文心 5.5 Flash 把单 Token 激活参数压到 140 亿，权重将于 11 月 25 日以 Apache 2.0 开源
效率档模型的价格战，落到三个可以查的数字上：激活比例、长上下文成本、开源许可证。
文心 5.5 Flash Preview 于 11 月 11 日发布，总参数 2800 亿，每个 Token 激活 140 亿，激活比例 5%。支持最长 100 万 Token 上下文，解码速度每秒 200 Token 以上。架构上做三层处理：混合稀疏注意力，43 层中 37 层把历史每 128 个 Token 压成一条缓存条目、保留 6 层逐 Token 访问；多路由器 MoE；ECHO 多 Token 预测，让主干末层在预测下一个 Token 之外兼任投机解码的草稿模型；专家权重用 FP4 存储。
定价为每百万 Token 输入忙时 2 元、闲时 1 元，输出忙时 8 元、闲时 4 元，当前限时五折。按此折算，闲时输入 0.5 元、输出 2 元，把一个 100 万 Token 的窗口填满，折后输入成本不到 1 元。模型权重将于 11 月 25 日前以 Apache 2.0 许可证开源，支持 SGLang 与 vLLM 部署。
放到同类里看，这个价格处在国内效率档的低位：MiniMax M3.1 Flash 此前把输入价降到每百万 Token 1 元，文心 5.5 Flash 折后闲时输入 0.5 元、输出 2 元，输出侧更低（#395《MiniMax 发布 M3.1 Flash，输入价格降至每百万 token 1 元》）。三款模型一周内接连上架千帆，加上权重开源，百度这一轮的姿态是以供给密度换调用量。
百度同时披露，部分推理优化由 11 月 9 日公开的自动研究系统 ERNIE Evolve 完成：在昆仑芯 P800 的低时延场景上连续探索约 168 小时，生成速度做到基线的 623.6%，确定性推理吞吐升至基线 133.7%，单 Token 生成时间缩短 26%，精度未降。这组数字为百度自报。
观点
- 5% 激活比加 FP4 加稀疏 KV 缓存，是这一代效率档模型的标准配方，本身不构成壁垒。真正的门槛在 100 万 Token 上下文能用起来：KV 压缩比为 128 比 1 时，细节检索的召回损失需要独立测试才能确认。
- Apache 2.0 与自定义许可的差别在商用条款。权重可拉取即可运行、无附加限制，对国产开源权重线是增量；代价是自家 API 牌价被自己的权重压住，后续涨价空间收窄。
- ERNIE Evolve 连续 168 小时自迭代，是目前最接近递归自我改进的工程证据，但只发生在推理优化层，不触及预训练与能力上限。把这类证据读成 RSI 会高估进展速度。
- Terminal-Bench、AutomationBench、SpreadsheetBench V2 只给了「有竞争力」，没有具体分数。第三方复现前，这三个榜不能当能力判据，只能当发布方的自我描述。
来源：每日经济新闻 2026-11-11、IT之家 2026-11-12、网经社 2026-11-11、百度世界 2026 技术博客；ERNIE Evolve 数据为百度自报。