ERNIE-5.5-Flash vs. GPT-6 Luna: Was eine Flash-Stufe dir tatsächlich schuldet

Flash ist keine Parameterzahl. Es ist ein kommerzielles Versprechen mit vier Klauseln: ein Preis pro Million Tokens, eine Latenz, um die herum man eine Anfrage planen kann, ein Kontextfenster, auf das man eine Anwendung zuschneiden kann, und ein Ergebnis, das jemand Unabhängiges geprüft hat. GPT-6 Luna, veröffentlicht von OpenAI am 22. September 2026, veröffentlicht alle vier. ERNIE-5.5-Flash, dessen Basisgewichte Baidu am 5. November 2026 veröffentlichte, veröffentlicht keines davon – kein Preis, keine bereitgestellte Latenz, keine unabhängige Bewertung und eine Kontextangabe, die eine Checkpoint-Konfiguration statt einen Endpunkt beschreibt. ERNIE-5.5-Flash gegen GPT-6 Luna zu stellen ist daher kein Direktvergleich. Es ist ein nützlicher Test dafür, was das Wort „Flash“ garantieren soll, und eine Demonstration davon, wie viel dieser Garantie Baidu noch nicht eingelöst hat.Luna wird angeboten zumListenpreis des Anbieters, wobei Routing-Richtlinien für Aufwand und Kontext an einer Stelle gebündelt sind.

Klausel eins: Preis

GPT-6 Luna kostet laut Preisliste 0,10 US-Dollar pro Million Eingabe-Token und 0,50 US-Dollar pro Million Ausgabe-Token. Zwischengespeicherte Eingaben werden mit rund 0,01 US-Dollar gelesen, Cache-Schreibvorgänge mit etwa 0,125 US-Dollar, und Prompts mit mehr als 272K Eingabe-Token wechseln in eine höhere Tarifstufe zu 0,20/0,75 US-Dollar. Im Vergleich zu GPT-6 Sol mit 2/10 US-Dollar und GPT-6 Astra mit 10/50 US-Dollar kostet Luna jeweils etwa ein Zwanzigstel bzw. ein Hundertstel — OpenAI bezeichnet den Start als dauerhafte 50-prozentige Senkung gegenüber der Aktionspreisgestaltung von GPT-5.6, nicht als befristeten Rabatt.

ERNIE-5.5-Flash hat keinen Preis. Nicht einen unveröffentlichten, nicht einen, der nur per Angebot für Unternehmen zu haben wäre: Das nachtrainierte Modell existiert nicht, also gibt es nichts zu bepreisen. Was existiert, ist ERNIE-5.5-Flash-Base, ein Sparse-MoE mit 280 Milliarden Parametern und 14 Milliarden aktiven Parametern pro Token unter der ERNIE 5.5 Flash Base Model License Agreement v1.0, kostenlos in FP8 und BF16 herunterladbar.

Das ist der gesamte Wortlaut von Klausel eins. Auf der einen Seite ein Modell zu zehn Cent pro Million Eingabe-Tokens, auf der anderen ein Repository.

Klausel zwei: Latenz

Lunas Latenzprofil ist ungewöhnlich ehrlich in Bezug auf seine eigenen Kompromisse. Die Ausgabe läuft bei etwa 154 Tokens pro Sekunde. Bei geringem Reasoning-Aufwand liegt die mediane Zeit bis zum ersten Token bei etwa 1,5 Sekunden. Bei maximalem Reasoning-Aufwand dehnt sie sich auf rund 124 Sekunden aus – ein Wert, der das Modell bei dieser Einstellung für interaktive Arbeit unbrauchbar und für Batch-Analysen vollkommen angemessen macht. Eine Flash-Stufe, die beide Zahlen veröffentlicht, sagt dir, für welche Deployments sie gedacht ist.

ERNIE-5.5-Flash veröffentlicht keinen Durchsatz und keine Time-to-First-Token, weil es keinen bereitgestellten Endpunkt gibt, an dem sich das messen ließe. Was sich ableiten lässt, ist architektonischer Natur: 14B aktive Parameter pro Token bei insgesamt 280B sind ein Design, das auf kostengünstiges, schnelles Decoding abzielt, und 14B aktiv sind ein kleinerer Working Set als die 18B von GLM-5.3 Flash oder die 8B-Input/16B-Output-Aufteilung von DeepSeek V4.1 Flash. Auf dem Papier ist es auf Schnelligkeit ausgelegt. Auf dem Papier muss diese Behauptung auch bleiben, bis jemand es tatsächlich bereitstellt.

Klausel drei: Kontext

Das Kontextfenster von GPT-6 Luna liegt bei etwa einer Million Tokens, wobei die Ausgabe auf knapp 128K begrenzt ist. Das bemerkenswerte Detail ist, dass dies größer ist als die 872K von GPT-6 Sol – das günstigere Modell akzeptiert mehr Eingabe als das teurere. Das kehrt die übliche Eskalationslogik um. Das Standard-Routingmuster lautet „die große Nutzlast an das große Modell senden“; Luna durchbricht es, und jeder Router, der auf der alten Annahme konfiguriert ist, wird zu viel ausgeben.

ERNIE-5.5-Flash-Base meldet 128K Trainingskontext und 1.048.576 Tokens, die in der veröffentlichten Konfiguration für Fine-Tuning und Inferenz aktiviert sind. Das sind nicht dieselbe Art von Zahl wie bei Luna. Das eine ist ein Konfigurationsschalter an einem Checkpoint, der nie mit dieser Länge bereitgestellt wurde; das andere ist ein Produktlimit, an das bei 272K eine Preisstufe geknüpft ist. Baidus Belege für langen Kontext sind ein Benchmark-Durchlauf – HELMET-RAG 71,5, RepoQA 91,7, LongBench-v2 48,7, InfiniteBench 46,5 –, der in der eigenen Testumgebung lief, und der Beitrag räumt ein, dass mindestens zwei dieser Langkontext-Zeilen an ein konkurrierendes Basismodell gehen.

Klausel vier: eine Punktzahl, die jemand anderes überprüft hat

Lunas veröffentlichte Position ist gemischt, und genau das macht sie glaubwürdig. BenchGecko meldet eine Durchschnittsnote von 55,9 bei einem Rang um Platz 116; herstellernahe Werte umfassen DeepSWE v1.1 mit 66,6, OSWorld 2.0 mit 52,7, LiveBench Coding 79 und Mathe 89,1. Terminal-Bench 4.0 kommt in Vals AIs Lauf auf etwa 13,6 Prozent und AutomationBench auf 20,7. Artificial Analysis beziffert ihren Intelligenzindex auf ungefähr 37 bis 38, unter Sol mit etwa 48 und Astra mit etwa 53, und ihren Coding-Agent-Index auf etwa 41 – eine Regression gegenüber den 43 von GPT-5.6 Luna. Die Halluzinationsrate verbesserte sich von 93 Prozent auf 77 Prozent, was besser ist und noch immer nicht gut.

So ist Luna ein günstiges Modell mit einer dokumentierten Obergrenze und mindestens einer dokumentierten Regression. Das ist für einen Käufer nützlicher als eine starke Zahl ohne Herkunftsnachweis, denn es zeigt dir, wo du es nicht einsetzen solltest: agentische Coding-Schleifen, folgenreiche Faktenwiedergabe und alles, was von einer Umgebungsmanipulation im Stil von Terminal-Bench abhängt.

Die Seite von ERNIE-5.5-Flash in dieser Klausel ist eine Basismodell-Tabelle. MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, HumanEval+ 82,3, LiveCodeBench 40,1 – alle vor dem Post-Training gemessen, in Baidus Harness, gegen andere Basis-Checkpoints. Es ist eine legitime Tabelle. Sie ist keine Antwort auf die Frage „Wie gut ist das Modell, das ich aufrufen würde?“, denn das Modell, das Sie aufrufen würden, wurde noch nicht gebaut.

Warum „Flash" mit 280B ein anderes Tier ist

Unter dem Vergleich verbirgt sich ein struktureller Punkt. Luna ist ein kleines Modell, das gerade durch seine geringe Größe günstig ist. ERNIE-5.5-Flash ist ein großes Modell, das dadurch günstig wird, dass nur ein kleiner Teil von ihm aktiviert wird – 14B von 280B pro Token. Die Ökonomie ist tatsächlich anders: Die Speicherkosten skalieren mit den 280B insgesamt, die Rechenkosten mit den 14B aktiven. Für einen Anbieter, der in großem Volumen bedient, ist das ein attraktives Profil, weil der teure Teil über viele gleichzeitige Anfragen amortisiert wird und der günstige Teil die Kosten pro Token bestimmt.

Für Self-Hoster ist dieselbe Größenordnung ein Problem. Sie benötigen den Speicher für 280B Parameter in FP8 – in der Größenordnung von 280 GB vor dem KV-Cache –, um das Rechenprofil eines 14B-Modells zu erhalten. Das ist ein Data-Center-Deployment, nicht eines für eine Workstation, und deshalb werden Basis-Checkpoints dieser Größe eher zu APIs als zu lokalen Modellen.

Luna ist das Gegenteil: klein genug, um breitflächig bereitgestellt zu werden, entsprechend bepreist und über OpenAIs API, ChatGPT Work, Codex und die Desktop-App in den Tarifen Free und Go verfügbar. Die Verbreitung ist Teil des Produkts.

Wo OrcaRouter passt – und wo nicht

GPT-6 Luna lässt sich auf OrcaRouter als openai/gpt-6-luna routen, zum Listenpreis des Anbieters mit 0 % Aufschlag. Das ist bei diesem Modell wichtiger als sonst, denn die interessanten Routing-Entscheidungen rund um Luna drehen sich überhaupt nicht um den Preis – sondern um den Aufwand. Eine Anfrage, die eine Latenz von 1,5 Sekunden bis zum ersten Token braucht, sollte nicht an dieselbe Aufwandsstufe geschickt werden wie ein Batch-Job, der zwei Minuten warten kann, und eine Workload, die gelegentlich 800K Kontext benötigt, sollte nicht standardmäßig auf Sol gesetzt werden, in der Annahme, dass das größere Modell das größere Fenster hat. Eine Routing-Schicht, die diese Richtlinien an einer Stelle bündeln kann und bei Beeinträchtigung eines Anbieters automatisches Failover bietet, erledigt hier echte Arbeit.

ERNIE-5.5-Flash ist nicht im OrcaRouter-Katalog enthalten – 216 Modell-IDs, kein ERNIE-Eintrag – und nichts in diesem Artikel sollte als Behauptung gelesen werden, dass es dort enthalten sei. Es gibt keinen Endpunkt, an den geroutet werden könnte. Die ehrliche Haltung ist: An dem Tag, an dem Baidu das post-trainierte Modell bereitstellt, wird die Routing-Frage interessant; heute ist sie hypothetisch.

Was würde ERNIE zu einem Konkurrenten von Luna machen?

Vier Dinge, und es sind dieselben vier Klauseln.

• Ein Preis von oder unter $0.10/$0.50. Alles über Lunas Tarif muss sich durch Qualität in chinesischer Sprache oder Datenresidenz rechtfertigen, und Baidu hat für dieses Modell noch keines der beiden Argumente vorgebracht.

• Eine gemessene Durchsatzangabe. Das Design mit {{1}}14B{{/1}} aktiven Parametern legt nahe, dass es schnell sein könnte; bis ein Anbieter {{2}}Token pro Sekunde und Zeit bis zum ersten Token{{/2}} veröffentlicht, ist das eine {{3}}architektonische Schlussfolgerung{{/3}}, keine Spezifikation.

• Ein bereitgestelltes Kontextlimit mit einem daran geknüpften Preis. Die Konfiguration mit 1,048,576 Token ist eine Fähigkeit des Checkpoints. Lunas Fenster ist eine Produktbedingung, einschließlich der Preisstufe 272K. Das sind unterschiedliche Zusagen.

• Ein nachtrainiertes Modell mit unabhängiger Evaluierung. Das ist der große Punkt. Die Distanz zwischen einem Basis-Checkpoint und einem fertigen Flash-Modell ist genau der Bereich, in dem Instruktionsbefolgung, Tool-Nutzung und Formatierungsdisziplin angesiedelt sind, und genau diese Strecke hat Luna bereits zurückgelegt.

Bis diese vier existieren, hat der Vergleich für jeden, der Kapazität kauft, eine klare Antwort: {{1}}GPT-6 Luna{{/1}} ist mit seinen dokumentierten Schwächen eine echte Option zu einem echten Preis, und {{2}}ERNIE-5.5-Flash{{/2}} ist ein Forschungsrelease, der den Namen einer Produktstufe trägt. Die interessantere Beobachtung ist, dass {{3}}Baidu{{/3}} sich entschied, zuerst die Basisgewichte auszuliefern, und die Architektur prominent dokumentierte – 43 Schichten, 37 HCA plus 6 MLA-DSA, 512 geroutete Experten bei Top-10, ein Vokabular von 201.216 Token –, was wie ein Labor wirkt, das Post-Training-Arbeit einlädt, statt wie ein Anbieter, der einen Vertriebskanal öffnet. An diesem Maßstab gemessen ist es ein gutes Release. Im Vergleich zu {{4}}Luna{{/4}} ist es noch nicht im selben Markt.