11 月 11 日,百度把 ERNIE 5.5 Flash Preview 挂上了千帆。280B 总参数只激活 14B,1M 上下文,权重承诺 25 日前开源。官方自己在发布页写明:这是后训练中间版本,可能有能力缺陷。我把价格和场景摆一起算了一遍,结论不太像一场发布会。(价格与参数为媒体披露口径,模型信息以千帆页面为准)
一 先把钱算出来,别听形容词
百度这次给的价格,比我预想的低一档。忙时每百万 token 输入 2 元、输出 8 元,闲时直接砍半,现在还叠着一轮限时五折。
这是媒体披露的价目,模型 ID 是 ernie-5.5-flash-preview,千帆上今天就能调。
别急着说便宜,得看你的场景吃哪一头。我按最常见的客服场景算:一天 2 万次对话,每次输入 3000 token,里面是知识库片段加历史对话,输出 400 token。
一天输入 6000 万 token,60 个百万。输出 800 万 token,8 个百万。
忙时算,输入 60 乘 2 是 120 元,输出 8 乘 8 是 64 元,合起来一天 184 元。闲时算,60 乘 1 加 8 乘 4,一天 92 元。
一个月按忙时跑,5520 元。赶上五折,2760 元。
换成你自己的数也一样。日调用量乘平均输入 token,除一百万,再乘输入单价。输出那头再算一遍。两个加起来,就是一天的钱。
这个算式比任何一份评测榜单都能说服老板,因为它算的是你家的账。
二 280B 只醒 14B,省的是哪一笔
280B 是模型的全部身家,14B 是它每次干活真正醒着的部分。剩下那 266B 睡着,不参与计算。
打个比方,一家公司 280 个人,每单活只需要 14 个人上手。人还是那么多人,但一次活只开 14 份工资。
这就是 MoE 的路子,业内不新鲜。我反而觉得新鲜的是另一件事:百度把激活压到 14B 这个量级,还敢对外挂 1M 上下文。
上下文越长,每次请求要读进去的东西越多,成本涨得越快。长上下文配小激活,这个价才撑得住。
反过来说,你为 1M 上下文付的钱,其实是按 14B 的力气收的。这才是它敢报这个价的底气。
三 1M 上下文能装下什么,装不下什么
100 万 token,中文大概装得下六七十万字。《三国演义》六十多万字,正好一本,一次塞进去它全看得见。
落到干活上,一份 300 页的合同大概 20 万 token,1M 能一次怼进去五份。年报、标书、工单记录、评审材料,都能整本丢进去,不用先切片再检索。
这一条对做检索增强的团队不算好消息,但对企业是好事。切片切坏了,答案就跟着坏,很多人吃过这个亏。
但塞得下不等于记得住。我见过不少一次丢十万 token 进去,问中间某个条款,它答得含糊的。也见过把一整年的会议纪要一次性喂进去,问第三季度的决议,它把七月的和十一月的混在一起。
判断标准很简单。你要的东西在开头和结尾,它稳。你要的东西散在中间几十处,先自己数一遍再试,别一上来就当它是全能。
另一个数字是速度,官方口径最高 200 token 每秒。一页 A4 一千字上下,五秒一页,打字的人跟不上它。
这里有个坑得说清楚。账单不是按你问了多少算,是按你每次带进去多少算。
一次塞 30 万 token 问十个问题,就是 300 万 token 的输入,忙时六块钱。同样的活走检索,可能三角钱就够。
所以 1M 不是让你每次都怼满,是让你在少数必须整本读的场景里省掉切片。日常问答还是老老实实做检索。
这类模型一般还支持前缀缓存,同一份长文档反复问,第二次起便宜一大截,具体折扣看平台页面。这个开关上线前一定记得开。
四 Preview 三个字,什么业务能上
先给结论:判断它能不能进你的业务,不看跑分,看你的场景容不容错。
百度在发布页自己写了句很实在的话:这是后训练过程中的一个中间版本,仍可能存在部分因训练不充分导致的能力缺陷。
翻成人话,它是个半成品,还在改。接口会变,权重会变,跑分也会变。
能马上上的有两类。一类是内部工具,查制度、写周报、整理会议纪要,错了重试一次,没有对外承诺。另一类是批量处理,日志归因、工单分类、素材初稿,跑完有人复核,容错高。
先别碰的是对客生产链路。报价、合同终审、财务结转、带服务承诺的环节,一个错字就要赔钱,而它自己都说了还在改。
我给自己的顺序一直是先内部、再批量、最后才碰对客。反着来的项目,基本都返工过一轮。
对付这种版本波动,有两个动作现在就能做。
模型 ID 和提示词别写死在代码里,抽成配置,换版本只改一行。
上线前拿你自己的活攒一套回归样本,五十条就够。每次换版本先跑一遍,比看榜单可靠得多。
五 开源那天,账要重算一遍
权重承诺 11 月 25 日前开源,许可证是 Apache 2.0。
这两条放在一起,意义比跑分大。Apache 2.0 意味着你能拿去做商业产品,不用回馈代码,也不用担心哪天被收回授权。
那要不要自己部署?别急着买卡。
我的判断是三个条件同时成立才划算:数据一点都不能出内网,日调用量稳定在高水位,团队里有人能维护推理集群。
缺一条,用 API 更省事。尤其第三条,很多公司低估了,机器买回来没人管,比不用还贵。
还有件小事别搞混:千帆上的接口现在就能调,权重是另一条时间线。想先验证效果,今天就能试,不用等 25 号。
六 一周发三次,百度在急什么
把时间摆开看:11 月 5 日开源 Base 权重,11 月 9 日公开自动研究系统 ERNIE Evolve,11 月 11 日放出 Preview。
七天三次。这不是常规节奏。
中间那个 ERNIE Evolve 很多人没注意,官方说法是一套能自己去查资料、自己跑实验的研究系统。发模型和发造模型的工具,是两个层面的事。
一个解释是国产开源这条线今年打得太凶。榜单上 Terminal-Bench 4.0 拿了 46.5,媒体列出来的位置排在 Hy4、DeepSeek V4.1 Flash、GLM-5.3 前面,官方口径里也承认跟最前沿还有距离。
另一个解释更实在:模型发得再漂亮,没人调就是零。先把价格和上下文做到让人愿意试,比榜上多两分值钱。
今天百度世界大会就在北京开场,这个节点上放 Preview,意思挺清楚。
七 我反而觉得,这轮比的不是模型
这轮竞争的重心,其实已经不在模型本身了。
三年前比谁参数大,两年前比谁跑分高,今年比的是谁的单位成本撑得住高频调用。
为什么变?因为企业的用法变了。以前是拿模型做个演示给领导看,一天调几百次。现在是接进业务流程,一天调几十万次。
调用量一上来,单价差一倍,账就差一倍。这时候 14B 激活这种设计,比多考两分值钱。
所以我看一个模型,不看它会不会写诗,看它能不能扛住一天几十万次还不让人心疼。
真正决定一个模型生死的,不是它多聪明,是它便宜到让人敢天天用。
八 三类公司,三种选法
选型分三类看。
已经在用大模型、但成本压不下来的公司,这个值得进候选池。挑一个非核心场景跑两周,把账单和现在比,差多少一目了然。
数据不能出内网的公司,等 25 号的开源权重。先过那三个条件再决定买不买卡。
还在观望的公司,别急着上。先问自己一句:你的业务一天调多少次?不到一万次,价格优势感受不到。一万到十万次之间,值得试。十万次以上,这个模型你必须放进对比表。先解决场景,比换模型有用。
总结我的判断:这不是一个让你换掉主力模型的模型,是一个让你把调用量放开的模型。
放不开量的场景,它救不了你。