文心 5.5 Flash：同档全胜，旗舰只赢办公

百度 11 月 11 日发布文心 5.5 Flash Preview：2800 亿总参数、每个 Token 只激活 140 亿、100 万 Token 上下文，输出价每百万 Token 8 元并限时五折。

官方发布图一并给了 8 项基准、7 个对手。把对手按「同档」和「旗舰」分成两组重算之后，结论比看总分有意思得多。

一、2800 亿里只跑 140 亿

文心 5.5 Flash Preview 总参数量 2800 亿，每个 Token 激活 140 亿。折算下来激活比例 5%，即 20:1 的稀疏度。

这个比例在国产 MoE 里算激进。作为对照，站内记录的蚂蚁百灵 Ling-3.2-flash 是 560B 总参、激活 25B，比例约 4.5%，两者处在同一档稀疏水平。

官方给的三项底层技术是混合稀疏注意力架构、多路由器 MoE、ECHO 多 Token 预测。三者指向同一个目标：把百万级上下文带来的计算与显存开销压下来。

还有一处值得单独提。百度称首次引入自研 RSI 技术，由 ERNIE Evolve 参与模型推理优化，也就是让模型参与自己的研究与调优。发布稿没有给出这部分的量化收益。

二、八项基准的对位账

官方发布图列了 8 项基准，每项 7 个模型。直接看排名容易得出「中游」的印象，换成对位比较，结论立刻分层。

对 GLM-5.3-Flash 的 8 比 0 是最干净的一组：八项里没有一项落后，但最小领先幅度只有 0.4 分（Agents' Last Exam 的 29.0 对 28.6），说明同档模型的能力区间已经高度重叠。

赢的三项，都在文档与表格里

AutomationBench 61.9 对 58.0、SpreadsheetBench V2 36.4 对 35.1、OfficeQA Pro V2 67.9 对 62.2，分别领先 3.9 分、1.3 分、5.7 分。

其中 SpreadsheetBench 的 1.3 分不建议当成稳定优势，它落在同类评测多次采样的波动范围内。

输的五项，是长程编码与命令行

Terminal-Bench 4.0 是 46.5 对 63.6，差 17.1 分；Agents' Last Exam 的 CLI 子项是 29.0 对 32.4，差 3.4 分。前者是全部 8 项里最大的单点差距。

这与「Flash 档」的定位并不矛盾：它优化的是单位成本下的吞吐，而不是极限能力。但发布稿把这些分数与旗舰并列在同一张图里，容易被读成同代对标。

还有一处口径要说明。图注写明带星号的分数是「自评」，而文心自己那一列没有星号、对手列里多数带星。谁自评、谁第三方，这张图并没有对齐，横向比较时应先扣除这层差异。

三、价格：闲时折后输出 2 元

模型已上线百度智能云千帆，开发者可通过 API 调用。定价按忙闲时两档，均为每百万 Token，现阶段限时五折。

折后输出 2 元，是忙时原价的四分之一。这个差额不需要换模型、不需要改代码，只需要换调度时间。

按官方给的 200 Token/s 折算，一小时可生成约 72 万 Token。乘以闲时折后的 2 元，单小时输出成本 1.44 元；同一份产出放在忙时原价，是 5.76 元。

对批量任务来说，这是一条零改造的降本路径：把离线评测、语料清洗、批量出稿挪到闲时，成本直接落到四分之一。作为横向参照，Gemini 4 Carbon 的 2 美元输入价打的是另一条路线——靠低单价抢常规调用，而非靠时段调度。

另一条变量是权重。官方称模型权重将于 11 月 25 日面向全球开源社区发布，届时的许可条款决定它能否进入自托管场景。若许可放开，本地部署的显存档位就会成为新的成本约束。

四、四项没有交代的口径

发布稿的信息密度不低，但有四项关键条件没有交代。它们不构成缺陷判定，只是目前既无法证伪、也无法证成。

第一是长上下文的检索能力。官方只声明「支持」100 万 Token，没有给 RULER、NIAH 这类召回测试，标称上限与实际可用区间可能是两件事。

第二是 200 Token/s 的测试条件。硬件、并发批量、输入长度都没写，而解码速度对上下文长度极其敏感，脱离条件的单值很难复现。

第三是开源许可证。权重放出日期已经确定，条款未定，商用与二次训练的边界仍是空白，这直接影响企业选型。

第四是 Preview 阶段的不可复现性。当前只有千帆 API 可调，权重未发，第三方无法独立跑一遍那 8 项基准。

把三件事放在一起看：同档领先是真的，旗舰对标是错位的，价格是它的主要武器。需要在表格、报告、自动化流程里跑量的团队，这是一个划算的选项；需要长程编码与命令行任务闭环的场景，它暂时还不是。