ERNIE-5.5-Flash-Preview API
ERNIE 5.5 Flash Preview von Baidu ist ein Textmodell mit einer Million Token Kontext, optimiert für Coding, Agenten und Wissensarbeit.
ERNIE 5.5 Flash Preview ist ein von Baidu entwickeltes Sprachmodell, das am 11. November 2026 erschienen ist. Es basiert auf einer sparse Mixture-of-Experts-Architektur mit insgesamt 280 Milliarden Parametern, von denen pro Token 14 Milliarden aktiv sind. Das Modell wurde von Grund auf mit dem Muon-Optimizer und FP8-Mixed-Precision auf 33,5 Billionen Token vortrainiert. Es besteht aus 43 Transformer-Schichten mit einer verborgenen Größe von 4096 und 64 Attention-Heads. Jeder MoE-Block enthält 512 geroutete Experten, von denen jeweils 10 aktiviert werden, plus einen geteilten Experten. Die Vortrainings-Kontextlänge beträgt bis zu 128K Token, das Vokabular umfasst 201.216 Token.
Das Modell verarbeitet Texteingaben und erzeugt Textausgaben. Es unterstützt einen Kontext von bis zu einer Million Token für Fine-Tuning und Inferenz und eignet sich damit für Aufgaben, die umfangreichen Kontext erfordern. Zu den Einsatzbereichen zählen Coding und Entwicklung, Anwendungen mit intelligenten Agenten und Tool-Nutzung, Wissensarbeit mit Recherche und Analyse, Inhaltserstellung sowie Deep Research über lange Dokumente. Auch komplexe mehrstufige Aufgaben lassen sich bewältigen.
ERNIE 5.5 Flash Preview bietet umfassende Optimierungen in den Bereichen Programmierung, intelligente Agenten, Wissensarbeit und Deep Research. Das Modell kann Code schreiben, Tools verwenden, iterativ Spiele entwickeln, 3D-Modelle erstellen und Videos produzieren. Von den 43 Schichten nutzen 37 Heavily Compressed Attention, während 6 Schichten Multi-head Latent Attention mit einem Indexer einsetzen.
Aktualisiert:
MODELL-ID
ernie-5.5-flash-preview- Kontext
- 1.024M
- Max. Ausgabe
- 921.6K
- Empfohlene API
- messages
- Eingabe
- text
- Ausgabe
- text
Highlights
- Kontext von bis zu einer Million Token
- Sparse MoE mit 280 Milliarden Parametern
- 14 Milliarden aktive Parameter pro Token
- Optimiert für Coding und Agenten
- Kann 3D-Modelle und Videos erstellen
- Vortraining auf 33,5 Billionen Token
Anbieter
Vergleichen Sie die API-Preise verschiedener Anbieter. Wählen Sie einen Anbieter aus, um alle Kosten und Bedingungen zu sehen.
| Verfügbarkeit | ||||
|---|---|---|---|---|
| $0.28 | $1.13 | $0.028 |
Historische Daten sind keine Live-Statusprüfung. Fehlende Daten bedeuten keinen Ausfall.
Was man für $10 bekommt
- Eingabe
- 35,7 Mio. Token
- Ausgabe
- 8,8 Mio. Token
Geschätzt anhand der aktuellen Eingabe- und Ausgabepreise, vor Rabatten.
Schlussfolgern
- Standardaufwand
- high
- Standardmäßig aktiviert
- Ja
- Immer aktiviert
- Ja
- Verfügbare Aufwandsstufen
- high
Schnellstart
Direkt einsetzbarer Code, um dieses Modell über die kompatiblen APIs der Felo API Platform aufzurufen. Testen Sie Prompts im Playground, bevor Sie Code schreiben.
API-Schlüssel hinterlegen
Erstellen Sie einen Schlüssel in Ihrem Konto bei der Felo API Platform und legen Sie ihn als Umgebungsvariable ab.
export FELO_API_KEY="YOUR_API_KEY"Erste Anfrage senden
Verwenden Sie diese Modell-ID mit dem Endpoint der Felo API Platform. Optionale Anfrage-Header wie X-Request-Id helfen bei der Fehlersuche.
ernie-5.5-flash-previewDieses Modell kann schlussfolgern. Wenn das gewählte Protokoll und die Modellroute Reasoning-Steuerungen bereitstellen, behalten Sie die zurückgegebenen Reasoning-Metadaten bei, wenn Sie das Gespräch fortsetzen.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "ernie-5.5-flash-preview",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Drittanbieter-SDKs verwenden
Setzen Sie in kompatiblen SDKs baseURL auf https://openapi.felo.ai/api/v1. Für Clients im Claude-Stil verwenden Sie die Anthropic-kompatible Basis-URL. https://openapi.felo.ai/api.
Streaming aktivieren
Fügen Sie stream: true hinzu, um Antworten als Server-Sent Events zu erhalten.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "ernie-5.5-flash-preview",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Die Felo API Platform stellt kompatible Oberflächen für Modellaufrufe bereit. Wählen Sie die Oberfläche, die Ihre App oder Ihr Agent-Client bereits unterstützt.
Messages
Anthropic-kompatible Nachrichten für Clients im Claude-Stil.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringernie-5.5-flash-previewÖffentliche Modell-ID, die aufgerufen wird.max_tokensinteger—Maximale Anzahl generierter Tokens.messagesarray—Gesprächsnachrichten für Chat Completions.toolsarray—Tool-Calling-Definitionen nach kompatiblem Schema.top_p———reasoning———temperaturenumber—Steuert die Vielfalt der Antworten, wenn unterstützt.tool_choicestring or object—Steuert, ob ein Tool aufgerufen werden soll.response_formatobject—Fordert strukturierte Ausgabe an, wenn unterstützt.reasoning_effort———include_reasoning———structured_outputs———Häufige Fragen
Was ist ERNIE-5.5-Flash-Preview?
ERNIE 5.5 Flash Preview ist ein von Baidu entwickeltes Sprachmodell, das am 11. November 2026 erschienen ist. Es basiert auf einer sparse Mixture-of-Experts-Architektur mit insgesamt 280 Milliarden Parametern, von denen pro Token 14 Milliarden aktiv sind. Das Modell wurde von Grund auf mit dem Muon-Optimizer und FP8-Mixed-Precision auf 33,5 Billionen Token vortrainiert. Es besteht aus 43 Transformer-Schichten mit einer verborgenen Größe von 4096 und 64 Attention-Heads. Jeder MoE-Block enthält 512 geroutete Experten, von denen jeweils 10 aktiviert werden, plus einen geteilten Experten. Die Vortrainings-Kontextlänge beträgt bis zu 128K Token, das Vokabular umfasst 201.216 Token. Das Modell verarbeitet Texteingaben und erzeugt Textausgaben. Es unterstützt einen Kontext von bis zu einer Million Token für Fine-Tuning und Inferenz und eignet sich damit für Aufgaben, die umfangreichen Kontext erfordern. Zu den Einsatzbereichen zählen Coding und Entwicklung, Anwendungen mit intelligenten Agenten und Tool-Nutzung, Wissensarbeit mit Recherche und Analyse, Inhaltserstellung sowie Deep Research über lange Dokumente. Auch komplexe mehrstufige Aufgaben lassen sich bewältigen. ERNIE 5.5 Flash Preview bietet umfassende Optimierungen in den Bereichen Programmierung, intelligente Agenten, Wissensarbeit und Deep Research. Das Modell kann Code schreiben, Tools verwenden, iterativ Spiele entwickeln, 3D-Modelle erstellen und Videos produzieren. Von den 43 Schichten nutzen 37 Heavily Compressed Attention, während 6 Schichten Multi-head Latent Attention mit einem Indexer einsetzen.
Wie wird die Nutzung abgerechnet?
Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben.
Welche Eingaben und Ausgaben unterstützt ERNIE 5.5 Flash Preview?
Das Modell verarbeitet Texteingaben und erzeugt Textausgaben.
Wie groß ist der Kontext von ERNIE 5.5 Flash Preview?
Das Modell unterstützt bis zu eine Million Token Kontext für Fine-Tuning und Inferenz. Die Vortrainings-Kontextlänge beträgt bis zu 128K Token.
Für welche Aufgaben eignet sich ERNIE 5.5 Flash Preview?
Es eignet sich für Coding und Entwicklung, intelligente Agenten mit Tool-Nutzung, Wissensarbeit mit Recherche und Analyse, Inhaltserstellung, Deep Research über lange Dokumente sowie komplexe mehrstufige Aufgaben.
Welche Fähigkeiten bringt ERNIE 5.5 Flash Preview mit?
Das Modell kann Code schreiben, Tools verwenden, iterativ Spiele entwickeln, 3D-Modelle erstellen und Videos produzieren. Es ist in den Bereichen Programmierung, intelligente Agenten, Wissensarbeit und Deep Research umfassend optimiert.
Wie unterscheidet sich ERNIE 5.5 Flash Preview von ERNIE-5.5-Flash-Base?
ERNIE-5.5-Flash-Base ist das Basismodell für weiteres Training. ERNIE 5.5 Flash Preview ist die Preview-Variante, die auf dieser Grundlage für den Einsatz in Aufgaben wie Coding, Agenten und Wissensarbeit optimiert wurde.