ERNIE 5.5 Flash Preview vs. GPT-5.6 Luna: Die Preisliste, gegen die es gemessen wird, ist bereits eingestellt

ERNIE 5.5 Flash Preview und GPT-5.6 Luna werden diese Woche im selben Atemzug genannt, und das Unangenehme daran ist der Kalender. ERNIE 5.5 Flash Preview ging am 10. November 2026 als kostenpflichtiger Endpoint auf Baidus Qianfan-Plattform live, wobei der Launch-Beitrag einen Tag später folgte. GPT-5.6 Luna wurde am 9. Juli 2026 veröffentlicht und ist seit dem 22. September 2026 im Artificial Analysis Tracker als veraltet markiert, als GPT-6 Luna zu ungefähr halbem Preis erschien. Der Vergleich, den eine Leserin oder ein Leser tatsächlich braucht, ist also nicht der, den die beiden Namen nahelegen. Es ist ERNIE 5.5 Flash Preview gegen eine Preisliste, die der eigene Anbieter bereits hinter sich gelassen hat – und zweitens gegen den Nachfolger, der es ersetzt hat. Der Nachfolger kostet 0,10 US-Dollar und 0,50 US-Dollar bei demselben gemessenen Index und läuft auf demselben Schlüssel wie das Modell, das er ersetzt hat.

Das macht den direkten Vergleich nicht sinnlos. Es macht ihn zu einer anderen Art von Arbeit. Es gibt einen echten Preisunterschied, einen echten Kontextunterschied und eine berechtigte Frage, welche der beiden man für eine unbeaufsichtigte Aufgabe einsetzen würde. Was es auf keiner der beiden Seiten gibt, ist eine gemeinsame Vergleichstabelle. Jede der folgenden Zahlen stammt entweder aus einem eigenen Lauf von Baidu, aus einem eigenen Lauf von Artificial Analysis oder aus einer veröffentlichten Rate, und keine von ihnen lässt sich von einer anderen abziehen.

Was ist mit GPT-5.6 Luna passiert, und warum das hier wichtig ist

GPT-5.6 Luna ist ein Modell mit 1M-Kontext zum Preis von 0,20 US-Dollar pro Million Input-Tokens und 1,20 US-Dollar pro Million Output-Tokens. Bei Artificial Analysis hat es einen Intelligence Index von 23,8, und derselbe Eintrag trägt eine Kennzeichnung als veraltet mit dem Ablösedatum 22. September 2026. Sein Nachfolger GPT-6 Luna ist mit 0,10 US-Dollar für Input und 0,50 US-Dollar für Output bei demselben 1M-Kontext gelistet und erreicht 23,5 bei xhigh-Aufwand und 18,5 bei mittlerem Aufwand auf demselben Index – statistisch auf demselben Niveau wie das Modell, das er ersetzt, bei weniger als der Hälfte des Output-Preises.

Zwei Dinge folgen daraus, und beide sprechen gegen die naheliegende Rahmung dieser Seite. Erstens ist eine veraltete SKU keine tote SKU – sie beantwortet noch Anfragen, und reichlich Code verweist noch darauf –, aber sie ist eine Karte, für die niemand mehr beim Preis einsteht. Zweitens: Wenn Ihr Grund, ERNIE 5.5 Flash Preview mit einer Luna zu vergleichen, der ist, dass Luna die günstige schnelle Stufe ist, die Sie bereits kennen, dann ist das Modell, das Sie tatsächlich kennen, inzwischen GPT-6 Luna. Eine zwei Tage alte Preview gegen eine ausgemusterte Karte zu stellen, schmeichelt der Preview beim Preis und sagt Ihnen nichts über die Rechnung, die Sie im nächsten Quartal zahlen würden.

Es gibt noch einen dritten Punkt, der für den Vergleich weniger schmeichelhaft ist und früh erwähnt werden sollte: GPT-5.6 Luna hat eine unabhängige Bewertung. ERNIE 5.5 Flash Preview nicht. Stand 11. November gibt es nirgends auf der Bestenliste von Artificial Analysis eine ERNIE-5.5-Zeile, sodass jede ERNIE-Zahl in diesem Artikel von Baidu stammt, auf Baidus eigenen Harnesses ausgeführt und von Modellen bewertet wurde, die Baidu ausgewählt hat.

Sechs Dimensionen, beide Seiten auf derselben Linie

Betrachten Sie diese als eine Landkarte der Unterschiede zwischen den beiden, nicht als eine Bilanz. Die Zeilen zu Preis und Kontext sind harte Zahlen aus veröffentlichten Karten. Die Score-Zeilen enthalten nicht jeweils dieselbe Art von Zahl wie die anderen; das ist Thema des nächsten Abschnitts.

• Preis — ERNIE 5.5 Flash Preview zu 0,28 $ pro Million Eingabe-Token und 1,13 $ pro Million Ausgabe-Token gegenüber GPT-5.6 Luna zu 0,20 $ Eingabe und 1,20 $ Ausgabe. Die Eingabe von ERNIE ist 40 % teurer; die Ausgabe ist rund 6 % günstiger.

• Nachfolgerpreis — ERNIE hat keinen Nachfolger und nur eine Karte, verglichen mit GPT-6 Luna zu $0,10 Eingabe und $0,50 Ausgabe, was weniger als die Hälfte von ERNIEs Ausgabepreis und ein Fünftel seines Eingabepreises ist.

• Kontextfenster — 1.024.000 Token vs. 1.000.000. Ein Rundungsunterschied; keiner der beiden ist der entscheidende Faktor.

• Ausgabegrenze — 921.600 Token in einem einzigen Aufruf gegenüber einem 1-M-Kontext, für den keine vergleichbare Obergrenze für die Ausgabe in einem einzelnen Aufruf in derselben Form veröffentlicht wurde. Dies ist die eine Spezifikation, bei der ERNIE wirklich in einer anderen Liga spielt.

• Unabhängige Bewertung – keine Zeile von Artificial Analysis gegenüber einem Intelligence Index von 23,8. Hinter einer Seite dieser Zeile steht eine dritte Partei, hinter der anderen nicht.

• Gemessene Kosten pro Aufgabe – von Baidu nicht veröffentlicht vs. 0,33 $ pro Aufgabe in der Testsuite von Artificial Analysis bei durchschnittlich 522 Sekunden pro Aufgabe, sinkend auf 0,15 $ pro Aufgabe bei GPT-6 Luna.

• Status — eine Vorschau, die Baidu als Zwischen-Checkpoint aus dem Post-Training bezeichnet, im Vergleich zu einer als veraltet markierten SKU mit einem benannten Ersatz, der bereits ausgeliefert wird.

Warum die beiden Schlagzeilen-Zahlen nicht voneinander subtrahiert werden können

Die Zahl, die die Leute nebeneinanderstellen wollen, ist Terminal-Bench 4.0: 46,5 für ERNIE 5.5 Flash Preview aus Baidus Anhang, gegenüber 11,6 für GPT-5.6 Luna aus der eigenen Evaluierung von Artificial Analysis. Ein Unterschied von 35 Punkten wirkt entscheidend. Dabei handelt es sich überhaupt nicht um eine Lücke, denn die beiden Werte stammen aus unterschiedlichen Harnesses, unterschiedlichem Scaffolding und unterschiedlichen Judges, und nur einer von ihnen wurde von jemandem erzeugt, der kein Eigeninteresse am Ergebnis hat.

Baidu ist ungewöhnlich offen in Bezug auf sein Bench-Setup, wodurch die Diskrepanz erst nachvollziehbar wird. In den Fußnoten werden die Harnesses genannt – Claude Code 2.1.x, mini-swe-agent 2.4.6, Codex 0.162.1 und etwas mit der Abkürzung DSH – sowie die Judge-Modelle Qwen3.8-Max, DeepSeek-V4.1-Flash-1017 und Gemini 3.1 Flash-Lite. Eine Fußnote räumt ein, dass ERNIE 5.5 Flash Preview und GLM-5.3 keine native multimodale Fähigkeit besitzen und dass das Bildverständnis während der Evaluierung über ein Tool bereitgestellt wurde, das von Claude Opus 5.5 betrieben wird. Mindestens einige visionsabhängige Zeilen messen also ein System, in dem das getestete Modell das Modell eines anderen Anbieters aufruft, um sich Dinge anzusehen. Das ist eine vertretbare technische Entscheidung. Es ist auch ein Grund dafür, dass diese Zeilen keinen direkten Vergleichswert darstellen.

Das Omniscience-Paar hat dasselbe Problem in subtilerer Form. Baidu meldet AA-Omniscience-Public mit 25,2; Artificial Analysis verzeichnet −17,1 für GPT-5.6 Luna auf seinem Omniscience-Index. Die Bezeichnungen unterscheiden sich, eine Zahl stammt aus einem Herstellerlauf und die andere nicht, und die Metrik bestraft selbstsichere falsche Antworten – genau das Verhalten, das eine selbstberichtete Evaluierung am wenigsten wahrscheinlich zutage fördert. Behandle diese als zwei unabhängige Datenpunkte, nicht als eine 42-Punkte-Differenz.

Der einzige Vergleich, der wirklich fair ist, ist der interne: GPT-5.6 Luna mit 23,8 gegenüber GPT-6 Luna mit 23,5, beide auf dieselbe Weise von denselben Leuten gemessen. An diesem Paar lässt sich ablesen, dass der Nachfolger ein Preis-Schritt ist und kein Fähigkeits-Sprung – und genau dieses Paar sagt dir, was ERNIE 5.5 Flash Preview tatsächlich schlagen soll.

Was jede Seite tatsächlich gewinnt

ERNIE 5.5 Flash Preview gewinnt bei der Obergrenze und bei der Aktualität. Ein Ausgabekontingent von 921.600 Token gegenüber einem Kontextfenster von 1.024.000 Token bedeutet, dass ein einzelner Aufruf nahezu so viel ausgeben kann, wie er aufnehmen kann – die mechanische Voraussetzung für den elfstündigen Unreal-Engine-Build, den Baidu ins Zentrum seines Launch-Beitrags gestellt hat. Nichts auf dem Datenblatt von GPT-5.6 Luna kann damit mithalten, und nichts auf dem von GPT-6 Luna auch nicht. ERNIE gewinnt außerdem den einzigen Wettbewerb, bei dem es nicht um Zahlen geht: Es ist das Modell, das diesen Monat etwas zu beweisen hat, und Baidu hat Apache-2.0-Gewichte versprochen – ein Datum hat es nicht genannt.

GPT-5.6 Luna gewinnt bei der Verifizierung und beim Eingabepreis. Es gibt eine Bewertung von Drittanbietern, die man prüfen kann, veröffentlichte Kosten pro abgeschlossener Aufgabe, eine gemessene Zeit pro Aufgabe und einen um 40 % günstigeren Eingabetarif. Das sind die Dinge, die ein Modell sicher genug machen, um es hinter einem Produkt einzusetzen, und ERNIE 5.5 Flash Preview hat derzeit nichts davon – keine Modellkarte, keinen Knowledge-Cutoff, keine Latenzangabe und keine unabhängige Zeile.

GPT-6 Luna gewinnt beim Preis eindeutig, und genau diese Erkenntnis gibt der Seite einen neuen Rahmen. Wenn die Frage lautet: „Welches günstige schnelle Modell sollte ich aufrufen?“, dann lautet die Antwort innerhalb der Luna-Familie nicht GPT-5.6 Luna, sondern der Nachfolger zu $0.10 und $0.50 mit demselben gemessenen Index und Kosten pro Aufgabe von weniger als der Hälfte seines Vorgängers. Ein Vergleich, der bei GPT-5.6 Luna endet, vergleicht ERNIE mit der falschen Hälfte der Familie.

Die Entscheidung, ohne Wenn und Aber dargelegt

Wenn Sie heute ein unabhängig bewertetes Modell zu bekannten Kosten pro Aufgabe benötigen, brauchen Sie nicht ERNIE 5.5 Flash Preview — Sie brauchen eine Luna, und zwar die aktuelle. Es gibt nichts zu bewerten, denn das hat bereits jemand anderes getan.

Wenn Sie eine Aufgabe haben, deren Ausgabe tatsächlich in einem Durchgang Hunderttausende Token umfasst – ein langer Build, ein Refactoring des gesamten Repositorys, ein Dokument, das niemand aufteilen möchte –, ist ERNIE 5.5 Flash Preview das einzige Modell auf dieser Seite, das eine Obergrenze für die Ausgabe veröffentlicht, die das ermöglicht, und seine Ausgaberate liegt etwas unter der von GPT-5.6 Luna. Das ist ein enger, spezifischer Fall, und es ist der einzige Fall, den das Datenblatt stützt.

Wenn Sie irgendwo dazwischen liegen, lautet die ehrliche Antwort, dass keine der beiden Karten dies entscheidet, weil kein Anbieter Tokens pro abgeschlossener Aufgabe für die Arbeitslast veröffentlicht hat, die Ihnen vorschwebt. Die $0.33 von GPT-5.6 Luna beziehen sich auf die Testsuite von Artificial Analysis, nicht auf Ihre.

Ein Schlüssel, zwei Tarifkarten und die Migration, die kein Projekt ist

ERNIE 5.5 Flash Preview gehört nicht zum Angebot von OrcaRouter. Im Katalog gibt es keinen ERNIE-Eintrag und dahinter auch keinen Baidu-Endpunkt, daher wenden Sie sich an Baidus eigene Qianfan-API und an Drittanbieter-Plattformen, die es weiterverkaufen. Nichts hier ist ein Angebot, es zu routen.

Die Lage bei Luna ist das Gegenteil, und sie ist lehrreich. Sowohl GPT-5.6 Luna als auch GPT-6 Luna stehen im Katalog von OrcaRouter, zum Listenpreis des Anbieters ohne Aufschlag — 0,20 $ und 1,20 $ für die veraltete SKU, 0,10 $ und 0,50 $ für die, die sie ersetzt hat. So sieht eine überholte Preisliste von innen aus: Der Modell-String ändert sich, der Key nicht, und niemand muss etwas unterschreiben. Wenn ein Anbieter ein Modell mitten im Quartal ausmustert — wie hier am 22. September geschehen —, kostet der Wechsel eine Zeile in einer Config statt eines Beschaffungszyklus, und man kann die alte und die neue Preisliste auf derselben Rechnung gegeneinander stellen.

Was diesen Vergleich entscheiden würde, ist nicht eine weitere Benchmark-Tabelle. Es ist eine von Artificial Analysis erzeugte Zeile für ERNIE 5.5, eine veröffentlichte Tokens-pro-Aufgabe-Zahl für den elfstündigen Build und eine Tarifkarte für ERNIE auf der Stufe, die GPT-6 Luna jetzt innehat. Bis eines davon existiert, ist ERNIE 5.5 Flash Preview gegenüber GPT-5.6 Luna eine zwei Tage alte Preview, gemessen an einer ausgemusterten Karte von zwei Personengruppen, die nie denselben Harness verwendet haben – und die nützliche Version der Frage ist, ob die Preview ihren Vorteil bei der Ausgabeobergrenze halten kann, sobald jemand ohne Eigeninteresse an der Antwort den Test durchführt.