próprio. Pela lógica da demanda, para clientes de finanças e do setor público com exigência rígida de que os dados não saiam do domínio, a segunda opção atrai mais.
O terceiro é a licença. A série ERNIE 4.5, anterior da Baidu, foi aberta sob a licença Apache 2.0, que permite uso comercial. Qual licença será adotada pelo ERNIE 5.5 Flash e se haverá condições adicionais para uso comercial, a página de lançamento não informa; por ora, não é possível confirmar.
O que ainda falta saber
A Baidu não apresenta no texto principal uma comparação item a item com outros modelos de código aberto chineses; as pontuações de avaliação ficam concentradas no apêndice, e um ranking comparativo terá de esperar testes de terceiros. Quanto a Preview e versão final vão diferir, e quando a versão final sai, a empresa também não disse.
O preço também é uma lacuna. A página de lançamento só traz as entradas do Qianfan e do OpenRouter, sem listar o preço de chamada por milhão de tokens; se o contexto longo de 1 milhão de tokens pode ser aproveitado por inteiro de forma estável no uso real e se entradas muito longas terão cobrança à parte, só se saberá com testes de desenvolvedores e uma explicação oficial de cobrança. Para equipes que pretendem substituir o modelo atual, o desempenho de inferência local depois da abertura dos pesos pode ser mais útil do que os vídeos desta apresentação.
Fontes: página oficial de lançamento do ERNIE da Baidu, CocoLoop, notas sobre a abertura do ERNIE 4.5; a escala dos parâmetros, o número de ambientes de treinamento e o prazo de abertura seguem as informações oficiais da Baidu.