百度开源文心5.5，2800亿里只有140亿在干活

11 月 5 日，百度开源了文心 5.5 Flash Base。总参数 2800 亿，每个 token 只激活 140 亿。

这两个数字摆在一起，看着别扭。

2800 亿是个大数字，140 亿是个小数字，中间差了二十倍。百度自己的说法是：激活得少，每个 token 的算力成本就低，33.5 万亿 token 预训练、多路由器 MoE、ECHO 预训练目标，都是围绕「效率」做的。

官方给的对比是同尺寸里领先 DeepSeek-V4-Flash-Base、Hy3-preview-Base、MiMo-V2.5-Base，训练上下文 128K，微调与推理支持到 100 万 token。

这些数字对做技术的同事有用。对坐在汕头一间办公室里的老板，最有用的其实是下面这句。

选模型不要看总参数

老板挑模型最容易犯的错，是拿排行榜第一就安心，或者听说哪个参数大就以为强。

这两个都不作数。总参数大，意味着一台机器要装得下、要跑得动；激活参数才决定你每次对话要花多少钱、多少毫秒。

你公司每天要用 AI 处理多少事？这是唯一重要的数。客服每天两百条咨询，还是内部同事每天十次总结，答案完全不同。

大参数模型适合模型厂商和大团队做底座训练；中小企业要的是在自己的机器上跑得动、算得起、够用。这就是 140 亿这个数字对你的意义。

Base 模型不是拿来聊天的

这次开源的是 Base，权重停在预训练终点，还没做后训练。官方说正式版随后推出。

Base 的意义是给你拿来做微调的起点：拿你自己公司的资料、行业数据去训一个只懂你业务的小模型。

这件事以前难，是因为底座要自己从头训。现在底座开源了，微调的门槛降了一大截。但「能训」和「该训」是两回事。

我们见过不少老板一上来就想微调模型，做完三个月发现，效果还不如把资料整理干净、接一个检索工具来得实在。原因是他们没有想清楚模型到底要替人干什么活。

落到汕头生意人身上

如果你现在只是想在公司里试 AI，先做一件事：把重复最多的那一段流程挑出来，比如每天整理客户留言、每天写报价说明、每天把纸质单据转成表格。挑一个，其余先不动。

如果你的数据敏感、流程又特别贴合行业，比如潮汕的工厂、陶瓷、五金、批发档口，可以考虑本地部署路线——数据不出门，模型装在自己机房里或者一台小服务器上。本地部署大模型这条路怎么走我们写过一篇，说的就是成本和坑。

如果只是想先用起来，调用现成的接口按量付费，量小的时候比养一台机器划算。量大的部分再考虑迁到本地。

选型这件事不能拍脑袋，模型选型的判断标准那篇里，我们给了四个可以自己套用的问题。

最后一句实在话：新开源一个模型，跟你该不该现在动手，是两件事。别把追热点当成做决策。

要做评估、要做本地部署还是先跑起来，按工作量算是有区间的，这只是大致区间，具体费用要根据你的实际需求评估。先出需求清单或方案，再给明细报价。想聊的可以打 13829578822，微信同号。