Baidu opent zijn ERNIE 5.5 Flash Base met 280 miljard parameters voor de wereld
Baidu heeft op 5 november de gewichten van zijn nieuwste basismodel, ERNIE 5.5 Flash Base, vrijgegeven, waarmee een van China’s grootste open modellen voor iedereen beschikbaar is om te downloaden, fijn af te stemmen en in te zetten. Het bedrijf zegt dat dit de basisversie is van zijn ERNIE-lijn, de familie grote taalmodellen die Baidu’s zoekmachine en zijn Ernie-chatbot aandrijft.
Het opvallendste cijfer is de schaal: 280 miljard parameters in totaal. Het model gebruikt echter een mixture-of-experts-architectuur, een ontwerp waarbij elk teksttoken slechts een deel van het netwerk activeert. Dat deel is hier ongeveer 14 miljard parameters, waardoor de kosten om het model te draaien ver onder wat de ruwe omvang suggereert blijven. Het model is vooraf getraind op 33,5 biljoen tokens, met een pretrainingscontextvenster van maximaal 128.000 tokens; tijdens fine-tuning en inferentie kan het contexten tot een miljoen tokens aan, genoeg voor zeer lange documenten of codebases.
Baidu zegt dat het model een nieuwe state of the art heeft gevestigd onder modellen van vergelijkbare grootte op benchmarks voor kennis, redeneren, wiskunde, programmeren, meertaligheid en het verwerken van lange contexten. Het noemt DeepSeek-V4-Flash-Base en Hy3-preview-Base als de modellen die het voorbijstreeft. Zulke zelfgerapporteerde vergelijkingen verdienen voorzichtigheid, omdat benchmarkscores sterk afhangen van hoe de tests worden uitgevoerd, maar ze zijn de munteenheid van de open-weight markt.
De zet past in een bredere trend in Chinese AI. Het afgelopen jaar hebben de grootste labs van het land steeds vaker modelgewichten vrijgegeven in plaats van ze gesloten te houden, met gratis downloads om ontwikkelaars te winnen, feedback te verzamelen en ecosystemen rond hun tools op te bouwen. Open gewichten stellen startups, onderzoekers en hobbyisten in staat capabele modellen op hun eigen hardware te draaien, wat belangrijk is in een markt waar API-prijzen sterk zijn gedaald en toegang tot buitenlandse modellen onzeker kan zijn.
Voor Baidu is de afweging strategisch. Het bedrijf was een vroege Chinese voorloper op het gebied van grote taalmodellen, maar ondervindt felle concurrentie van jongere rivalen, waaronder DeepSeek en een golf startups, en van grotere platformspelers. Het publiceren van een sterk basismodel geeft Baidu zichtbaarheid bij de ontwikkelaars die applicaties bovenop modellen bouwen, en een kans om zijn tooling en clouddiensten te zaaien.
Het Flash-label geeft het doel aan: snelheid en kosten in plaats van maximale capaciteit. Basismodellen zijn grondstof, geen eindproducten; ze hebben doorgaans fine-tuning of alignment nodig voordat ze zich goed gedragen in consumententoepassingen. Het vrijgeven van de basisversie nodigt de open-sourcegemeenschap uit dat werk te doen, een gangbare route naar snelle adoptie.
Wat er daarna gebeurt, wordt minder afgemeten aan benchmarktabellen dan aan downloads en afgeleiden. Verwacht binnen enkele weken fijn afgestemde varianten, gequantiseerde versies die op kleinere machines draaien en vergelijkingen met DeepSeek’s open releases. Voor wereldwijde ontwikkelaars is de praktische vraag of een model met 280 miljard parameters en een zuinig activatiebudget concurrerende kwaliteit kan leveren tegen een prijs die buiten China’s binnenlandse cloudmarkt zinvol is.