百度ERNIE 5.5 Flash Base开源，Images 2.6双版本接入API

百度放出ERNIE 5.5 Flash Base：2800亿参数的"半成品"

百度发布了稀疏混合专家模型ERNIE 5.5 Flash Base。总参数2800亿，每个Token激活140亿参数，预训练使用了33.5万亿Token，支持最长百万Token上下文。

值得玩味的是百度这次放出的定位——官方明确表示，这是尚未经过中期训练和后训练的基础模型权重。换句话说，开发者拿到的是一块未经雕琢的"地基"，可以在同一起点上按自己的需求继续训练。这种策略在开源社区并不常见，但对想要深度定制的研究团队来说，反而比一个"成品"更有吸引力。

百度公布了基础模型对比数据：在MMLU Pro上，ERNIE 5.5 Flash Base取得78.4分，DeepSeek^广告 V4 FlashBase为69.2分；在HumanEvo Plus编程测试中，百度模型得到82.3分，对比模型为69.5分。需要注意，图表采用同一套评测流程，但成绩来自百度官方——第三方复现之前，这组数字应视为单方面披露。

**稀疏混合专家（MoE）**是一种让模型在推理时只激活部分参数的架构：模型由多个“专家”子网络加一个路由网络组成，每个 Token 经路由选择少数专家参与计算。因此“总参数”反映模型容量，“激活参数”才决定单次推理的算力开销。ERNIE 5.5 Flash Base 的 2800 亿总参数中每 Token 只激活 140 亿，正是靠这种稀疏性在保持大容量的同时压低推理成本。代价是显存占用仍按总参数计，且路由负载均衡、专家并行通信都会增加工程复杂度。

中期训练与后训练是当前大模型训练流水线的两个阶段：中期训练通常指预训练之后、用高质量语料做继续预训练或上下文长度扩展；后训练则包括监督微调、RLHF/偏好对齐等，使模型具备指令遵循和安全行为。只放出预训练权重意味着模型尚未对齐，直接对话效果可能很差，但对需要自建领域对齐流程的团队而言，起点更干净、可定制空间更大。

昇腾首日适配Kimi K31 Pro，云端Agent服务同步推进

据IT之家援引华为计算消息，Kimi K31 Pro完整权重公布当天，昇腾基于VLLM Ascend和SGLang完成了首日推理适配，支持Atlas 800 A3、Atlas 900 III SuperPod和昇腾950超节点系列部署，并针对稀疏注意力和多模态推理做了专门适配。

首日适配的意义在于生态响应速度。模型权重公开与硬件推理跑通之间的时间差，直接决定了开发者能否第一时间在国产算力上验证模型。

Kimi还在推进Hosted Agents——把智能体运行环境作为云端服务提供，支持长时间任务和多智能体协作，帮助企业省去自行搭建沙箱和基础设施的工作。这项服务此前已面向企业介绍过，如今进一步落地。

VLLM Ascend 与 SGLang 是两条主流的大模型推理服务路线：vLLM 以 PagedAttention 和连续批处理著称，Ascend 版本是其面向昇腾 NPU 的硬件后端移植；SGLang 则以 RadixAttention 前缀缓存和结构化生成见长。“首日适配”指的是把新模型的权重、算子与并行切分策略在推理框架和特定硬件上跑通并达到可用性能，通常需要处理算子缺失、精度对齐和通信拓扑等问题，因此时间差是衡量硬件生态成熟度的直接指标。

Hosted Agents（托管智能体服务） 指厂商把智能体的运行环境作为云服务提供：开发者只定义工具与任务，沙箱、会话状态、长任务调度和多智能体协同由平台负责。它解决的是智能体落地时基础设施重复建设的问题，但也把执行环境、数据边界和计费方式交到云厂商手中。

OpenAI Images 2.6进入API：Flare与Sunburst两条路线

早报提到的OpenAI Images 2.6现已接入API，官方提供Flare和Sunburst两个版本，定位截然不同：

• Flare：主打速度，低画质下最快6秒生成一张图。
• Sunburst：面向更高细节和多模态场景，强调多轮编辑的一致性。

开发者还可以使用图像标注、编辑、SVG导出以及新的复杂度参数。把速度型与质量型拆成两个端点，等于让调用方在延迟和细节之间做显式选择，而不是被动接受一个折中方案。这对批量出图的流水线和需要精细编辑的创作场景，适配逻辑完全不同。

把图像生成拆成 Flare（速度型） 与 Sunburst（质量型） 两个端点，本质是把延迟—质量的权衡显式暴露给调用方。对批量出图流水线而言，单张耗时直接决定吞吐和成本，低画质快速出图可用于草稿筛选、缩略图或 A/B 素材；对需要精细编辑的场景，多轮编辑的一致性（同一主体、风格、构图在多次修改后保持稳定）比单张画质更关键，这通常依赖更强的指令跟随与图像条件控制能力。显式分端点也让定价、限流和重试策略可以按场景分别设计。

Google Cloud闪现神秘模型名，OpenAI收购再起波澜

社区账号Lumina发布截图，称Google Cloud上出现过GPT-6、True、Astra和Sol的模型名称。有用户补充称，这些条目随后被删除。

这些名称是否代表正式发布，目前仍待确认。模型名称的短暂出现可能来自内部配置泄露，也可能是测试条目误上架，在没有官方说明前，任何解读都只是猜测。

另一条线索来自OpenAI：官方此前宣布收购开发工具公司Pierre，交易仍需满足交割条件。围绕社区此前流传的类GPT表述，有网友发现Pierre联合创始人的账号名恰好与之呼应，并猜测两者有关联。需要强调，这只是社区解读，没有官方依据。

几点观察

百度选择放出未后训练的基础权重，把"对齐"和"微调"的主动权交给社区，这种姿态比单纯刷榜更值得关注——前提是第三方能复现那组评测分数。昇腾在Kimi新权重公布当天完成适配，说明国产硬件生态的跟进节奏正在加快。而Images 2.6的双版本设计，则反映出图像生成API正在从"一个模型打天下"走向按场景分层的产品思路。至于Google Cloud的神秘命名和OpenAI的收购八卦，在官方确认之前，都只能算茶余饭后的谈资。