ERNIE-5.5-Flash-Preview API
ERNIE-5.5-Flash-Preview de Baidu est un modèle texte de 280 milliards de paramètres, avec un contexte d'un million de tokens, optimisé pour le code, les agents et la recherche.
ERNIE-5.5-Flash-Preview est un modèle de langage développé par Baidu, publié le 11 novembre 2026. Il accepte des entrées texte et produit des sorties texte, avec un contexte pouvant atteindre 1 million de tokens. Il repose sur une architecture sparse Mixture-of-Experts comptant 280 milliards de paramètres au total et 14 milliards de paramètres actifs par token. Le pré-entraînement a été réalisé depuis zéro sur 33,5 billions de tokens avec l'optimiseur Muon et une précision mixte FP8.
Le modèle comprend 43 couches Transformer, une taille cachée de 4096 et 64 têtes d'attention. Chaque bloc MoE contient 512 experts routés, dont 10 sont activés à la fois, plus 1 expert partagé. Le contexte de pré-entraînement va jusqu'à 128K tokens, et le vocabulaire compte 201 216 tokens. 37 couches utilisent Heavily Compressed Attention, tandis que 6 couches emploient Multi-head Latent Attention avec un indexeur.
Ce modèle est adapté aux tâches de développement et de codage, aux applications d'agents intelligents avec utilisation d'outils, au travail de connaissance incluant la recherche et l'analyse, à la création de contenu, ainsi qu'à la recherche approfondie sur de longs documents. Il peut écrire du code, utiliser des outils, itérer pour construire des jeux, créer des modèles 3D et produire des vidéos. Ses optimisations couvrent le code, les agents, le travail de connaissance et la recherche approfondie, ce qui le rend apte aux tâches complexes à plusieurs étapes nécessitant un contexte étendu.
Mis à jour:
ID DU MODÈLE
ernie-5.5-flash-preview- Contexte
- 1.024M
- Sortie max.
- 921.6K
- API recommandée
- messages
- Entrée
- text
- Sortie
- text
Points clés
- Contexte d'un million de tokens
- 280 milliards de paramètres au total
- 14 milliards de paramètres actifs par token
- Architecture sparse Mixture-of-Experts
- Pré-entraînement sur 33,5 billions de tokens
- Optimisations pour code, agents et recherche
Fournisseurs
Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.
| Disponibilité | ||||
|---|---|---|---|---|
| $0.28 | $1.13 | $0.028 |
Les statistiques historiques ne sont pas un contrôle en direct. Une donnée manquante ne signifie pas une panne.
Ce que $10 permettent d'acheter
- Entrée
- 35,7 M tokens
- Sortie
- 8,8 M tokens
Estimation d'après les prix actuels d'entrée et de sortie, hors remises.
Raisonnement
- Niveau d'effort par défaut
- high
- Activé par défaut
- Oui
- Toujours activé
- Oui
- Niveaux d'effort disponibles
- high
Démarrage rapide
Un code prêt à l'emploi pour appeler ce modèle avec les API compatibles de Felo API Platform. Commencez dans le Playground pour tester des prompts avant d'écrire du code.
Configurer votre clé API
Créez une clé depuis votre compte Felo API Platform et définissez-la comme variable d'environnement.
export FELO_API_KEY="YOUR_API_KEY"Effectuer votre première requête
Utilisez cet ID de modèle avec le point de terminaison Felo API Platform. Les en-têtes de requête facultatifs comme X-Request-Id facilitent le diagnostic.
ernie-5.5-flash-previewCe modèle est capable de raisonnement. Si le protocole sélectionné et la route du modèle exposent des contrôles de raisonnement, conservez les métadonnées de raisonnement renvoyées lorsque vous poursuivez la conversation.
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());Utiliser des SDK tiers
Avec les SDK compatibles, définissez baseURL sur https://openapi.felo.ai/api/v1. Pour les clients de style Claude, utilisez l'URL de base compatible Anthropic. https://openapi.felo.ai/api.
Activer le streaming
Ajoutez stream: true pour recevoir les réponses sous forme de server-sent events.
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
Felo API Platform expose des surfaces d'appel de modèles compatibles. Choisissez la surface que votre application ou votre client agent prend déjà en charge.
Messages
Messages compatibles Anthropic pour les clients de style Claude.
POST
https://openapi.felo.ai/api/v1/messagesParamètres
modelstringernie-5.5-flash-previewID public du modèle à appeler.max_tokensinteger—Nombre maximal de tokens générés.messagesarray—Messages de la conversation pour Chat Completions.toolsarray—Définitions de tool calling conformes au schéma compatible.top_p———reasoning———temperaturenumber—Contrôle la variété des réponses lorsque c'est pris en charge.tool_choicestring or object—Contrôle si un outil doit être appelé.response_formatobject—Demande une sortie structurée lorsque c'est pris en charge.reasoning_effort———include_reasoning———structured_outputs———Questions fréquentes
Qu'est-ce que ERNIE-5.5-Flash-Preview?
ERNIE-5.5-Flash-Preview est un modèle de langage développé par Baidu, publié le 11 novembre 2026. Il accepte des entrées texte et produit des sorties texte, avec un contexte pouvant atteindre 1 million de tokens. Il repose sur une architecture sparse Mixture-of-Experts comptant 280 milliards de paramètres au total et 14 milliards de paramètres actifs par token. Le pré-entraînement a été réalisé depuis zéro sur 33,5 billions de tokens avec l'optimiseur Muon et une précision mixte FP8. Le modèle comprend 43 couches Transformer, une taille cachée de 4096 et 64 têtes d'attention. Chaque bloc MoE contient 512 experts routés, dont 10 sont activés à la fois, plus 1 expert partagé. Le contexte de pré-entraînement va jusqu'à 128K tokens, et le vocabulaire compte 201 216 tokens. 37 couches utilisent Heavily Compressed Attention, tandis que 6 couches emploient Multi-head Latent Attention avec un indexeur. Ce modèle est adapté aux tâches de développement et de codage, aux applications d'agents intelligents avec utilisation d'outils, au travail de connaissance incluant la recherche et l'analyse, à la création de contenu, ainsi qu'à la recherche approfondie sur de longs documents. Il peut écrire du code, utiliser des outils, itérer pour construire des jeux, créer des modèles 3D et produire des vidéos. Ses optimisations couvrent le code, les agents, le travail de connaissance et la recherche approfondie, ce qui le rend apte aux tâches complexes à plusieurs étapes nécessitant un contexte étendu.
Comment l'usage est-il facturé ?
Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.
Quels types d'entrées le modèle accepte-t-il ?
ERNIE-5.5-Flash-Preview accepte des entrées texte et produit des sorties texte.
Quelle est la longueur de contexte prise en charge ?
Le modèle prend en charge un contexte pouvant atteindre 1 million de tokens. Son contexte de pré-entraînement va jusqu'à 128K tokens.
À quelles tâches le modèle est-il adapté ?
Il est adapté au codage et au développement, aux agents intelligents avec utilisation d'outils, au travail de connaissance, à la création de contenu, à la recherche approfondie sur de longs documents et aux tâches complexes à plusieurs étapes.
Quelles capacités créatives le modèle propose-t-il ?
Il peut écrire du code, utiliser des outils, itérer pour construire des jeux, créer des modèles 3D et produire des vidéos.
Quelle est l'architecture du modèle ?
Il repose sur une architecture sparse Mixture-of-Experts avec 280 milliards de paramètres au total et 14 milliards de paramètres actifs par token, répartis sur 43 couches Transformer.