跳到主内容

文心 5.5 Flash Preview：2800 亿参数只激活 140 亿，11 小时从零写完一款 UE5 游戏

百度 2026-11-11 发布文心 5.5 Flash Preview：280B 总参/14B 激活、100 万 token 上下文、200+ tokens/s，千帆 API 输入闲时 1 元/百万，权重 11-25 前开源。

2026-11-11 · 百度文心官方发布页 / 百度智能云 / 每日经济新闻 / 新智元

发布 2026-11-11核实 2026-11-12

要点

  • 百度 2026-11-11 发布 文心 5.5 Flash Preview（ERNIE 5.5 Flash Preview），定位是此前 Base 模型的首个后训练版本。
  • 规格：总参数 280B、激活 14B（MoE）、100 万 token 上下文、解码速度 200+ tokens/s。
  • 千帆 API 定价（每百万 token）：输入忙时 ¥2 / 闲时 ¥1，输出忙时 ¥8 / 闲时 ¥4，官方称限时五折。
  • 权重 11 月 25 日前后开源（官方两处措辞有差异，见下）。
  • 官方基准：Terminal-Bench 4.0 = 46.5、AutomationBench = 61.9、DeepSWE v1.1 = 71.2、DRACO = 84.9、SpreadsheetBench V2 = 36.4、OfficeQA Pro V2 = 67.9、Agents' Last Exam (CLI) = 29.0。
  • 技术点：混合稀疏注意力 + 多路由器 MoE + ECHO 多 Token 预测；首次引入自研 RSI 技术，由 ERNIE Evolve 参与模型推理优化。
  • 场景展示覆盖游戏开发（UE / Unity / Godot）、3D 建模（Blender / CAD）、知识工作、视频创作四类。

背景与分析

这代模型最值得看的不是参数，而是三个数字之间的关系：280B 总量、14B 激活、200+ tokens/s。

MoE 的真正价值在于「用 14B 的推理开销，去买 280B 的知识容量」。同样是 14B 激活量级，稠密模型只能装 14B 的参数；MoE 可以装 280B，代价是路由开销与显存占用（全部专家都要占显存，只是不都参与计算）。所以这类模型的真实约束在显存而不是算力——这也是为什么它敢在价格上打到输入闲时 1 元/百万 token：闲时段的瓶颈是显存闲置，不是算力不足，用价格把请求赶到闲时段是标准做法。

第二个值得看的是 RSI 这个提法。官方说「首次引入自研 RSI 技术，由 ERNIE Evolve 参与模型推理优化」。这句话的信息量比它看起来大：它暗示模型训练流程里已经有一个模型在参与「怎么把推理做得更省」的决策，而不是全靠人工调 kernel 和批处理策略。官方没有给 RSI 的具体机制与收益数字，这条只能记为方向性声明，不能当已量化的能力。

第三是基准的组合方式。官方这次给的不是单一榜单，而是八项任务分列，其中 Terminal-Bench 4.0 与 AutomationBench 是「真在终端 / 跨应用里干活」，SpreadsheetBench V2 与 OfficeQA Pro V2 考办公交付，Agents' Last Exam 考长程工具使用。这个组合比一个总分更能说明它想抢的场景：不是聊天，是替人跑完一件具体的事。

但要把话说清楚：在 Terminal-Bench 4.0 上 46.5 分低于 Claude Opus 5.5 的 63.6 与 GPT-6.1 Sol 的 56.1，官方图上这些对比分数都带星号（自测口径）。它在 AutomationBench 上是第一（61.9，Claude Opus 5.5 为 58.0、DeepSeek V4.1 Flash 为 57.2）；但 DRACO 的 84.9 只排第三（Hy4 90.7、Claude Opus 5.5 87.9 在它之上），APEX-Agents 1.1 的 64.2 更是排在 Hy4（75.0）、Claude Opus 5.5（72.9）之后。八项里赢一项、输几项，这才是 Flash 模型的正常位置。 一个 14B 激活的模型能挤进这个区间，本身已是最硬的卖点；把它读成「超过旗舰」是误读。

还有一个细节值得记：官方展示的《云岫行》案例里，模型是纯文本模型、看不到画面。它处理 3D 游戏常见问题（人物悬空、跑动方向错位、相机偏移）的方式，是把这些视觉问题改写成可测量的代码测试，再靠测试结果迭代。这个做法在 Agent 工程上很值得抄：当模型缺少某个模态的反馈时，把它转成能跑出数字的断言，比让它「想象画面」可靠得多。

对开发者的影响

  • 价格是这一代最硬的差异。 输入闲时 ¥1/百万、输出闲时 ¥4/百万，配合五折，直接把「长时间跑 Agent」的成本压到多数国产模型之下。如果你的负载能接受排队（批处理、夜间构建、离线评测），闲时档是首选。
  • 上下文 1M 要按「真能用」来验。 长上下文的公开坑是「能塞进去但中段召回衰减」。用你的长文档或大仓库做一次中段定位测试，比看规格数字有用。
  • 显存账要重算。 自部署 MoE 的成本不在算力在显存：全部专家都要驻留。等 11-25 权重放出后，先核对实际分片与量化方案，再判断单卡可行性。
  • 游戏与 3D 是它的专项。 官方明确针对 Unreal / Unity / Godot 做了适配训练，Blender / CAD 走了工具调用路线。这类场景的评测方式应该是「给它一个可运行的工程，看它能不能改对」——Agent Harness 的配置对结果影响极大。
  • 别忽略「自测口径」这四个字。 官方图上带星号的对比分数来自各家自己的评测配置。要做选型，只信你自己在同一 harness 下跑出来的数。

AI 之家 观点

文心这一代的策略很清楚：不比谁的旗舰更强，比谁的「够用能力」更便宜。

280B / 14B 这个配置放在 2026 年底不算激进，200+ tokens/s 也不是纪录。但把这三项和「输入闲时 1 元」放在一起，指向的是一个非常具体的市场判断——Agent 类负载的成本主要来自海量、可延迟、不需要最高智能的中间步骤（读文件、跑测试、解析报错）。这类调用占了 token 量的大头，却极少需要旗舰模型。Flash 级模型如果能把这些步骤吃下来，旗舰只需要处理真正困难的少数几步。这是把「模型分层」从营销话术变成成本结构的做法。

要提醒两点。第一，「11 月 25 日开源」的措辞在官方两处不一致（发布页写「11 月 25 日前」、公众号写「11 月 25 日正式」），许可证类型也未公布。开源权重能不能商用、能不能二次训练，这两条不看清就不要排产。第二，11 小时造游戏、1000 万份参考文件这类演示，是官方 Agent 框架内的端到端成果，换一个 harness、换一个提示词策略，结果可能差一个量级。

AI 之家 推荐结论：把文心 5.5 Flash Preview 当成「Agent 中间步骤的执行层」去测，而不是当「主脑」去测。三条验收动作——① 在你自己仓库里跑 50 轮工具调用，看它第 30 轮之后还能不能守住任务目标；② 用忙时/闲时两档价格各跑一批，算出实际每任务成本；③ 等权重放出后核对许可证，再决定能否进私有化方案。三项过了，它在你架构里的位置自然就定了。

相关阅读

来源

常见问题

文心 5.5 Flash Preview 什么时候发布？在哪能用？

2026-11-11 发布，是此前 Base 模型的首个后训练版本。API 已在百度智能云千帆平台上线，开发者可直接调用。模型权重官方称 11 月 25 日前后面向全球开源社区发布。

2800 亿参数但只激活 140 亿，是什么意思？

MoE（混合专家）架构：总参数 280B 决定模型的知识容量，每次前向只激活 14B 决定单 token 的算力开销。所以它的推理成本和显存占用更接近 14B 级模型，而能力目标是对标更大的稠密模型。这也是它敢把解码速度做到每秒 200+ tokens 的原因。

API 多少钱？

千帆平台按每百万 token 计：输入忙时 2 元、闲时 1 元；输出忙时 8 元、闲时 4 元。官方称限时五折。忙时/闲时的具体时段划分以千帆控制台说明为准，官方发布页未列时间表。

跑分如何？能直接和 Claude、GPT 比吗？

官方公布的 Terminal-Bench 4.0 是 46.5 分（Claude Opus 5.5 为 63.6、GPT-6.1 Sol 为 56.1），AutomationBench 61.9 分（该项目上它领先 Claude Opus 5.5 的 58.0）。要注意两点：带星号的对比分数是各家自测口径，且它是 Flash 级模型，和旗舰级不是同一成本档，跨档比分数意义有限。

「11 小时写完一款 UE5 游戏」是什么情况？

官方展示的案例《云岫行》是一款第三人称东方武侠游戏，用虚幻引擎 5.8、C++ 开发，由模型在一次 11 小时的长程 Agent 任务中完成；期间还把它跨多代虚幻引擎的素材合进同一个 UE 5.8 工程。这是官方在自有 Agent 框架里端到端跑出的成果，不是任何人都能复现的标准任务。

权重真的会开源吗？

官方发布页写「权重将于 11 月 25 日前开源」，官方公众号推文写「11 月 25 日正式面向全球开源社区发布」。两处措辞不完全一致，具体是「当天」还是「当天之前」需要等实际放出后核对。许可证类型官方尚未说明。