ERNIE-5.5-Flash مقابل GPT-6 Luna: ما الذي تقدمه لك فئة Flash حقًا؟

«فلاش» ليست عددًا للمعاملات. إنها وعد تجاري بأربعة بنود: سعر لكل مليون رمز، وزمن استجابة يمكنك تخطيط طلبك على أساسه، ونافذة سياق يمكنك ضبط حجم تطبيقك وفقها، ودرجة تحقّقت منها جهة مستقلة. أما GPT-6 Luna، الذي أطلقته OpenAI في 22 سبتمبر 2026، فينشر الأربعة جميعًا. وأما ERNIE-5.5-Flash، الذي أطلقت Baidu أوزانه الأساسية في 5 نوفمبر 2026، فلا ينشر أيًا منها — لا سعر، ولا زمن استجابة مخدوم، ولا تقييم مستقل، ورقم سياق يصف إعداد نقطة تحقق لا نقطة نهاية. وعليه، فإن مقارنة ERNIE-5.5-Flash بـ GPT-6 Luna ليست مواجهة مباشرة. بل هي اختبار مفيد لما يُفترض أن تضمنه كلمة «Flash»، وبيان بمقدار ذلك الضمان الذي لم تقدّمه Baidu بعد. تُقدَّم Luna بسعر القائمة الخاص بالمزوّد، مع سياسات توجيه للجهد والسياق مجمّعة في مكان واحد.

البند الأول: السعر

يُسعّر GPT-6 Luna عند 0.10 دولار لكل مليون رمز إدخال و0.50 دولار لكل مليون رمز إخراج. تكلّف قراءات الإدخال المخزّن مؤقتًا نحو 0.01 دولار، وكتابات ذاكرة التخزين المؤقت نحو 0.125 دولار، أما المطالبات التي تتجاوز 272K من رموز الإدخال فتنتقل إلى فئة أعلى بسعر 0.20/0.75 دولار. مقابل GPT-6 Sol بسعر 2/10 دولارات وGPT-6 Astra بسعر 10/50 دولارًا، فإن تكلفة Luna تعادل نحو 1/20 و1/100 من التكلفة على الترتيب — وتصف OpenAI هذا الإطلاق بأنه خفض دائم بنسبة 50 بالمئة مقارنةً بأسعار GPT-5.6 الترويجية، وليس خصمًا مؤقتًا.

لا يوجد سعر لـ ERNIE-5.5-Flash. ليس سعرًا غير منشور، ولا سعرًا بعرض سعر للمؤسسات: فالنموذج الخاضع للتدريب اللاحق غير موجود، لذا لا يوجد ما يمكن تسعيره. ما هو موجود هو ERNIE-5.5-Flash-Base، وهو نموذج MoE متناثر بمعاملات 280B مع 14B نشطة لكل رمز بموجب ERNIE 5.5 Flash Base Model License Agreement v1.0، ومتاح للتنزيل مجانًا بصيغتي FP8 وBF16.

هذا هو كامل البند الأول. نموذج بعشرة سنتات لكل مليون رمز إدخال من جهة، ومستودع من جهة أخرى.

البند الثاني: زمن الاستجابة

ملف زمن الاستجابة لدى Luna صادق على نحو غير معتاد بشأن مقايضاته الخاصة. يبلغ معدل الإخراج نحو 154 رمزًا في الثانية. وعند جهد استدلال منخفض، يبلغ الوسيط الزمني للوصول إلى أول رمز نحو 1.5 ثانية. أما عند أقصى جهد استدلال، فإنه يمتد إلى نحو 124 ثانية — وهو رقم يجعل النموذج غير صالح للعمل التفاعلي عند هذا الإعداد، ومعقولًا تمامًا للتحليل الدفعي. إن فئة Flash التي تنشر كلا الرقمين تخبرك بالاستخدامات التي صُممت من أجلها.

لا تنشر ERNIE-5.5-Flash أي معدل إنتاجية ولا زمن الوصول إلى أول رمز، لأنه لا توجد نقطة نهاية مخدومة يمكن قياسها. ما يمكن استنتاجه هو أمر معماري: أن يكون هناك 14B معاملًا نشطًا لكل رمز من أصل 280B إجمالًا هو تصميم يهدف إلى فك ترميز رخيص وسريع، كما أن 14B النشطة تمثل مجموعة عمل أصغر من 18B في GLM-5.3 Flash أو تقسيم 8B مدخلات/16B مخرجات في DeepSeek V4.1 Flash. على الورق، بُني ليكون سريعًا. وعلى الورق يجب أن يبقى هذا الادعاء حتى يقدمه أحد في الخدمة.

البند الثالث: السياق

نافذة GPT-6 Luna تبلغ نحو مليون توكن، مع حدّ إخراج يقارب 128K. والتفصيل الجدير بالملاحظة هو أن هذا أكبر من نافذة GPT-6 Sol البالغة 872K — فالطراز الأقل تكلفة يقبل مدخلات أكثر من الطراز الأعلى تكلفة. وهذا يقلب منطق التصعيد المعتاد. نمط التوجيه القياسي هو «أرسل الحمولة الكبيرة إلى الطراز الكبير»؛ لكن Luna تكسر هذا النمط، وأي موجّه يُضبط على الافتراض القديم سيُنفق أكثر من اللازم.

يفيد ERNIE-5.5-Flash-Base بسياق تدريب قدره 128K، وبتمكين 1,048,576 رمزًا للضبط الدقيق والاستدلال في التكوين المُصدَر. لكن هذه ليست أرقامًا من النوع نفسه كأرقام Luna. فأحدهما علامة إعداد على نقطة حفظ لم تُقدَّم بهذا الطول قط؛ والآخر حدّ منتج مرتبط بفئة سعرية عند 272K. وأدلة Baidu على السياق الطويل هي مجموعة اختبارات معيارية شاملة — HELMET-RAG 71.5، وRepoQA 91.7، وLongBench-v2 48.7، وInfiniteBench 46.5 — شُغِّلت ضمن أداة الاختبار الخاصة بها، ويعترف المنشور بأن صفين على الأقل من صفوف السياق الطويل تلك يعودان إلى نموذج أساسي منافس.

البند الرابع: درجة راجعها شخص آخر

مكانة Luna المعلنة متباينة، وهذا ما يجعلها ذات مصداقية. يذكر BenchGecko متوسط درجة 55.9 وترتيبًا يقارب المرتبة 116؛ وتشمل الأرقام القريبة من المورّد DeepSWE v1.1 عند 66.6، وOSWorld 2.0 عند 52.7، وLiveBench للبرمجة 79 والرياضيات 89.1. يأتي Terminal-Bench 4.0 عند نحو 13.6 بالمئة في تشغيل Vals AI، وAutomationBench عند 20.7. تضع Artificial Analysis مؤشر ذكائها عند نحو 37 إلى 38، دون Sol عند نحو 48 وAstra عند نحو 53، ومؤشر وكيل البرمجة لديها عند نحو 41 — وهو تراجع عن 43 لدى GPT-5.6 Luna. تحسّن معدل الهلوسة من 93 بالمئة إلى 77 بالمئة، وهو أفضل وما يزال غير جيد.

إذن Luna نموذج رخيص له سقف موثّق وتراجع موثّق واحد على الأقل. وهذا أكثر فائدة للمشتري من رقم قوي بلا مصدر، لأنه يخبرك أين لا تستخدمه: حلقات البرمجة الوكيلية، والاسترجاع الحقائقي عالي المخاطر، وأي شيء يعتمد على التلاعب بالبيئة على غرار Terminal-Bench.

جانب ERNIE-5.5-Flash من هذا البند هو جدول خاص بالنموذج الأساسي. MMLU 93.3، وMMLU-Pro 78.4، وGPQA 60.2، وHumanEval+ 82.3، وLiveCodeBench 40.1 — جميعها مقيسة قبل التدريب اللاحق، ضمن منظومة اختبار Baidu، مقابل نقاط تحقق أساسية أخرى. إنه جدول مشروع. لكنه ليس إجابة عن سؤال «ما مدى جودة النموذج الذي سأستدعيه؟»، لأن النموذج الذي ستستدعيه لم يُبنَ بعد.

لماذا يُعد «Flash» عند 280B شيئًا مختلفًا تمامًا

هناك نقطة بنيوية مخفية تحت المقارنة. فـ Luna نموذج صغير صار رخيصًا لأنه صغير. أما ERNIE-5.5-Flash فهو نموذج كبير صار رخيصًا عبر تفعيل شريحة صغيرة منه — 14B من 280B لكل رمز. والاقتصاديات مختلفة حقًا: تكلفة الذاكرة تتناسب مع إجمالي 280B، وتكلفة الحساب تتناسب مع الـ14B المفعّلة. وبالنسبة لمزوّد يخدم بحجم كبير، فهذا شكل جذاب، لأن الجزء المكلف يُستهلَك على مدى طلبات متزامنة كثيرة، والجزء الرخيص هو ما يكلفه كل رمز.

بالنسبة لمن يستضيف النموذج ذاتيًا، يمثل هذا الشكل نفسه مشكلة. فأنت تحتاج إلى ذاكرة لـ280 مليار معامل بصيغة FP8 — في حدود 280GB قبل KV cache — للحصول على ملف الحوسبة الخاص بنموذج بحجم 14B. هذا نشر في مركز بيانات، وليس نشرًا على محطة عمل، وهو السبب في أن نقاط التحقق الأساسية بهذا الحجم تميل إلى أن تصبح واجهات برمجة تطبيقات بدلًا من نماذج محلية.

لونا هي العكس: صغيرة بما يكفي لتُقدَّم على نطاق واسع، وبسعر يعكس ذلك، ومتاحة عبر واجهة OpenAI البرمجية، وChatGPT Work، وCodex، وتطبيق سطح المكتب ضمن مستويي Free وGo. التوزيع جزء من المنتج.

أين يتلاءم OrcaRouter، وأين لا يتلاءم

يمكن توجيه GPT-6 Luna عبر OrcaRouter باسم openai/gpt-6-luna، بسعر القائمة لدى المزوّد وبهامش ربح 0%. وهذا يهم أكثر من المعتاد بالنسبة لهذا الطراز، لأن قرارات التوجيه المثيرة للاهتمام بشأن Luna لا تتعلق بالسعر إطلاقًا — بل تتعلق بالجهد. فالطلب الذي يحتاج إلى زمن استجابة 1.5 ثانية حتى أول رمز لا ينبغي إرساله إلى إعداد الجهد نفسه الذي تُرسل إليه مهمة دفعية يمكنها الانتظار دقيقتين، ولا ينبغي أن يلجأ افتراضيًا عبء عمل يحتاج أحيانًا إلى سياق بسعة 800K إلى Sol بناءً على افتراض أن الطراز الأكبر يملك نافذة أكبر. إن طبقة توجيه قادرة على الاحتفاظ بهذه السياسات في مكان واحد، مع تجاوز فشل تلقائي عندما يتدهور أحد المزوّدين، تؤدي عملًا حقيقيًا هنا.

ERNIE-5.5-Flash ليس في كتالوج OrcaRouter — 216 معرّف نموذج، ولا يوجد إدخال لـ ERNIE — ولا ينبغي قراءة أي شيء في هذا المقال على أنه ادعاء بوجوده. لا توجد نقطة نهاية للتوجيه إليها. الموقف الصادق هو أنه في اليوم الذي تتيح فيه بايدو النموذج المدرَّب تدريبًا لاحقًا، تصبح مسألة التوجيه مثيرة للاهتمام؛ أما اليوم فهي افتراضية.

ما الذي قد يجعل ERNIE منافسًا لـ Luna؟

أربعة أشياء، وهي نفس البنود الأربعة.

• سعر عند $0.10/$0.50 أو أقل. أي سعر يتجاوز سعر Luna يجب أن يبرر نفسه من حيث جودة اللغة الصينية أو إقامة البيانات، ولم تسُق Baidu أيًا من هاتين الحجتين لهذا النموذج بعد.

• رقم إنتاجية مُقاس. يشير تصميم المعلمات النشطة البالغ 14B إلى أنه قد يكون سريعًا؛ وإلى أن ينشر مزوّد عدد الرموز في الثانية والزمن حتى أول رمز، فإن ذلك استنتاج معماري وليس مواصفة.

• حد سياق مُقدَّم مقترن بسعر. إن إعداد 1,048,576 رمزًا هو قدرة نقطة التحقق (checkpoint). أما نافذة Luna فهي بند من بنود المنتج، بما في ذلك شريحة التسعير 272K. هذه التزامات مختلفة.

• نموذج مدرَّب تدريبًا لاحقًا مع تقييم مستقل. هذه هي النقطة الكبرى. المسافة بين نقطة تحقق أساسية ونموذج Flash مكتمل هي حيث يكمن اتباع التعليمات واستخدام الأدوات والانضباط في التنسيق، وهي بالضبط المسافة التي قطعتها Luna بالفعل.

إلى أن توجد تلك الأربعة، فإن المقارنة لها إجابة واضحة لأي شخص يشتري السعة: GPT-6 Luna، بنقاط ضعفه الموثقة، خيار حقيقي بسعر حقيقي، أما ERNIE-5.5-Flash فهو إصدار بحثي يرتدي اسم فئة منتج. الملاحظة الأكثر إثارة للاهتمام هي أن Baidu اختارت شحن الأوزان الأساسية أولًا وتوثيق البنية بصوت عالٍ — 43 طبقة، و37 HCA بالإضافة إلى 6 MLA-DSA، و512 خبيرًا موجّهًا عند top-10، ومفردات من 201,216 رمزًا — وهو ما يُقرأ وكأنه مختبر يدعو إلى أعمال ما بعد التدريب لا بائع يفتح قناة مبيعات. احكم عليه وفق ذلك المعيار فهو إصدار جيد. واحكم عليه مقارنةً بـ Luna فهو ليس بعد في السوق نفسها.