百度把一个大模型的“毛坯房”直接摆上了台面。
发生了什么
据 MarkTechPost 报道，百度发布了 ERNIE 5.5 Flash Base。这是一个稀疏 MoE 架构的基座模型：总参数 280B，推理时激活参数约 14B，训练数据规模为 33.5T token。
更值得注意的发布方式是时间点——该模型在任何中训练（mid-training）与后训练（post-training）之前就被公开。也就是说，外界拿到的是一个尚未经过指令微调、对齐或偏好优化的原始基座，而非打磨过的对话产品模型。
为什么重要
基座模型先发、成品模型后发，这在过去两年并不常见。多数厂商对外只交付“能用的模型”，基座权重往往留在内部，因为基座是后续所有微调、蒸馏和产品化的起点，也是最能体现训练配方与数据工程的资产。
百度选择把 280B/14B 的稀疏 MoE 基座提前放出，至少传递了两层信息。其一是工程自信：33.5T token 的训练规模意味着数据管线与训练稳定性已经跑通，敢于让外部检验。其二是生态取向：基座对研究者和企业微调团队的价值，远高于一个封闭的对话接口——他们需要的是可继续训练的起点，而不是一个黑盒。
稀疏 MoE 本身也是当下大模型的主流路线之一。280B 总参数保证容量，14B 激活参数控制单次推理的算力开销，这种“大而稀疏”的结构在效果与成本之间取平衡，对部署方尤其有吸引力。
影响与看点
对开发者而言，最有价值的不是跑分，而是可微调性。一个未经后训练的基座，意味着团队可以按自己的领域数据做继续预训练或 SFT，而不必先“洗掉”厂商预设的对话风格与安全对齐痕迹。这对垂直行业模型、企业内部私有化部署是实质性利好。
对行业而言，这延续了国内厂商在开源权重上的竞争节奏：比拼的不只是模型能力，还有发布策略——谁更愿意把中间产物交出来，谁就更容易聚拢开发者。
需要克制看待的是，目前公开信息集中在架构与训练规模，缺少基准测试结果和具体许可条款。基座能力如何、商用限制多严、推理成本落在什么区间，都还需等权重与评测放出后才能判断。
一个独立判断：基座先行的发布方式，正在把竞争从“谁的模型更能聊”转向“谁的模型更好改”。对真正做产品的团队来说，后者才是长期变量。
