ERNIE 5.5 Flash vs. ERNIE 5.5 Flash Preview: Welche davon rufen Sie eigentlich auf?

Auf Baidus eigener Website sind zwei ERNIE-5.5-Artefakte aufgeführt, und keines davon heißt ERNIE 5.5 Flash. Es gibt ERNIE 5.5 Flash Base, den am 5. November veröffentlichten rohen 280B-Checkpoint, und ERNIE 5.5 Flash Preview, das am 11. November veröffentlichte nachtrainierte Modell. ERNIE 5.5 Flash – der Name ohne Suffix, der in Preislisten und Modellauswahlen erscheint – ist das Modell, von dem die Preview eine Vorschau ist. Das ist keine Marketing-Eigenheit, die man übergehen sollte; es ist der gesamte Kern des Vergleichs, denn alles, was ERNIE 5.5 Flash Preview von ERNIE 5.5 Flash unterscheidet, ist ein Unterschied zwischen einem Checkpoint und einer Veröffentlichung, nicht zwischen zwei Architekturen. Gleiche 280 Milliarden Gesamtparameter, gleiche 14 Milliarden aktive, gleicher Kontext von 1 Mio. Tokens. Die Unterschiede sind eine Lizenz, ein Datum, eine Stabilitätsgarantie und eine Reihe von Zahlen, von denen Baidu Ihnen gesagt hat, dass sie sich ändern werden. Die Vergleichsgruppe ist die Hälfte dieser Entscheidung, die unter Ihrer Kontrolle steht. Anbieter-Listenpreis mit 0 % Aufschlag GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3 und DeepSeek V4.1 Flash laufen über einen Schlüssel zum Anbieter-Listenpreis, wobei die OrcaRouter-Gebühr mit $0.00 ausgewiesen wird.

Die Namensgebung ist der verwirrende Teil, also fangen Sie dort an.

Drei Namen, zwei Modelle, eine Release-Pipeline. ERNIE 5.5 Flash Base ist der vortrainierte Checkpoint: 280B insgesamt, 14B aktiv, 43 Schichten, ein spärlicher Mixture-of-Experts-Stack mit einem Shared Expert, trainiert auf 33,5 Billionen Token, heute auf Hugging Face unter einer eingeschränkten Community-Lizenz herunterladbar. ERNIE 5.5 Flash Preview ist dieser Checkpoint nach dem Post-Training – das, was Anweisungen befolgt, Tools verwendet, Spielcode schreibt und Foliensätze erstellt. ERNIE 5.5 Flash ist, wenn es denn existiert, dasselbe Modell, nachdem das Post-Training abgeschlossen ist.

Baidu benennt die Beziehung im Release-Post unverblümt: Die Preview „ist ein Zwischen-Checkpoint aus dem Post-Training. Sie ist bereits konkurrenzfähig mit Modellen ihrer Größe, aber da das Training nicht abgeschlossen ist, können einige Fähigkeiten noch hinterherhinken. Das Post-Training läuft weiter und ERNIE 5.5 Flash verbessert sich schnell.“ Lesen Sie das zweimal. Das Unternehmen sagt Ihnen damit, dass das Modell, das Sie heute aufrufen können, und das Modell, das Sie in ein paar Monaten aufrufen werden, einen Namensstamm, eine Architektur und ein Kontextfenster teilen und sich darin unterscheiden, wie fertig sie sind. Wenn Sie zwischen ihnen wählen, wählen Sie nicht zwischen zwei Systemen. Sie wählen zwischen jetzt kaufen und warten.

Der Vergleich, Dimension für Dimension

Hier ist, was sich tatsächlich unterscheidet – mit beiden Seiten in jeder Zeile:

Identität — ERNIE 5.5 Flash Preview ist ein benannter, aufrufbarer Checkpoint, veröffentlicht am 11. November 2026; ERNIE 5.5 Flash ist ein unveröffentlichter Nachfolger ohne Datum, ohne Modellkarte und ohne eigenen Endpunkt.

• Architektur und Größe — auf beiden Seiten identisch: 280B Gesamtparameter, 14B aktiv, 1M-Token-Kontext, übernommen vom ERNIE 5.5 Flash Base Checkpoint vom 5. November. Post-Training verändert die Größe eines Modells nicht.

• Gewichte und Lizenz — die Preview wird „bald“ unter Apache 2.0 versprochen, wobei es Stand 11. November kein Repository auf Hugging Face gibt; das schließlich erscheinende ERNIE 5.5 Flash wird der Lizenz unterliegen, die Baidu bei der offiziellen Veröffentlichung mitliefert, die das Unternehmen nicht genannt hat und von der nicht garantiert ist, dass sie dieselbe ist. Betrachten Sie das Apache-2.0-Versprechen als ein Versprechen für die Preview, nicht für die Produktfamilie.

• Stabilität — die Preview ist ausdrücklich ein Zwischenartefakt, dessen Fähigkeiten „möglicherweise noch nicht ausreichen“ und dessen Ergebnisse Baidu voraussichtlich verbessern wird; die offizielle Veröffentlichung ist per Definition die Version, hinter der Baidu steht.

• Benchmark-Platzierung — die Preview hat zwanzig vom Anbieter gemeldete Zeilen und keine unabhängige Bewertung; ERNIE 5.5 Flash wird das haben, was Baidu zum Release veröffentlicht, plus – wenn das Muster hält – eine zweite Runde von Zahlen, die die der Preview veraltet aussehen lassen. Keine der beiden hat heute einen Eintrag bei Artificial Analysis.

• Preis — die Preview kostet 0,28 $ pro Million Eingabe-Tokens und 1,13 $ pro Million Ausgabe-Tokens auf Qianfan, wobei Cache-Lesevorgänge 0,028 $ kosten. Für ERNIE 5.5 Flash gibt es keinen Preis, und anzunehmen, dass er dem der Preview entsprechen wird, ist eine Annahme: Preview-Preise sind häufig Platzhalter.

• Was man damit machen kann — die Preview kann heute aufgerufen werden und lässt sich nicht herunterladen; ERNIE 5.5 Flash kann weder aufgerufen noch heruntergeladen werden, weil es noch nicht existiert.

Die entscheidende Asymmetrie steht am Ende dieser Liste. Die Vorschau ist die einzige der beiden, die du testen kannst, und sie ist die einzige, die du nicht behalten kannst.

Was die Vorschau leistet, das der Name unterschlägt

Preview lässt an etwas Dünnes denken, doch gemessen an den am 11. November veröffentlichten Belegen ist dieses Modell nicht dünn. Es ist ein reines Textmodell mit Tool-Nutzung, strukturierter Ausgabe und einem Kontextfenster von einer Million Token, preislich am unteren Ende der Flash-Klasse angesiedelt, und Baidus Demos beschreiben Arbeitsergebnisse statt Chat-Austausche: ein in einem einzigen 11-stündigen Coding-Lauf zusammengesetztes Unreal-Engine-5.8-Spiel, rund 100 aus Design-Dokumenten generierte mobile Mini-Spiele, eine Boeing 747 und der Flughafen Daxing, modelliert über die Blender-Python-API von zwei koordinierten Agenten, ein W16-Motor und ein Mondrover als editierbare FreeCAD-Baugruppen, ein 20-seitiger Forschungsbericht zu Stromkosten von Rechenzentren, eine 24-seitige Analyse zum autonomen Fahren auf Basis von 4.169 bundesstaatlichen Unfallberichten und ein 116-sekündiger animierter Kurzfilm, geschrieben in mehr als 10.000 Zeilen Python.

Das mit Abstand nützlichste Detail in dieser Liste ist kein Leistungsversprechen, sondern eine Einschränkung, die der Beitrag von sich aus einräumt. Bei der Beschreibung des Unreal-Projekts schreibt Baidu, dass das Modell, „weil es ein reines Textmodell ist und den Bildschirm nicht sehen kann“, Playtest-Probleme – eine Figur, die über dem Boden schwebt, eine falsch platzierte Kamera – in messbare Tests im Code umwandelte und so lange iterierte, bis die Testsuite bestand. Das ist die ehrliche Form der Kompetenz dieses Modells: Es kann nichts ansehen, also schreibt es stattdessen Assertions. Wo sich eine Aufgabe als Test ausdrücken lässt, hält es sich über lange Läufe hinweg gut. Wo das einzige Feedback in visueller Beurteilung besteht, arbeitet das Modell über Tools und, zumindest in manchen Benchmark-Harnesses, über das Vision-Modell eines anderen Unternehmens.

Dieser letzte Punkt stammt aus dem Benchmark-Anhang und nicht aus dem Fließtext. Eine Fußnote in der Tabelle besagt: „GLM-5.3 und unser Modell verfügen über keine nativen multimodalen Fähigkeiten; das Bildverständnis wird über ein Tool bereitgestellt, das auf Claude Opus 5.5 basiert.“ Wie auch immer man die Ergebnisse beurteilt, die Architektur ist eindeutig: keine native Vision und eine visionsabhängige Evaluation, die eine Pipeline statt eines Modells misst.

Wenn Sie auf ERNIE 5.5 Flash warten, worauf warten Sie noch?

Vier Dinge – und nur eines davon ist eine Verbesserung der Fähigkeiten.

Das erste ist eine Stabilitätsgarantie. Ein Zwischen-Checkpoint verspricht nicht, dass sich das Verhalten zwischen jetzt und dem Release nicht ändert – für Exploration ist das in Ordnung, für alles mit einer an Modellausgaben gebundenen Regressionssuite jedoch unangenehm.

Das zweite ist ein Benchmark-Set, mit dem Sie sich vergleichen können. Die zwanzig Zeilen der Vorschau — darunter Terminal-Bench 4.0 mit 46,5, DeepSWE v1.1 mit 71,2, MCP-Atlas mit 84,6, BrowseComp mit 87,4, HLE ohne Tools mit 46,4 und AA-LCR v1.1 mit 79,0 — stammen vom Anbieter und wurden nicht reproduziert, und Baidu hat erklärt, dass das Modell sich schnell verbessert. Zahlen von einem fertigen Modell sind nützlicher, selbst wenn sie höher sind, weil es die Zahlen sind, die auch andere Leute zitieren werden.

Drittens die Lizenz. Der Basis-Checkpoint wurde unter einer eingeschränkten Community-Lizenz veröffentlicht, die die EU, das Vereinigte Königreich und Südkorea ausschließt, die kostenlose kommerzielle Nutzung anhand des zugehörigen Jahresumsatzes begrenzt und auf kommerziellen Produkten eine Namensnennung „Powered by ERNIE“ verlangt. Die Gewichte der Preview werden unter Apache 2.0 zugesagt. Wenn dieses Versprechen eingehalten wird, wird das nachtrainierte Modell deutlich freizügiger sein als der Checkpoint, aus dem es trainiert wurde – eine echte Kehrtwende und eine, die es wert ist, im tatsächlichen Repository statt in der Ankündigung bestätigt zu werden.

Der vierte Punkt ist der Preis. 0,28 $ und 1,13 $ sind Vorschauzahlen. Die endgültige Preisgestaltung für ein GA-Modell in dieser Stufe könnte sich in beide Richtungen bewegen, und jedes Kostenmodell, das Sie heute erstellen, sollte anhand des Satzes parametrisiert und nicht fest darauf codiert sein.

Keines der vier Argumente spricht dafür, zu warten, wenn Sie eine Aufgabe haben, die Sie diese Woche bewerten können. Sie sprechen dafür, keine Verpflichtung über mehrere Quartale zu einem Checkpoint einzugehen, den Baidu schriftlich als unfertig bezeichnet hat.

Den Vergleich selbst durchführen

Sie können ERNIE 5.5 Flash Preview nicht von uns erhalten. Es wird über Baidus eigene Qianfan-API und über Drittanbieterplattformen, die es weiterverkaufen, bereitgestellt; OrcaRouter routet mehr als 200 Modelle, und keines davon ist ein ERNIE; daher wäre jede Andeutung, dass wir Ihnen diesen Endpunkt geben können, falsch.

Was wir tun können, ist, die Vergleichsgruppe bereitzustellen – den Teil dieser Entscheidung, der tatsächlich in Ihrer Kontrolle liegt: Die Modelle, gegen die Baidu gebenchmarkt hat – GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3, DeepSeek V4.1 Flash – sind alle über einen einzigen OpenAI-kompatiblen Schlüssel zum Listenpreis des Anbieters ohne Aufschlag (0 % Markup) verfügbar, sodass eine Preissenkung eines dieser Anbieter noch am selben Tag auf Ihrer Rechnung ankommt und nicht erst bei der nächsten Vertragsverlängerung.

Der Test, der ausgeführt werden soll, ist bewusst langweilig. Wählen Sie zehn langfristige Aufgaben aus Ihrer eigenen Arbeit aus. Lassen Sie jede durch die Preview und durch die beiden Modelle laufen, die Sie sonst verwenden würden. Halten Sie fest, ob sie abgeschlossen wurde, wie viele Ausgabe-Tokens ausgegeben wurden und was der Aufruf gekostet hat. Ausgabe-Tokens sind die Zahl, die diesen Vergleich entscheidet, denn die Preview berechnet Reasoning als Ausgabe mit 1,13 US-Dollar pro Million und bietet keine Möglichkeit, Reasoning abzuschalten – ein geschwätziges Modell zu einem niedrigen Tarif ist pro Aufgabe oft teurer als ein zurückhaltendes Modell zu einem hohen. Sobald Sie die Kosten pro Aufgabe haben, geht es bei der Frage Preview gegen GA nicht mehr um Benchmark-Zeilen, sondern darum, ob der aktuelle Checkpoint gut genug ist, um darauf aufzubauen, bevor er ersetzt wird.

Für die Workloads, die diesen Test bestehen, beantwortet automatisches Failover den Stabilitätseinwand auf die einzige Weise, wie er sich heute beantworten lässt: Ein Modell, das sich unter Ihnen ändern kann, sollte niemals das einzige Modell in einem Anfragepfad sein. Setzen Sie die Preview dort, wo sie gewinnt, als Primär ein und halten Sie ein Fallback dahinter bereit, und eine Fähigkeitsverschiebung mitten im Ablauf wird zu einer Routing-Änderung statt zu einem Ausfall.

Fünf Tage liegen zwischen dem Basis-Checkpoint und der Preview, und Baidu hat gesagt, dass das fertige Modell kommt. Die nützliche Lesart von ERNIE 5.5 Flash gegenüber ERNIE 5.5 Flash Preview ist überhaupt kein direkter Vergleich – es ist ein Zeitplan. Eines davon kann man jetzt aufrufen und wird es nicht behalten können; das andere wird man behalten können und kann es noch nicht aufrufen. Wer auf einem der beiden aufbaut, sollte messen, nicht festlegen, bis in der zweiten Spalte Zahlen stehen.