百度发布文心 5.5 Flash Preview,2800 亿参数仅激活 140 亿并开源
发布时间:2026年11月12日 14:00:0011 月 12 日,百度发布文心 5.5 Flash Preview(ERNIE 5.5 Flash Preview),主打快、便宜、开源:总参数 2800 亿,每次仅激活 140 亿,推理速度超过 200 token/秒;API 输入定价忙时 2 元、闲时 1 元每百万 token,权重同步开放。
事件:把「便宜」做成产品定位
11 月 12 日,百度发布 文心 5.5 Flash Preview(ERNIE 5.5 Flash Preview),三个关键词:快、便宜、开源。
关键参数:
| 项目 | 数值 |
|---|---|
| 总参数 | 2800 亿(MoE) |
| 每次激活 | 约 140 亿 |
| 推理速度 | 超过 200 token/秒 |
| 输入定价 | 忙时 2 元 / 百万 token,闲时 1 元 |
| 权重 | 同步开放 |
「Flash」这个命名已经说明了定位:不是最强,而是最快最便宜的可用模型。
2800 亿激活 140 亿意味着什么
这是典型的 MoE(混合专家)结构:模型整体很大,但每个 token 只走其中一小部分专家。
它带来的直接结果是成本结构的变化:
- 训练成本高(参数总量大);
- 推理成本低(每次只算 140 亿);
- 峰值吞吐高(可以批量并发)。
对商业场景来说,第三条最关键。客服、内容审核、批量摘要这类任务,单次调用便宜、并发量大,MoE 的结构优势会被放大。
忙时 / 闲时定价是个聪明设计
国内云厂商此前普遍是单一价格,百度这次引入了分时定价:
| 时段 | 输入价格 |
|---|---|
| 忙时 | 2 元 / 百万 token |
| 闲时 | 1 元 / 百万 token |
这本质上是用价格调度算力。对离线批处理任务(数据清洗、批量标注、夜间跑报表),用户会主动挪到闲时,云厂商的 GPU 利用率随之上升。
这个思路在电力行业很常见,在算力上落地的不多。
与阿里、MiniMax 的三角竞争
国产模型最近一周动作密集:
| 厂商 | 动作 | 侧重 |
|---|---|---|
| 百度 | 文心 5.5 Flash 开源 | 低成本 + 高吞吐 |
| 阿里 | Qwen4-Max 预览 | 旗舰能力 + 编程 |
| MiniMax | H3-Image 开源 | 4K 生图 |
三家形成了清晰的分工:百度打吞吐、阿里打能力上限、MiniMax 打多模态。这也说明国内竞争已经从「谁的模型更强」转向「谁的模型在具体场景更划算」。
三层影响
对开发者:多了一个便宜的推理选项,尤其是批量任务。开源权重还允许私有化部署。
对中小企业:分时定价降低了「用不起」的门槛,夜间批量处理的成本可以压到很低。
对开源生态:2800 亿参数的 MoE 权重公开,会催生一批蒸馏与量化版本,进一步压低端侧与私有部署成本。
需要冷静看的几点
- 「Preview」意味着还会变:能力、定价、限流都可能调整。
- 200 token/秒的前提:通常在特定硬件与并发条件下测得。
- 能力上限:Flash 系列不适合复杂推理与长程 Agent,定位要清楚。
- 许可条款:开源不等于无条件商用,需看具体协议。
观察点
- 第三方榜单表现:尤其是中文任务与工具调用。
- 正式版定价:预览期的价格往往是促销价。
- 社区量化版本的速度:端侧可用性是这类模型的重要价值。
- 分时定价是否被同行跟进:如果跟进,国内 API 价格战会进入新阶段。
一句话总结:文心 5.5 Flash 用 140 亿激活参数和分时定价,把竞争焦点从「最强」拉到了「最划算」。