Ngày 11/11, Baidu phát hành ERNIE 5.5 Flash Preview, phiên bản hậu huấn luyện đầu tiên được xây dựng trên ERNIE 5.5 Flash Base đã công bố trước đó. Mô hình có tổng 280B tham số, mỗi lần suy luận kích hoạt 14B và hỗ trợ ngữ cảnh 1 triệu token. API đã có mặt trên Baidu Qianfan, trang chính thức đồng thời liệt kê cổng truy cập qua OpenRouter, còn trọng số sẽ được mở nguồn trước ngày 25/11.
Baidu định vị đây là phiên bản trung gian trong quá trình hậu huấn luyện; trang phát hành ghi rõ mô hình “vẫn có thể tồn tại một số hạn chế về năng lực do huấn luyện chưa đầy đủ”. Hậu huấn luyện vẫn đang tiếp diễn, và bản chính thức chưa có lịch trình cụ thể.
Trọng tâm trình diễn: tác vụ tác tử đường dài
Trang phát hành không dành nhiều chỗ cho điểm benchmark. Kết quả đánh giá nằm ở phụ lục, còn phần chính là bốn nhóm sản phẩm được hoàn thành trọn vẹn từ đầu đến cuối trong khung tác tử.
Phát triển game là phần nặng ký nhất. Baidu cho biết đã tối ưu riêng cho Unreal Engine, Unity và Godot. Trong ca trình diễn, mô hình chạy một tác vụ lập trình đường dài kéo dài 11 giờ: gộp tài nguyên từ nhiều thế hệ Unreal Engine vào cùng một dự án UE 5.8 và viết bằng C++ một game kiếm hiệp góc nhìn thứ ba. Đây là mô hình thuần văn bản, không nhìn thấy hình ảnh, nên các lỗi khi chơi thử như nhân vật lơ lửng, hướng chạy không nhất quán hay camera lệch đều được chuyển thành các bài kiểm thử đo lường được bằng mã, rồi mô hình bổ sung kiểm thử qua từng vòng để lặp cải tiến.
Một nhóm ca khác là gần một trăm game di động xây dựng trên Cocos, Unity, LayaAir, PixiJS và các nền tảng khác, trải dài các thể loại như bắn đạn, thủ thành, thẻ bài; video trình diễn 24 game trong số đó. Baidu cho biết phần lớn game tách riêng tầng luật chơi và tầng hiển thị, sau đó dùng bot chơi thử và phát lại màn chơi để tự động kiểm tra xem có thể vượt ải hay không.
Về mô hình hóa 3D, mô hình dùng Blender Python API và script FreeCAD để dựng sân bay cùng máy bay, chùa Hōryū-ji, động cơ W16 và xe khái niệm trên Mặt Trăng.
Với công việc tri thức, quy mô môi trường huấn luyện mà Baidu đưa ra là 300.000 không gian làm việc, 10 triệu tệp tham chiếu và hơn 40 loại tệp; còn sáng tạo video được xây dựng trên hơn 150.000 môi trường sáng tạo, với tổng thời lượng thành phẩm khoảng 5.300 phút.
Tất cả các tác phẩm này đều do Baidu lựa chọn, và trang phát hành ghi chú từng mục về tài nguyên và công cụ bên ngoài đã dùng, chẳng hạn một số khung hình do Seedance 2.5 tạo ra, một số phần mỹ thuật đến từ các mô hình tạo ảnh như FLUX.2. Hiệu quả trong tác vụ hằng ngày ra sao thì phải chờ lập trình viên tự trải nghiệm.
Ba tác động thực tế với lập trình viên trong nước
Thứ nhất là ngưỡng triển khai. Tổng 280B tham số đồng nghĩa tệp trọng số không nhỏ, yêu cầu về bộ nhớ GPU vẫn cao; nhưng mỗi lần chỉ kích hoạt 14B, nên nhìn đại khái thì khối lượng tính toán khi suy luận gần với một mô hình dense cỡ trung. MiniMax M3.1 Flash mà chúng tôi từng đưa tin kích hoạt 23B, trong khi ERNIE 5.5 Flash kích hoạt ít hơn; điều Baidu liên tục nhấn mạnh trên trang phát hành cũng là “cân bằng giữa mức độ thông minh và hiệu quả suy luận” cùng tốc độ giải mã.
Thứ hai là đường tiếp cận. API nằm trên Qianfan, doanh nghiệp trong nước có thể gọi trực tiếp bằng tài khoản Baidu AI Cloud hiện có, không phải xử lý vấn đề tuân thủ xuyên biên giới như với các mô hình nước ngoài; sau khi trọng số được mở nguồn còn có thể tải về triển khai tại trung tâm dữ liệu riêng. Xét theo nhu cầu, với các khách hàng tài chính và chính phủ có yêu cầu cứng về việc dữ liệu không được rời khỏi hệ thống, con đường thứ hai hấp dẫn hơn.
Thứ ba là giấy phép. Dòng ERNIE 4.5 trước đây của Baidu được mở nguồn theo giấy phép Apache 2.0, cho phép sử dụng thương mại. Còn lần này ERNIE 5.5 Flash dùng giấy phép nào và việc thương mại hóa có kèm điều kiện bổ sung hay không thì trang phát hành không nêu, hiện chưa thể xác nhận.
Những thông tin còn thiếu
Baidu không đưa ra trong phần nội dung chính bảng so sánh từng hạng mục với các mô hình mã nguồn mở khác của Trung Quốc; điểm đánh giá tập trung ở phụ lục, còn xếp hạng so sánh chéo phải chờ các đơn vị đánh giá độc lập. Khoảng cách giữa bản Preview và bản chính thức là bao nhiêu, bản chính thức khi nào ra mắt, phía chính thức cũng chưa nói.
Giá cả cũng là một khoảng trống. Trang phát hành chỉ đưa ra cổng vào Qianfan và OpenRouter, không liệt kê giá gọi API trên mỗi triệu token; ngữ cảnh dài 1 triệu token có dùng ổn định hết được trong thực tế hay không, đầu vào cực dài có bị tính phí riêng hay không, cũng phải chờ lập trình viên thử nghiệm thực tế và có hướng dẫn tính phí chính thức mới biết. Với những nhóm đang cân nhắc thay thế mô hình hiện tại, hiệu năng suy luận cục bộ sau khi trọng số được công bố có thể đáng tham khảo hơn những video trình diễn lần này.
Nguồn tham khảo: trang phát hành chính thức ERNIE của Baidu, CocoLoop, thuyết minh mở nguồn ERNIE 4.5; quy mô tham số, số lượng môi trường huấn luyện và thời hạn mở nguồn lấy theo công bố chính thức của Baidu.