ERNIE-5.5-Flash vs. DeepSeek V4.1 Flash: Baidu hat sich diesen Kampf selbst ausgesucht

Der nützlichste Vergleich für ERNIE-5.5-Flash wurde nicht von einem Rezensenten geschrieben. Er steht in Baidus eigener Benchmark-Tabelle, in der das neu veröffentlichte ERNIE-5.5-Flash-Base gegen DeepSeek-V4-Flash-Base mit insgesamt 284B und 13B aktiven Parametern bewertet wird – fast genau dieselbe Größenklasse wie ERNIE mit insgesamt 280B und 14B aktiven Parametern. Das ist die einzige Eins-zu-Eins-Gegenüberstellung im gesamten ERNIE-5.5-Launch: zwei vorab trainierte Checkpoints, ein Harness, dieselben Prompts. Alles andere in diesem Vergleich ist asymmetrisch, denn DeepSeek V4.1 Flash ist ein fertiges, MIT-lizenziertes, bepreistes und bereitgestelltes Modell, während ERNIE-5.5-Flash ein Basis-Checkpoint ist, dessen nachtrainierte Version laut Baidu „folgen wird“. Der ehrliche Artikel sind daher zwei Artikel: was die Base-to-Base-Zahlen sagen und was passiert, wenn man diese Zahlen neben ein Modell stellt, das man tatsächlich aufrufen kann.OrcaRouter reicht die Listenpreise der Anbieter ohne Aufschlag weiter, sodass DeepSeeks tageszeitabhängiger Rabatt an dem Tag greift, an dem er gilt.

Der einzige Vergleich, den Baidu unter gleichen Bedingungen durchführte

Baidu hat 30 Benchmarks in sieben Kategorien veröffentlicht, bewertet in einer einzigen Pipeline mit identischen Prompts und Few-Shot-Beispielen, gegen drei Basismodelle: DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) und MiMo-V2.5-Base (310B-A15B). Die DeepSeek-Zeile ist diejenige, die man genau lesen sollte, denn die Parameterzahlen liegen nahe genug beieinander, dass Architektur und Datenqualität die Arbeit leisten und nicht die Skalierung.

• Gesamtparameter — ERNIE-5.5-Flash-Base 280B vs. DeepSeek-V4-Flash-Base 284B

• Aktiv pro Token — 14B vs. 13B

• Pretraining-Tokens – 33,5T vs. in der Vergleichszeile nicht angegeben

• Trainingskontext — 128K vs. 128K-Klasse

• Veröffentlichte Gewichte — FP8 und BF16, beide jetzt verfügbar

• Lizenz — ERNIE 5.5 Flash Base Model License Agreement v1.0 vs. MIT

In den von Baidu hervorgehobenen Zeilen führt ERNIE: MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, BBH 89,2 mit Chain-of-Thought, HumanEval+ 82,3, MBPP+ 81,5, HELMET-RAG 71,5 und RepoQA 91,7. Es ist ein wirklich starkes Datenblatt für das Basismodell. Es ist außerdem vom Anbieter selbst durchgeführt, auf einem von Baidu entworfenen Harness, veröffentlicht am Tag, an dem die Gewichte erschienen. Behandle es als Behauptung mit einem detaillierten Anhang, nicht als Ergebnis.

Der informativere Teil ist der, in dem ERNIE verliert. Baidus Beitrag räumt ein, dass ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench und FullStackBench an einen Wettbewerber gehen. Eine Launch-Tabelle, die ihre eigenen Niederlagen ausweist, sagt dir, dass der Vergleich in gutem Glauben durchgeführt wurde – was den Wert der Zeilen, die ERNIE gewinnt, eher erhöht als senkt.

Wo die Symmetrie bricht: Ein Modell ist fertig

DeepSeek V4.1 Flash wurde am 10. September 2026 veröffentlicht, mit einem „1017“-Snapshot am 17. Oktober. Es ist ein Sparse-Mixture-of-Experts-Modell mit einem 552B-Backbone und insgesamt rund 763B Parametern einschließlich Conditional Memory, wobei bei der Eingabe 8B und bei der Ausgabe 16B aktiviert werden. Native multimodale Eingabe, 1M-Token-Kontext, 45T Trainings-Tokens und eine MIT-Lizenz. Zu den Listenpreisen, zu denen OrcaRouter es anbietet, fallen 0,15 US-Dollar pro Million Eingabe-Tokens und 0,60 US-Dollar pro Million Ausgabe-Tokens an, wobei gecachte Lesezugriffe 0,003–0,006 US-Dollar kosten; die eigene API von DeepSeek gewährt zusätzlich einen tageszeitabhängigen Rabatt, was man wissen sollte, bevor man ein Kostenmodell auf dem niedrigsten Preis aufbaut, den man finden kann.

Jenes Modell befolgt Anweisungen, ruft Werkzeuge auf, akzeptiert Bilder und hat einen veröffentlichten Preis. ERNIE-5.5-Flash-Base tut nichts davon, weil es nicht nachtrainiert wurde. Der für einen Käufer entscheidende Vergleich ist daher nicht Basis-zu-Basis – er lautet Fertigmodell-zu-Fertigmodell, und eines der beiden fertigen Modelle existiert noch nicht.

Das ist keine kleine Einschränkung. Das Post-Training ist die Quelle für Instruction-Following, Tool-Nutzung, Ablehnungsverhalten, Formatierungsdisziplin und den Großteil der wahrgenommenen Qualität eines modernen Modells der Flash-Klasse. Der MMLU-Score eines Base-Checkpoints sagt etwas über den Prior aus. Er sagt fast nichts darüber aus, ob das Modell zuverlässig ein JSON-Objekt ausgibt, einem System-Prompt folgt oder eine 40-Runden-Agent-Schleife übersteht. Bei DeepSeek V4.1 Flash ist das Verhalten auf diesen Achsen veröffentlicht. ERNIE 5.5 Flash hat ein Versprechen.

Der Lizenzunterschied ist das schlummernde Problem.

DeepSeek veröffentlicht V4.1 Flash unter MIT. Das ist so permissiv, wie Modelllizenzierung nur sein kann: kommerzielle Nutzung, Änderung, Weitergabe, keine Beschränkungen auf bestimmte Einsatzgebiete, keine separate Vereinbarung, die ausgehandelt werden müsste. Baidu veröffentlicht ERNIE-5.5-Flash-Base unter der ERNIE 5.5 Flash Base Model License Agreement v1.0 – eine maßgeschneiderte Lizenz, nicht Apache 2.0, und bemerkenswerterweise ein Rückschritt gegenüber ERNIE 4.5, das 2025 unter Apache 2.0 veröffentlicht wurde.

Für ein Forschungsteam mag das keine Rolle spielen. Für ein Unternehmen, das auf proprietären Daten feinabstimmen und ein Produkt ausliefern möchte, ist es das Erste, was die Rechtsabteilung lesen wird, und maßgeschneiderte chinesische Modelllizenzen haben historisch Nutzungsbeschränkungen, Namensnennungsanforderungen und Schwellenwerte mit sich gebracht, die die MIT-Lizenz nicht kennt. Dass die Gewichte herunterladbar sind, heißt nicht, dass sie zu Ihren Bedingungen nutzbar sind.

Dieser Unterschied verstärkt sich mit der Größe. ERNIE ist mit insgesamt 280 Mrd. Parametern in FP8 grob eine 280-GB-Angelegenheit, bevor man KV-Cache und Puffer für Aktivierungen hinzurechnet; die 763 Mrd. Gesamtparameter von DeepSeek V4.1 Flash sind noch größer, weshalb die meisten Teams genau deshalb über eine API und nicht über einen GPU-Cluster darauf zugreifen. Wenn Sie eines der beiden selbst hosten wollen, ist die Lizenz das leichter zu lösende Problem.

Bereitstellung: Beide Repos führen dieselben Tools auf, eines hat zwei Monate Vorsprung.

Baidus Modellkarte enthält SGLang- und vLLM-Beispiele, und NVIDIAs Megatron-Bridge-Repository enthält bereits ein Fine-Tuning-Beispiel für ERNIE 5.5. Das ist eine solide Veröffentlichung – ein Basismodell mit Serving-Rezepten ab dem ersten Tag ist mehr, als viele Labore zustande bringen.

Der Ökosystemvorteil von DeepSeek liegt nicht in den Rezepten, sondern in der Laufleistung. V4.1 Flash ist seit fast zwei Monaten im Produktivbetrieb, hat einen 1017-Snapshot mit veröffentlichten Deltas – Terminal-Bench 4.0 steigt von 31,2 auf 42,3, DeepSWE v1.1 von 74,2 auf 77,0 – und ist über die eigene API des Anbieters sowie mehrere Drittanbieterplattformen verfügbar, darunter OrcaRouter. Wenn eine Quantisierung bricht oder ein Kernel eine Regression erleidet, hat bereits jemand das Issue eingereicht.

Speziell auf OrcaRouter deepseek/deepseek-v4.1-flash und das gepinnte deepseek/deepseek-v4.1-flash-1017 heute beide zum Listenpreis des Anbieters mit 0 % Aufschlag routbar, was bedeutet, dass der Rabatt außerhalb der Stoßzeiten an dem Tag in Ihrer Abrechnung sichtbar wird, an dem DeepSeek ihn gewährt, und nicht erst nach einer Wiederverkäufer-Marge. ERNIE-5.5-Flash ist nicht im Katalog – unter den 216 Modell-IDs gibt es keinen ERNIE-Eintrag –, daher sollte nichts hier als Behauptung gelesen werden, ERNIE werde gehostet. Der Routing-Punkt ist enger gefasst: Wenn Sie zwischen einem Modell wählen, das Sie jetzt aufrufen können, und einem, das Sie nicht aufrufen können, ist die Plattformfrage bereits entschieden.

Was diese Woche zu tun ist

Wenn du ein günstiges Flash-Modell mit langem Kontext im Produktivbetrieb brauchst, ist DeepSeek V4.1 Flash die Antwort, und ERNIE gehört nicht zur Auswahl. Das ist kein Urteil über die Qualität von Baidus Checkpoint. Es ist die Feststellung, dass ein nicht bepreistes, nicht nachtrainiertes und nicht bereitgestelltes Basismodell keinen Produktionsplatz halten kann.

Wenn Sie kontinuierliches Pretraining auf Chinesisch durchführen, ändert sich die Rechnung. ERNIE-5.5-Flash-Base mit 280B-A14B und 33.5T Tokens dahinter ist ein glaubwürdiger Ausgangspunkt, die Architektur ist ungewöhnlich detailliert dokumentiert — 43 Schichten, 37 HCA plus 6 MLA-DSA, 512 geroutete Experten bei Top-10, ein Vokabular von 201,216 Tokens — und das Megatron-Bridge-Beispiel verkürzt den Weg zu einem ersten Fine-Tuning. Lesen Sie die Lizenz, bevor Sie die Benchmarks lesen.

Wenn Sie bewerten statt bauen, ist der nützliche Schritt, Baidus veröffentlichten Basisvergleich selbst auf den beiden offenen Checkpoints durchzuführen. Beide sind herunterladbar, beide passen in denselben Harness, und die Tabelle zu reproduzieren ist der einzige Weg, um zu wissen, ob der 30-Benchmark-Sweep den Kontakt mit einem zweiten Paar Hände übersteht.

Die Zahl, auf die es zu achten gilt

Es geht nicht um MMLU. Es geht um den Preis, den Baidu letztlich für das nachtrainierte ERNIE 5.5 Flash ansetzt. DeepSeek V4.1 Flash hat mit $0.15/$0.30 für Input und $0.60/$1.20 für Output, einem 1M-Kontext und einer MIT-Lizenz einen Referenzpunkt gesetzt. Ein Modell der Flash-Klasse, das oberhalb dieses Preises auf den Markt kommt, braucht einen konkreten Grund für seine Existenz – chinesische Sprachqualität, Datenresidenz oder eine Fähigkeit, die DeepSeek nicht hat. Ein Modell, das darunter auf den Markt kommt, verändert die Kostenfrage für jede chinesischsprachige Workload.

Bis diese Zahl existiert, hat dieser Vergleich genau eine vertretbare Schlussfolgerung: Baidu hat ein Basismodell gebaut, das DeepSeeks Basismodell gleicher Größe Paroli bietet, und hat noch nicht das ausgeliefert, was es jemandem ermöglichen würde, die Produkte zu vergleichen. Das ist ein echtes Ergebnis. Es ist nur nicht das, wonach die Suchanfrage fragt.