别只看榜单：百度这份发布稿明说了「还没训完」

11 月 11 日，百度发了 ERNIE 5.5 Flash Preview。参数、上下文、榜单，这些我不打算一条条抄。真正让我停下来多看两眼的，是发布稿快结束时的那段自我说明。

它写着：这是后训练过程中的一个中间版本，尽管已经取得同尺寸模型中较有竞争力的表现，但仍可能存在部分因训练不充分导致的能力缺陷；后训练仍在进行中，会在后续正式版本里优化。

把「还没训完」写进发布稿，挺少见的。

一句「中间版本」，比一串分数更影响你怎么用它

官方给的数字很干净：总参数 280B，每 token 激活 14B，支持 1M 上下文，API 已经在千帆平台上线。这些是硬信息，记下来就行。

但「中间版本」这四个字是另一种信息。它不告诉你模型多强，它告诉你模型停在哪个阶段。这两件事对开发者的用处完全不同。分数决定你要不要试一下，阶段决定你敢不敢把它接进长期跑的流程里——要不要现在就定评估基线、要不要隔一阵子重跑一遍、要不要等正式版再上生产。

更实际的是节奏。11 月 5 日百度先放了 ERNIE 5.5 Flash Base，是预训练终点的 checkpoint，未经中训练和后训练，权重已经在 Hugging Face 上给了 FP8 和 BF16 两种。六天后是这个首个后训练版本。发布页还写了，权重将于 11 月 25 日前开源，英文版补了一句，会按 Apache 2.0 开源。

把底座、后训练版本、开源时间点拆开说清楚，其实比「我们发布了最强模型」有用得多。你能判断自己拿到的是哪一段，也能自己决定在哪一段接手。Base 的官方页说得很直白：开放预训练终点权重，是为了让开发者自行选择下一阶段的训练方向。

顺带说个我喜欢的细节。Base 那篇技术页把家底摊得挺开：43 层 Transformer，hidden size 4096，64 个注意力头，在 33.5T tokens 上从零预训练，最长训练上下文 128K，微调和推理支持 1M tokens。每七层里只有一层对全上下文做 token 级访问，其余用重度压缩注意力；低秩门控注意力把门投影的权重参数量减少了 75%；MoE 是 512 个路由专家选 10，外加一个共享专家。这些不是宣传话术，是能被拿去复现、也能被挑错的结构描述。

看不到画面，就把问题翻译成能跑的测试

发布页里最有意思的一个案例是《云岫行》，一款用 UE 5.8 做的第三人称武侠游戏。官方说，在一项 11 小时的长程编码任务里，模型把跨了好几代虚幻引擎的素材合进同一个工程，用 C++ 写完了整个游戏。

但关键在后半句：它是个纯文本模型，看不见屏幕。试玩时发现人物悬空、跑动方向不一致、相机错位，它没法「看一眼」确认，于是把这些毛病全转成可测量的代码测试，靠不断补全的测试和反馈往前推，直到完成全部开发目标。

我觉得这比「写了多少行代码」值得记。长程任务最容易死在中间：模型做了十步，第十一步开始偏，然后一路偏下去，人还看不出来。给它一个每次都能重跑、每次都给确定结论的检查点，长链条才撑得住。这不是模型能力的炫技，是工作流的设计。

同一套思路也出现在别处。3D 那段，两个 Agent 用 Blender Python API 分别搭机场和飞机，最后统一尺度、位置和镜头，用 Cycles/OptiX GPU 分帧渲染，再用 FFmpeg 合成视频。知识工作那段，官方说面向金融、法律等领域构建了 30 万个工作空间、1000 万份参考文件，覆盖 40 多种文件类型，训练环境覆盖从 10 到 100 个文件的个人工作空间，模型独立完成过一份 20 页的研究报告。视频创作这边是超过 15 万个创作环境，累计成片约 5300 分钟，还有一个鹈鹕测试：用 Python 从零写出一部 116 秒的 2D 动画短片，穿过 20 种艺术风格，配乐精选 22 段录音。

这里得说清楚：上面这些成果和数字都来自百度自己的发布页，是厂商自述，不是第三方复核。我在意的也不是它们有多惊艳，而是官方愿意把「用了什么环境、跑了多久、怎么验的」摊开写。摊得越细，越容易被验证，也越容易被挑错。

给要动手的人：三条能直接用的信息

第一，API 已经在千帆平台上线，想试不用等权重。国际站千帆的官方计费文档在 11 月 10 日就更新了 ERNIE-5.5-Flash-Preview 的价格：输入 0.28 美元每百万 tokens，缓存命中 0.028，输出 1.13。价目表比发布稿早一天，这种细节挺说明工程节奏的。

第二，权重时间点写死了：11 月 25 日前开源。要是你的场景需要本地部署或者自己继续后训练，现在可以先拿 Base 权重做领域适配，不必空等。

第三，别把它当最终版。官方自己写了后训练仍在进行中、可能有训练不充分带来的缺陷。所以拿它跑真实任务时，评估集最好自己留一份，版本一变就重跑。这句话不是我在泼冷水，是发布稿原文。

一份发布稿，愿意告诉你模型现在停在哪、还差什么、什么时候再动，比多列几行 benchmark 更省事。省的是你自己反复试错的时间。