بطاقة رئيسية مولّدة تحمل عنوان «قاعدة ضد قاعدة»، مع بطاقتَي نقطة تحقق: «Hy4 flash-Base» تعرض «إجمالي 220B / نشط 12B / سياق 1M / صدر في 17 نوفمبر 2026»، و«ERNIE 5.5 Flash Base» تعرض «إجمالي 280B / نشط 14B / مدرّب على 128K / صدر في 5 نوفمبر 2026»، بالإضافة إلى تذييل يقول: «كلا جدولي القياس مُبلّغ عنهما من المورّد. لا يملك أي منهما درجة مستقلة.»
Guides & Insights

Hy4 flash-Base مقابل ERNIE 5.5 Flash Base: المقارنة العادلة الوحيدة التي نشرها أيٌّ من المورّدين

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

نشر مختبران صينيان نقاط تحقق مُدرَّبة مسبقًا بفارق اثني عشر يومًا، وللمرة الأولى، يكتب جدول المقارنة نفسه: Hy4 flash-Base مقابل ERNIE 5.5 Flash Base، من النوع نفسه من النواتج من المرحلة نفسها من خط المعالجة، ومُقيَّمة بالطريقة نفسها. نشرت Tencent نموذج Hy4 flash-Base في 17 نوفمبر 2026 إلى جانب نموذج التعليمات. ونشرت Baidu نموذج ERNIE 5.5 Flash Base في 5 نوفمبر 2026، وهو في وقت كتابة هذا النص لا يزال الناتج الوحيد الموجود من ERNIE 5.5 — فالنموذج المحادثي بعد التدريب اللاحق لم يُطرح بعد.

إن هذا الاختلاف في ما يحيط بنقطة الحفظ هو معظم ما يجعل هذه المقارنة جديرة بصفحة كاملة. فمقارنة القاعدتين تخبرك كيف سار التدريب المسبق. أما مقارنة الإصدارين فتخبرك بشيء أقل إطراءً عن كليهما: شركةٌ شحنت المادة الخام والمنتج النهائي في اليوم نفسه، وأخرى شحنت المادة الخام ووعدًا.

لماذا تُعد نقاط التحقق الأساسية هي المقارنة الصادقة

تكاد كل مقارنة بين النماذج تقرأها تكون غير منصفة بهدوء، لأنها تضع نموذجًا نهائيًا مضبوطًا بالتعليمات من أحد المورّدين مقابل نموذج نهائي مضبوط بالتعليمات من مورّد آخر، ويُقيَّم كل منهما على إطار التقييم الخاص به وبخطوط أساس خاصة به. تُزيل نقاط التفتيش الأساسية أحد هذين المتغيّرين. فلم يُدرَّب أي من النموذجين تدريبًا لاحقًا، وليس لأي منهما قالب محادثة يشكّل صيغة الإخراج، كما ينشر كلا المورّدين جداول التعلم بأمثلة قليلة على معايير أكاديمية قياسية بدلًا من مجموعات اختبار وكيلية مخصّصة.

ما يتبقى — إطار التقييم، وأعداد اللقطات، والمجموعات الفرعية — لا يزال خاصًا بكل مورّد، لذا لا شيء هنا يُعد تجربة مضبوطة. لكن جدول مقارنة قاعدة بقاعدة هو مقارنة بين عمليات التدريب المسبق، والتدريب المسبق هو الجزء المكلف. وهو أقرب شيء إلى رقم قابل للمقارنة المباشرة نشرته هاتان الشركتان عن بعضهما البعض.

نقطتا التفتيش، جنبًا إلى جنب

• المعاملات — Hy4 flash-Base: الإجمالي 220.3B، و12B نشطة لكل رمز؛ ERNIE 5.5 Flash Base: الإجمالي 280B، و14B نشطة لكل رمز.

• أين تتمركز المعلمات — يحمل Hy4 flash-Base مقدار 155.5B في العمود الفقري ذي الـ42 طبقة، و63.5B في جداول تضمين n-gram الخاصة بـEngram، و0.43B في مُرمِّز رؤية و0.85B في مُسوِّد DFly2؛ أما 280B لدى ERNIE فهي توزيع MoE أكثر تقليدية، إضافةً إلى وحدة ECHO بسعة 0.36B مستبعدة من العدد الرئيسي.

• العمق والتوجيه — 42 طبقة (واحدة كثيفة، و41 MoE) مع 512 خبيرًا موجّهًا بالإضافة إلى خبير مشترك واحد، و16 نشطًا، وحجم مخفي 3,072، لـ Hy4 flash-Base؛ و43 طبقة (واحدة كثيفة، و42 Multi-Router Latent MoE) مع 512 خبيرًا موجّهًا بالإضافة إلى خبير مشترك واحد، وأفضل 10، وحجم مخفي 4,096، لـ ERNIE.

• السياق — 1,048,576 رمزًا مُكوَّنًا على كليهما. قامت Tencent بتدريب Hy4 flash مباشرةً على هذا الطول؛ بينما قامت Baidu بتدريب ERNIE على 128,000 وضبطت الإعدادات المُصدَرة على 1,048,576 للضبط الدقيق والاستدلال، وهو قدرة للإعدادات نفسها لا سلوك مقيس.

• الوسائط — نص وصورة كمدخل، ونص كمخرج، في كليهما. يأتي Hy4 flash-Base بمُرمِّز رؤية مشتق من SigLIP2؛ بينما تصف بطاقة ERNIE 5.5 Flash Base إدخال النص فقط في جدول روابط الطراز.

• الترخيص — Tencent Hy License v1.0، وهو مشتق من Apache 2.0 يتضمن بندًا خاصًا بـ MaaS عند بلوغ الإيرادات 50 مليون دولار أو 100 مليون MAU؛ ERNIE 5.5 Flash Base Model License v1.0، الذي يستبعد الاتحاد الأوروبي والمملكة المتحدة وكوريا الجنوبية كأقاليم بالكامل.

بند الترخيص ليس حاشية. لا يمكن لفريق أوروبي استخدام نقطة تحقق ERNIE على الإطلاق بموجب منحته، ولا يغيّر ذلك أي قدر من تفوق المعايير القياسية. يمكن لفريق من أي حجم استخدام Hy4 flash-Base، وعلى أي فريق تتجاوز إيراداته من MaaS 50 مليون دولار أن يرسل بريدًا إلكترونيًا قبل أن يفعل ذلك.

ما الذي يقوله جدول Baidu، وما تكلفة تصديقه

مجموعة المقارنة لدى Baidu هي المناسبة لإصدار أساسي: ERNIE 5.5 Flash Base مقابل DeepSeek-V4-Flash-Base وHy3-preview-Base وMiMo-V2.5-Base، على خط معالجة واحد تصفه البطاقة بأنه مشترك بين الأربعة جميعًا. كل رقم أدناه مُبلَّغ عنه من Baidu ولم يُعَد إنتاجه.

• MMLU — 93.3 ERNIE، 89.4 DeepSeek-V4-Flash-Base، 87.5 Hy3-preview-Base، 87.6 MiMo-V2.5-Base.

• MMLU-Pro — 78.4 مقابل 69.2 و66.9 و65.7. أكبر فجوة في المجموعة.

• GPQA — 60.2 مقابل 55.9 و50.2 و51.4.

• HumanEval+ — 82.3 مقابل 69.5 و78.0 و74.4.

• LiveCodeBench — 40.1 مقابل 31.9 و33.5 و32.4.

• LongBench-v2 — 48.7 مقابل 44.5 و39.8 و44.6.

• BBH مع سلسلة التفكير — 89.2 مقابل 90.0 لـ Hy3-preview-Base و89.8 لـ MiMo-V2.5-Base. تعادل ثلاثي ضمن هامش الضوضاء الإحصائية، مهما كان ما يوحي به التنسيق العريض.

• ChineseSimpleQA — 73.0 مقابل 75.3 لدى DeepSeek. خسارة، في المعيار الأقرب إلى السوق المحلي لـ Baidu.

يفقد الجدول صفوفًا، ولهذا يُقرأ كجدول بناه أحدهم لا كجدول اختاره أحدهم. لاحظ ما هو غائب عنه: Hy4 flash-Base. لم تكن نقطة تفتيش تينسنت موجودة في 5 نوفمبر، لذا لم ينشر أي أحد قط صفًا مباشرًا بين النموذجين في هذه المقارنة.

ما يقوله جدول Tencent، بما في ذلك إخلاء المسؤولية

جدول Tencent الأساسي خماسي — Hy4 flash-Base وHy4 Base وHy3 preview Base وDeepSeek-V4-flash-Base وDeepSeek-V4-Pro-Base — وهو يفقد الصفوف أيضًا. مُبلَّغ عنه من المورّد، وغير مُعاد إنتاجه:

• MMLU-Pro — 71.1 لـ Hy4 flash-Base مقابل 73.9 لـ Hy4 Base، و65.8 لـ Hy3 preview Base، و68.6 لـ DeepSeek-V4-flash-Base و73.4 لـ DeepSeek-V4-Pro-Base.

• SimpleQA — 37.5 مقابل 57.2 و26.4 و31.3 و52.1. أكبر خسارة على البطاقة.

• C-Eval — 92.0 مقابل 95.0، و90.1، و91.9 و93.4.

• CMMLU — 91.6 مقابل 93.1 و89.6 و89.8 و90.7.

• AGIEval Chinese — 90.6 مقابل 91.2 و87.8 و88.5 و89.8.

• Belebele — 93.8 مقابل 95.0 و94.2 و94.4 و95.2.

• INCLUDE — 82.8 مقابل 88.1 و84.3 و84.0 و84.3.

• MMMU-Pro — 52.0 مقابل 59.6 لـ Hy4 Base. صفوف الوسائط المتعددة موجودة فقط للنموذجين Hy.

بالنظر إليه ككل: إن Hy4 flash-Base نموذج أصغر وأرخص من أشقائه، ويخسر أمامهم في معظم الصفوف، وهو بالضبط ما ينبغي أن يفعله نموذج نشط بحجم 12B أمام نموذج نشط بحجم 49B. الصفوف المثيرة للاهتمام هي الصفوف متعددة اللغات، حيث يظل في حدود نقطة أو نقطتين من نماذج أكبر بكثير، وSimpleQA، حيث يتأخر بعشرين نقطة عن Hy4 Base — فجوة في استرجاع الحقائق تقول شيئًا عن مقدار تلك القدرة الكامن في عدد المعلمات بدلًا من بيانات التدريب.

تقدّم تينسنت أيضًا تحذيرًا لا تتضمّنه بطاقة بايدو: فبسبب تعرّض النموذج الأساسي لكمّ كبير من بيانات التعليمات الاصطناعية أثناء التدريب المتوسط، فإنه «يفشل أحيانًا في اتباع تنسيق الإجابة المتوقّع في تقييمات قليلة الأمثلة، مما قد يشوّه الدرجات». إن إفصاح مورّد بأن أداة التقييم الخاصة به قد تقيس في الواقع الالتزام بالتنسيق أمرٌ نادر بما يكفي ليكون جديرًا بتلك الجملة.

A generated reference card headed 'Two tables, one shared row', with eight benchmark rows for ERNIE 5.5 Flash Base beside eight for Hy4 flash-Base and only the MMLU-Pro pair joined by a connector labelled '78.4 vs 71.1 — the only common row'.

لا يمكن وضع الطاولتين فوق بعضهما البعض.

إليك الفخ في هذه المقارنة، ويجدر قوله بصراحة لأن معظم الإنترنت لن يفعل ذلك. ينشر كلا البائعَين نتائج MMLU-Pro. تُبلغ بايدو عن 78.4 لـ ERNIE 5.5 Flash Base. وتُبلغ تينسنت عن 71.1 لـ Hy4 flash-Base. من المُغري أن نطرح ونعلن فوزًا لبايدو بفارق 7.3 نقطة. هذا الطرح غير قابل للدفاع عنه.

تختلف أعداد اللقطات، وتختلف تنسيقات المطالبات، وفي حالة Hy4 flash-Base هناك مشكلة معترف بها في اتباع التنسيق يمكن أن تخفض درجة متوسط ماكرو. الرقم الوحيد في كلا الجدولين الذي يأتي بتعريف مشترك — Belebele على مجموعة فرعية من خمس لغات — يُقرأ 93.8 بالنسبة إلى Hy4 flash-Base وهو غائب ببساطة عن جدول Baidu. لا يوجد تداخل صارم بما يكفي لطرحه.

ما يمكنك قوله أضيق نطاقًا لكنه ما يزال مفيدًا: نقطة الحفظ الخاصة بكل مورّد تتغلب على خطوط أساس DeepSeek الخارجية التي اختارها كل منهما، في معظم الصفوف، بفوارق أنتجتها أدوات الاختبار الخاصة بهما. ووجود ادعاءين شبه مستقلين في الاتجاه نفسه دليل أقوى من أي منهما منفردًا وأضعف من معيار مشترك. هذا هو السقف الصادق لما تدعمه هاتان البطاقتان.

Screenshot of the Hugging Face model card for tencent/Hy4-flash-Base, showing the release line, the model-links table and the benchmark table with its synthetic-data format-compliance disclaimer.

اكتمل إصدار واحد؛ والآخر وعد

هذا عدم التماثل الذي يهم أكثر من أي صف أعلاه، وهو لا يتعلق بجودة المعايير المرجعية.

نشرت Tencent ثلاثة إصدارات في 17 نوفمبر: نموذج instruct، ونسخته المبنية بـ FP8، ونقطة التفتيش الأساسية. يمكن لفريق يرغب في نموذج محادثة اليوم تنزيل أحدها، وتحميله في vLLM باستخدام vllm/vllm-openai:hy4-flash الصورة المثبتة، وتقديمه. نقطة التفتيش الأساسية موجودة لمن يريد الضبط الدقيق، وتشير البطاقة إلى دليل للضبط الدقيق.

نشرت بايدو إصدارًا واحدًا في 5 نوفمبر. إن ERNIE 5.5 Flash Base عبارة عن أوزان مُدرّبة مسبقًا. لا يوجد ERNIE 5.5 Flash مضبوط بالتعليمات يمكن تنزيله، ولا نقطة نهاية API موثّقة بهذا الاسم في مواد الإصدار، ولا تصف البطاقة النموذج المُدرّب لاحقًا إلا بأنه شيء «يُفترض أن يتبع». أي فريق ينزّل ERNIE 5.5 Flash Base اليوم يلتزم بإجراء التدريب اللاحق بنفسه، على 280B من الأوزان، قبل أن يمتلك نموذجًا يستطيع الإجابة عن سؤال بصيغة قابلة للاستخدام.

بالنسبة لفريق بحثي، هذا تحديدًا هو الأثر المثير للاهتمام. أما بالنسبة لفريق منتج، فهو ليس نموذجًا، بل نقطة انطلاق مرتبطة بكمية غير محدودة من العمل، والمقارنة الصحيحة ليست مع Hy4 flash-Base بل مع Hy4 flash — الذي يكلّف مالًا مقابل كل رمز ويعمل الآن.

Screenshot of Baidu's ERNIE 5.5 Flash Base model card, showing the base-checkpoint benchmark table against DeepSeek-V4-Flash-Base, Hy3-preview-Base and MiMo-V2.5-Base.

أين يندرج الموجّه في قرار نقطة التحقق الأساسية

نقاط التحقق الأساسية ليست ما يقدّمه الموجّه، وسيكون من عدم الأمانة الإيحاء بغير ذلك. لا يحمل OrcaRouter لا Hy4 flash-Base ولا ERNIE 5.5 Flash Base، ولا يوجد نموذج instruct من أي من المورّدين في الكتالوج اليوم. ما يحمله الكتالوج هو tencent/hy4-preview — النموذج 770B/49B الذي قُطّر منه Hy4 flash — بسعر 0.834 دولار لكل مليون رمز إدخال و2.501 دولار لكل مليون رمز إخراج، مع قراءة cache بسعر 0.042 دولار.

هذا مهم لقرار محدد. إذا كنت تزن ما إذا كان ينبغي ضبط نقطة تحقق أساسية بحجم 220B ضبطًا دقيقًا، فالسؤال الأول هو ما إذا كان سلوك هذه العائلة يناسب مهمتك أصلًا، ويجيب نموذج المعاينة عن ذلك خلال فترة ما بعد الظهر مقابل ثمن الرموز التي تنفقها في الاختبار. إن القيام بذلك قبل تجهيز ثماني وحدات GPU لنشر FP8 بالتوازي الموترّي هو أرخص خطوة في المشروع كله. أما سعر القائمة لدى المزوّد يُمرَّر بهامش ربح 0%، لذا يصل تغيير سعر Tencent إلى الكتالوج في يوم حدوثه بدلًا من إعادة البناء التالية، ويعني التحويل التلقائي عند الفشل أن مهمة التقييم لا تموت لأن أحد المزوّدين في السلسلة مرّ بساعة سيئة.

إذا نجح الضبط الدقيق، فأنت تملك الأوزان ويتوقف الموجّه عن كونه جزءًا من ذلك المسار. وإن لم ينجح، فستكون قد أمضيت فترة بعد ظهر بدلًا من ربع عام لتكتشف ذلك.

كيف تقرأ هذه المواجهة

إذا كنت تريد نموذجًا قادرًا على أداء العمل، فهذه الصفحة هي الصفحة الخطأ: Hy4 flash هو النموذج المكتمل، بينما ERNIE 5.5 Flash لا يمتلك واحدًا بعد. وإذا كنت تريد أساسًا مُدرَّبًا مسبقًا تبني عليه، فإن المرشحين أقرب مما يوحي به التسويق وأبعد مما قد يشير إليه طرح نتائج الاختبارات المعيارية.

ERNIE 5.5 Flash Base أكبر حجمًا، ومُدرَّب لمدة أطول — 33.5 تريليون رمز باستخدام محسّن Muon — ويسجّل درجات أقوى على أداة التقييم الخاصة به، بما في ذلك رقم MMLU-Pro لا يضاهيه أي نموذج من Tencent على بطاقة المقارنة. Hy4 flash-Base أصغر، وأرخص في الخدمة عند 12B نشط، ومتعدد الوسائط أصليًا، ويأتي مزوّدًا بمرمّز رؤية ومُقترِح فك تشفير تخميني، ومع ترخيص لا يستبعد ثلاث ولايات قضائية.

العامل الحاسم على الأرجح لن يكون القدرة ولا الترخيص، بل الأيام الاثنا عشر الفاصلة بينهما. فقد أتيح لنموذج بايدو (checkpoint) ما يقارب أسبوعين كي يُنتج مجتمع الضبط الدقيق شيئًا؛ أما Hy4 flash-Base فقد أتيح له أسبوع واحد. راقب ما إذا كان سيظهر إصدار ERNIE 5.5 Flash مضبوط بالتعليمات، وراقب ما إذا كان أحدهم سينشر LoRA خاصًا بـ Hy4 flash-Base. الأول سيجعل من هذا مقارنة حقيقية، مع ترجيح أن يتبعها معيار تقييم مشترك؛ والثاني سيكشف لك أي نموذج أساس فضّله الممارسون فعليًا.

مقارنات في هذه المقالة1

مستخرج من هذه المقالة