Baidu ouvre ERNIE 5.5 Flash Base aux développeurs

Baidu a publié ERNIE-5.5-Flash-Base, un modèle fondation ouvert qui arrive volontairement sans fine-tuning ni post-training. Présenté le 5 novembre 2026, il laisse aux développeurs la main sur l’adaptation du système, avec une version post-entraînée annoncée ensuite. Le modèle compte 280 milliards de paramètres, dont 14 milliards actifs par requête, un format qui le place dans la course aux grands modèles ouverts pour le raisonnement, le code et les longues séquences de contexte.

Un modèle ouvert, mais pas prêt à l’emploi

Baidu ne livre pas ici un assistant fini, mais une base de travail. ERNIE 5.5 Flash Base est décrit comme un modèle fondation open source, sans ajustement final, ce qui signifie que l’entreprise fournit les poids et l’architecture, mais pas une application déjà polie pour le grand public. Les poids sont disponibles sur Hugging Face en FP8 et BF16, deux formats numériques courants pour réduire la mémoire nécessaire à l’inférence et à l’entraînement.

Dans ce contexte, la stratégie est assez claire : pousser l’adoption auprès des équipes techniques qui veulent contrôler leur propre spécialisation. C’est moins séduisant qu’une démo clinquante, mais souvent plus utile. Les modèles « prêts à brancher » font le café ; les modèles bruts, eux, vendent la machine à espresso.

La promesse technique tient surtout dans l’échelle

ERNIE 5.5 a été pré-entraîné sur 33,5 trillions de tokens, avec une fenêtre de contexte d’entraînement allant jusqu’à 128 000 tokens. Baidu indique toutefois que le modèle est conçu pour supporter jusqu’à un million de tokens en fine-tuning et en inference. Le mélange d’experts, ou mixture-of-experts, permet d’activer seulement une partie du réseau à chaque requête, ici 14 milliards de paramètres sur 280 milliards au total. Résultat : la taille affichée reste massive, mais le coût de calcul par entrée peut être mieux maîtrisé.

Sur les benchmarks cités par Baidu, ERNIE 5.5 Flash Base se mesure à des modèles ouverts de taille comparable comme DeepSeek-V4-Flash-Base, Hy3-preview-Base et MiMo-V2.5-Base. Les résultats couvrent plusieurs domaines, dont le raisonnement, les mathématiques, le code, le multilingue et le long contexte. Baidu affirme que sa version se situe dans la même catégorie de compétition, sans publier ici de tableau détaillé dans la source fournie [à vérifier].

Ce que cette sortie change pour le marché

La publication s’inscrit dans une bataille plus large autour des grands modèles ouverts, où la valeur ne vient plus seulement de la taille brute, mais de la facilité d’appropriation par les développeurs. Un modèle ouvert avec de gros volumes de tokens, une fenêtre de contexte étendue et des poids disponibles publiquement peut servir de base à des services spécialisés, des agents ou des outils internes. Pour les acteurs chinois comme pour leurs concurrents internationaux, le sujet n’est plus seulement de sortir un modèle, mais de garder les développeurs à bord sur la durée.

À ce stade, Baidu annonce aussi qu’une version post-entraînée doit suivre. La vraie question sera donc moins de savoir si le modèle existe, que de voir qui l’adopte, à quelle vitesse, et pour quels usages concrets.