ERNIE 5.5 Flash Previewとは？Baiduが発表したオープンウェイトモデルの基本
まとめ
ERNIE 5.5 Flash Previewの基本
- Baiduが2026年11月11日に公開したオープンウェイトの基盤モデル
- コーディング・3Dモデリング・ナレッジワーク・コンテンツ制作で高い性能が特徴
- 11月5日公開の事前学習済み「ERNIE 5.5 Flash Base」に初めて事後学習を施したモデル
- LMArenaのCode Arena: WebDevで1668点、オープンモデル2位に迫る
- プロプライエタリとオープン合算の総合順位は17位
- WebDevは実世界のタスク成績を反映するリーダーボードで、実務に近い指標
室谷代表取締役ERNIE 5.5 Flash Preview（アーニー・ファイブポイントファイブ・フラッシュ・プレビュー）は、Baidu（百度）が2026年11月11日に公開したオープンウェイトの基盤モデルで、コーディングや3Dモデリング、ナレッジワーク、コンテンツ制作で高い性能を出すのが特徴なんですよね。
テキトー教師DotAI 認定講師そうなんですよ。しかもこれ、単に新しいモデルが出たという話じゃないんです。
11月5日に公開された事前学習済みの「ERNIE 5.5 Flash Base」に対して、初めて事後学習を施したモデルという位置づけなんです。
11月5日に公開された事前学習済みの「ERNIE 5.5 Flash Base」に対して、初めて事後学習を施したモデルという位置づけなんです。
室谷代表取締役なるほど、Baseがあって、その上に事後学習を載せた最初のモデルがこのPreview版なんですね。発表元はBaiduで、LMArenaがCode Arena: WebDevでのスコアを投稿して話題になっている、と。
テキトー教師DotAI 認定講師ええ。LMArenaの投稿によれば、Code Arena: WebDevで1668点に達していて、オープンモデル2位に迫る勢いと紹介されています。
プロプライエタリとオープンを合わせた総合順位では17位。この「実タスクでのスコア」という点がポイントなんですよ。
プロプライエタリとオープンを合わせた総合順位では17位。この「実タスクでのスコア」という点がポイントなんですよ。
室谷代表取締役Code Arena: WebDevって、静的なベンチマークじゃなくて実世界のタスクの成績を反映するリーダーボードなんですよね。そこで1668点というのは、実務に近い場所での数字として見ておきたいところです。
テキトー教師DotAI 認定講師講座でも受講生さんによく言うんですが、ベンチマークの点数は「どのベンチか」で意味が変わるんです。WebDevは実際のWeb開発タスクでの比較なので、コーディングエージェントとして使う人にとっては参考度が高い数字だと思います。
ERNIE 5.5 Flash Previewのスペックとアーキテクチャ（280B・14BアクティブMoE、1Mトークン）
ERNIE 5.5 Flash Previewの主要スペック
総パラメータ数 280B
大規模な総パラメータを保持
アクティブ14B/トークン
1トークンあたり実際に計算するのは14B分
コンテキスト1Mトークン
長文脈の扱いに対応
生成速度 200トークン/秒超
14Bアクティブによる実用面の効率
スパースMoE
入力トークンごとに一部の専門家サブネットワークのみ動作
ライセンス Apache 2.0
重みを公開予定
43層Transformer
隠れ層サイズ4096、アテンションヘッド64
Latent-Gated Sparse Attention
7層に1層のみMLA、残りはHCAで128トークンを1エントリに圧縮
学習と推論のコンテキスト
33.5Tトークンでゼロから事前学習、学習時128K、ファインチューニングと推論で1M
室谷代表取締役ここは数字をきちんと押さえたいところですね。整理するとこうです。
- 総パラメータ数：280B
- 1トークンあたりのアクティブパラメータ：14B
- コンテキストウィンドウ：1Mトークン
- 生成速度：200トークン/秒超
- アーキテクチャ：スパースMoE（Mixture-of-Experts）
- ライセンス：Apache 2.0で重みを公開予定
テキトー教師DotAI 認定講師この構成の意味を解説すると、MoEは入力トークンごとに一部の「専門家」サブネットワークだけを動かす方式なんです。総パラメータは280Bと大きいのに、実際に計算するのは14B分だけ。
だから能力を大きくしつつ計算量を抑えられる、という設計なんですね。
だから能力を大きくしつつ計算量を抑えられる、という設計なんですね。
室谷代表取締役14Bアクティブで200トークン/秒超というのは、実用面でかなり効いてくる数字ですよね。MYUUUでもモデルを選ぶときは、性能と推論コストのバランスをまず見るので、この「総280B・アクティブ14B」というのはまさに実務目線のスペックだなと。
テキトー教師DotAI 認定講師公式のベースモデル解説によると、43層のTransformerで、隠れ層サイズ4096、アテンションヘッド64という構成です。さらに「Latent-Gated Sparse Attention」という仕組みで、7層に1層だけがトークンレベルで全コンテキストにアクセスするMLA（Multi-head Latent Attention）を使い、残りの層は128トークンを1エントリに圧縮するHCA（Heavily Compressed Attention）を使う。
これで長文脈のコストを抑えているんです。
これで長文脈のコストを抑えているんです。
室谷代表取締役1Mトークンのコンテキストを扱いながら、KVキャッシュを小さく保つ工夫がアーキテクチャに入っているわけですね。長い資料を丸ごと読ませるような使い方が現実的になる、と。
テキトー教師DotAI 認定講師そうなんですよ。しかもベースモデルは33.5Tトークンでゼロから事前学習されていて、学習時は128Kのコンテキスト、ファインチューニングと推論では1Mトークンに対応するという流れです。
データ面でもリポジトリ規模のコードや長文脈理解に重点を置いたと公式が説明しています。
データ面でもリポジトリ規模のコードや長文脈理解に重点を置いたと公式が説明しています。
室谷代表取締役コーディングと長文脈に寄せたデータ設計というのは、今回のPreview版の強みに直結していそうですね。
Code Arena: WebDevで1668点——DeepSeekやKimiを上回りQwen3.8-Maxと並ぶ性能
Code Arena WebDevスコア比較（1668点の位置づけ）
ERNIE 5.5 Flash Preview
- 1668点
- DeepSeek-V4.1-Flash（1664）を上回る
- Kimi K3（1658）を上回る
- Qwen3.8-Max（1670）と同水準
- オープンモデル2位に迫る
- 総合17位（プロプライエタリ＋オープン）
DeepSeek-V4.1-Flash（Max）
- 1664点
- ERNIE 5.5 Flash Previewより4点低い
室谷代表取締役ベンチマークの話を具体的に見ていきましょう。LMArenaの投稿では、1668点というスコアの位置づけとして比較モデルが挙がっています。
整理するとこうです。
整理するとこうです。
- DeepSeek-V4.1-Flash（Max）：1664
- Kimi K3（Max）：1658
- Qwen3.8-Max：1670
テキトー教師DotAI 認定講師ERNIE 5.5 Flash Previewの1668点は、DeepSeek-V4.1-Flashの1664とKimi K3の1658を上回り、Qwen3.8-Maxの1670と同水準、という紹介のされ方なんです。オープンモデル2位に迫る勢い、という表現もそこから来ています。
室谷代表取締役上位陣がかなり密集しているゾーンですよね。数点の差なので、実際の使い勝手ではタスクとの相性がものを言いそうです。
テキトー教師DotAI 認定講師LMArenaは「このスコアは静的なベンチマークではなく実世界タスクでの性能を反映している」と補足しています。プロプライエタリとオープンを合わせた総合では17位という位置づけも示されました。
室谷代表取締役オープンウェイトでこの位置に入ってくるのは、選択肢としてかなり大きいですよね。しかもBaiduの投稿ではTerminal-BenchやAutomationBenchなどでも競争力のあるスコアを出しつつ、デコードが速いと説明されている。
テキトー教師DotAI 認定講師公式ブログの付録にベンチマークの記載があるんですが、抜粋では個別の数値までは示されていません。ですので、Terminal-BenchやAutomationBenchの具体的な点数については現時点では明らかにされていません、と正確に伝えておくのがいいですね。
室谷代表取締役そうですね。数字はソースにある範囲で正確に、が鉄則です。
Code Arenaの1668点と順位、比較モデルの点数、これはLMArenaの投稿に書かれている事実として押さえておきましょう。
Code Arenaの1668点と順位、比較モデルの点数、これはLMArenaの投稿に書かれている事実として押さえておきましょう。
ERNIE 5.5 Flash Previewでできること——コーディング・3Dモデリング・資料作成の実例
室谷代表取締役ここが一番おもしろいところなんですけど、公式ブログには実タスクの実例がかなり具体的に載っているんですよね。
テキトー教師DotAI 認定講師ええ、しかも全部エージェントハーネスの中で端から端まで完結させた、というのがポイントです。まずゲーム開発。
Unreal Engine、Unity、Godotといった主要エンジンへの対応を強化していて、ゲームメカニクスの実装やゲームプレイロジックの編成、実行時の状態管理、アセットパイプラインまで対象にしているんです。
Unreal Engine、Unity、Godotといった主要エンジンへの対応を強化していて、ゲームメカニクスの実装やゲームプレイロジックの編成、実行時の状態管理、アセットパイプラインまで対象にしているんです。
室谷代表取締役公式の例だと、Unreal Engine 5.8で武侠ゲームを作るという11時間のコーディングタスクを1回でこなした、と。テキストのみのモデルなので画面が見えないぶん、プレイテストで見つかった「キャラクターが地面から浮く」「走る方向が安定しない」「カメラ位置がずれる」といった問題を、コード上の測定可能なテストに落とし込んで反復した、という説明になっています。
テキトー教師DotAI 認定講師これは講座で言っている「エージェントはテストに変換できるかが勝負」という話そのものですね。目視できない問題をテストに変えて回す、というのは実務でもまさに必要な力です。
室谷代表取締役3Dモデリングの例もすごくて、BlenderのPython APIを使って、片方のエージェントが空港、もう片方が航空機を建てるんですよ。空港側は地図プラットフォームからレイアウトのベクターデータを自分で見つけてきて、植生や車両などのアセットを必要に応じてダウンロードし、パラメトリックモデリングでターミナルと飛行場を構築。
航空機側は断面から胴体と翼をロフトしてモジュール単位で組み立て、コックピットや客室、貨物室を仕上げる。最後に2つのプロジェクトのスケールと配置、カメラを合わせて、GPUでフレームごとにレンダリングしてFFmpegで動画にまとめた、と。
航空機側は断面から胴体と翼をロフトしてモジュール単位で組み立て、コックピットや客室、貨物室を仕上げる。最後に2つのプロジェクトのスケールと配置、カメラを合わせて、GPUでフレームごとにレンダリングしてFFmpegで動画にまとめた、と。
テキトー教師DotAI 認定講師CAD的なパラメトリックモデリングと空間推論が得意で、テキスト記述から形状・比率・空間関係を推論して使える3Dモデルを作る、と公式は説明しています。既存アセットの再利用もできるので、大規模で詳細な3Dシーンづくりに向いているんですね。
室谷代表取締役ナレッジワークも見逃せないです。散らばった資料を渡すと、表計算・文書・スライドをプロ品質で仕上げる。
公式では金融や法務などの領域で、40種類以上のファイル形式を含む1,000万件の参照ファイルを持つ30万のワークスペースを構築したと説明されています。
公式では金融や法務などの領域で、40種類以上のファイル形式を含む1,000万件の参照ファイルを持つ30万のワークスペースを構築したと説明されています。
テキトー教師DotAI 認定講師例として挙がっているのが「AIデータセンターの電力コスト」についての20ページの調査レポート。LBNLやEPRI、PJM、ERCOT、E3、JLARCといった機関の公開資料を統合して、電力需要予測、系統拡張、容量市場の価格、家庭の電気料金、地域の財政便益まで含む多次元の分析枠組みを組み、政策シナリオのモデリングまでやった、と。
室谷代表取締役動画制作までいきますからね。116秒の2DアニメーションをPythonでゼロから書いて、1万行以上のコードで20の画風を巡る作品にした、という「The Pelican Test」の例は象徴的です。
テキトー教師DotAI 認定講師ベクター描画にPycairo、後処理にNumPyとPillow、20シーンの切り替え、効果音の編集スクリプトまでモデルが書いた、と。公式は15万以上の制作環境を用意して、これまで約5,300分の完成動画を生み出したと説明しています。
室谷代表取締役コーディング、3D、資料、動画と、エージェントに長いタスクを任せる方向に振り切っているのがよく分かりますね。
ERNIE 5.5 Flash Previewの使い方・始め方——Qianfan APIとオープンウェイト公開
室谷代表取締役で、実際どうやって使うのかという話ですよね。ここは公式の発表を整理したいところです。
テキトー教師DotAI 認定講師まずAPIは、BaiduのQianfanプラットフォームで提供中です。公式ページにはBaidu QianfanとOpenRouterの記載があります。
そしてモデルの重みはApache 2.0ライセンスで近くオープンソース化される予定で、Baiduの投稿では11月25日までに公開予定とされています。
そしてモデルの重みはApache 2.0ライセンスで近くオープンソース化される予定で、Baiduの投稿では11月25日までに公開予定とされています。
室谷代表取締役Apache 2.0で重みが出るというのは、ビジネス利用を考える立場としてはかなり重要です。自前でホスティングする選択肢が出てくるわけですから。
テキトー教師DotAI 認定講師そうなんですよ。しかもベースモデルのほうはすでにHuggingFaceで公開されているので、ファインチューニング前提で使いたい人はBase、すぐ実利用したい人はPreview版のAPI、という住み分けができます。
室谷代表取締役オープンウェイトのモデルを選ぶとき、ライセンス名は正確に見たほうがいいですよね。今回はApache 2.0と公式に明記されています。
テキトー教師DotAI 認定講師あと、Code Arena: WebDevのリーダーボードはarena.aiで公開されていて、実際のタスクでの比較を見られるようになっています。モデル選びの参考に、こうした実タスクのリーダーボードを併用するのがおすすめです。
室谷代表取締役料金・提供範囲と日本からの利用、BaseモデルとPreview版の違い
室谷代表取締役料金と提供範囲について、ソースで分かる範囲を整理しておきましょう。
テキトー教師DotAI 認定講師料金については、公式ページ抜粋に具体的な価格の記載がありません。ですので現時点では明らかにされていません、とお伝えするのが正確です。
提供形態はQianfanプラットフォームでのAPI提供が開始済み、重みはApache 2.0で11月25日までに公開予定、というのが確認できる事実ですね。
提供形態はQianfanプラットフォームでのAPI提供が開始済み、重みはApache 2.0で11月25日までに公開予定、というのが確認できる事実ですね。
室谷代表取締役日本からの利用については、Qianfanがどういう地域提供をしているかの記載が抜粋にないので、ここも現時点では明らかにされていません。オープンウェイトが公開されれば自前で動かす道は開けますが、その時点の配布条件を確認する必要があります。
テキトー教師DotAI 認定講師そこは大事ですね。BaseモデルとPreview版の違いも整理しておきたいんですけど、Baseは事前学習を終えた時点のチェックポイントで、中間学習も事後学習もしていない状態。
だから領域適応や指示チューニング、強化学習の研究の共通の出発点として使える、と公式は説明しています。
だから領域適応や指示チューニング、強化学習の研究の共通の出発点として使える、と公式は説明しています。
室谷代表取締役一方のPreviewは、そのBaseに事後学習を施した最初のモデル。ただし公式が「事後学習の途中経過の中間チェックポイントであり、訓練が未完了なので一部の能力はまだ不足しうる」と明記しているんですよね。
テキトー教師DotAI 認定講師ええ。事後学習は継続中で、ERNIE 5.5 Flashは急速に改善している、と。
実利用での性能とユーザーフィードバックを見ながら正式版で改善していく、というスタンスが示されています。
実利用での性能とユーザーフィードバックを見ながら正式版で改善していく、というスタンスが示されています。
室谷代表取締役だから「Preview」という名前なわけですね。本番投入するなら、正式版の動向を見ながら、まずは検証用途から、というのが現実的な使い方だと思います。
テキトー教師DotAI 認定講師講座でも受講生さんに「Preview版は伸びしろ込みで評価する」と伝えているんですよ。今の性能で判断するのではなく、更新のスピードも含めて見ていく。
今回のように事後学習が進行中と明言されているモデルは特にそうですね。
今回のように事後学習が進行中と明言されているモデルは特にそうですね。
室谷代表取締役推論効率の観点も補足しておくと、ベースモデルの解説では、アテンションから残差接続、MoE層、出力ヘッドまで、能力と効率のトレードオフを各コンポーネントで見直したと説明されています。アクティブ計算量、KVキャッシュ、長文脈コストを個別ではなくまとめて天秤にかけた、と。
テキトー教師DotAI 認定講師実際、512のルーティング済みエキスパートにトップ10と共有エキスパート1つ、というMoE構成で、Latentエキスパートによってディスパッチと結合のトラフィックをおよそ半分に抑える工夫も入っています。
室谷代表取締役14Bアクティブという数字が効いてくるのは、まさにそこですよね。エージェント用途だとマルチターンで長いコンテキストを何度も回すので、1回あたりのコストが効いてきますから。
テキトー教師DotAI 認定講師そこは既存のモデルと比較するときに、パラメータの総数だけを見ないことが大切なんです。総280Bでも動くのは14B分。
だから速度とコストが現実的な範囲に収まる、という設計意図を読み取るといいですね。
だから速度とコストが現実的な範囲に収まる、という設計意図を読み取るといいですね。
室谷代表取締役よくある質問
室谷代表取締役最後に、よく聞かれそうな点を整理しておきましょう。
テキトー教師DotAI 認定講師まず「ERNIE 5.5 Flash Previewとは何か」ですが、Baiduが2026年11月11日に公開したオープンウェイトの基盤モデルで、ERNIE 5.5 Flash Baseに事後学習を施した最初のモデルです。総280B・アクティブ14BのMoE、1Mトークンのコンテキストを持ちます。
室谷代表取締役「いつから使えるのか」は、APIがQianfanプラットフォームで提供中です。モデルの重みはApache 2.0で11月25日までに公開予定とされています。
テキトー教師DotAI 認定講師「料金はいくらか」については、公式ページ抜粋に価格の記載がないため、現時点では明らかにされていません。Qianfanの提供条件を確認する必要があります。
室谷代表取締役「日本から使えるのか」も、地域ごとの提供範囲の記載が抜粋にないので、現時点では明らかにされていません。オープンウェイトが公開されれば自前で動かす選択肢が出てきます。
テキトー教師DotAI 認定講師「オープンソースなのか」については、重みがApache 2.0ライセンスで公開予定と公式が明言しています。ライセンス名はApache 2.0、と正確に押さえてください。
室谷代表取締役「BaseとPreviewの違いは」については、Baseは事前学習終了時点のチェックポイントで中間学習も事後学習もしていない研究用の出発点、Previewは事後学習を施した中間チェックポイントで、訓練は継続中という違いです。
テキトー教師DotAI 認定講師「どんなことができるのか」は、コーディング（Unreal Engine・Unity・Godot対応、長時間タスク）、BlenderやCADを使った3Dモデリング、資料群からの表計算・文書・スライド作成、動画制作まで、公式が実例付きで示しています。
室谷代表取締役「性能はどのくらいか」は、Code Arena: WebDevで1668点、オープンモデル2位に迫る勢いで、プロプライエタリとオープン合算では総合17位。DeepSeek-V4.1-Flash（Max）の1664、Kimi K3（Max）の1658を上回り、Qwen3.8-Maxの1670と同水準という紹介です。
テキトー教師DotAI 認定講師ただしPreview版は訓練未完了のため一部能力が不足しうると公式が明記しているので、そこは前提として押さえておきましょう。正式版の動向を追いながら、検証から始めるのが堅実だと思います。
室谷代表取締役というわけで、オープンウェイトで高効率・長文脈の実務モデルという位置づけが、今回の発表の要点ですね。重みの公開が待たれるところです。
