
Hy4 flash-Base vs. ERNIE 5.5 Flash Base: Der einzige faire Vergleich, den einer der beiden Anbieter veröffentlicht hat
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 138 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 175 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 89 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Zwei chinesische Labore haben im Abstand von zwölf Tagen vorab trainierte Checkpoints veröffentlicht, und ausnahmsweise schreibt sich die Vergleichstabelle von selbst: Hy4 flash-Base gegen ERNIE 5.5 Flash Base, dasselbe Artefakt derselben Pipeline-Stufe, auf dieselbe Weise evaluiert. Tencent veröffentlichte Hy4 flash-Base am 17. November 2026 zusammen mit dem Instruct-Modell. Baidu veröffentlichte ERNIE 5.5 Flash Base am 5. November 2026, und zum Zeitpunkt des Schreibens ist es nach wie vor das einzige ERNIE-5.5-Artefakt, das existiert — das nachtrainierte Chat-Modell wurde noch nicht ausgeliefert.
Dieser Unterschied in dem, was den Checkpoint umgibt, macht den Großteil dessen aus, was diesen Vergleich eine Seite wert ist. Der Vergleich der beiden Basismodelle verrät, wie das Pre-Training lief. Der Vergleich der beiden Releases verrät etwas weniger Schmeichelhaftes über beide: Das eine Unternehmen lieferte das Rohmaterial und das fertige Produkt am selben Tag aus, das andere lieferte das Rohmaterial und ein Versprechen.
Warum Basis-Checkpoints der ehrliche Vergleich sind
Nahezu jeder Modellvergleich, den man liest, ist auf stille Weise unfair, weil er das fertige, instruction-tuned Modell eines Anbieters gegen das fertige, instruction-tuned Modell eines anderen Anbieters stellt, wobei jedes auf seinem eigenen Harness mit seinen eigenen Baselines evaluiert wird. Base-Checkpoints entfernen eine dieser Variablen. Keines der Modelle wurde nachtrainiert, keines hat eine Chat-Vorlage, die das Ausgabeformat prägt, und beide Anbieter veröffentlichen Few-Shot-Tabellen zu standardmäßigen akademischen Benchmarks statt zu maßgeschneiderten agentischen Suiten.
Was bleibt – der Harness, die Shot-Anzahlen, die Teilmengen –, ist weiterhin anbieterspezifisch, daher ist nichts davon hier ein kontrolliertes Experiment. Aber eine Base-gegen-Base-Tabelle ist ein Vergleich von Pre-Training-Läufen, und Pre-Training ist der teure Teil. Sie kommt einer direkt vergleichbaren Zahl am nächsten, die diese beiden Unternehmen übereinander veröffentlicht haben.
Die beiden Kontrollpunkte, Seite an Seite
• Parameter — Hy4 flash-Base 220,3B insgesamt, 12B aktiv pro Token; ERNIE 5.5 Flash Base 280B insgesamt, 14B aktiv pro Token.
• Wo die Parameter sitzen — Hy4 flash-Base enthält 155,5B im 42-Schichten-Backbone, 63,5B in Engram-n-Gramm-Embedding-Tabellen, 0,43B in einem Vision-Encoder und 0,85B in einem DFly2-Drafter; ERNIEs 280B sind eine eher konventionelle MoE-Verteilung, plus ein 0,36B-ECHO-Modul, das aus der Hauptzahl ausgeschlossen ist.
• Tiefe und Routing — 42 Schichten (eine dichte, 41 MoE) mit 512 gerouteten Experten plus einem gemeinsam genutzten, 16 aktiven, Hidden-Size 3.072, für Hy4 flash-Base; 43 Schichten (eine dichte, 42 Multi-Router Latent MoE) mit 512 gerouteten Experten plus einem gemeinsam genutzten, Top-10, Hidden-Size 4.096, für ERNIE.
• Kontext — auf beiden sind 1.048.576 Tokens konfiguriert. Tencent hat Hy4 flash direkt auf dieser Länge trainiert; Baidu hat ERNIE auf 128.000 trainiert und die veröffentlichte Konfiguration für Fine-Tuning und Inferenz auf 1.048.576 gesetzt, was eine Fähigkeit der Konfiguration und kein gemessenes Verhalten ist.
• Modalität — Text- und Bildeingabe, Textausgabe, bei beiden. Hy4 flash-Base bringt einen von SigLIP2 abgeleiteten Vision-Encoder mit; die Karte von ERNIE 5.5 Flash Base beschreibt auf der Modell-Link-Tabelle nur Texteingabe.
• Lizenz — Tencent Hy License v1.0, ein Derivat von Apache 2.0 mit einer MaaS-Klausel ab 50 Millionen US-Dollar Umsatz oder 100 Millionen MAU; ERNIE 5.5 Flash Base Model License v1.0, die die Europäische Union, das Vereinigte Königreich und Südkorea vollständig als Territorien ausschließt.
Die Lizenzzeile ist keine Fußnote. Ein europäisches Team kann den ERNIE-Checkpoint im Rahmen seiner Förderung überhaupt nicht nutzen, und kein noch so großer Benchmark-Vorteil ändert daran etwas. Ein Team jeder Größe kann Hy4 flash-Base nutzen, und ein Team mit mehr als 50 Millionen US-Dollar MaaS-Umsatz muss vor der Nutzung eine E-Mail senden.
Was in Baidus Tabelle steht – und was es kostet, ihr zu glauben
Baidus Vergleichsset ist das richtige für ein Base-Release: ERNIE 5.5 Flash Base gegen DeepSeek-V4-Flash-Base, Hy3-preview-Base und MiMo-V2.5-Base, auf einer Pipeline, die laut der Karte von allen vier gemeinsam genutzt wird. Jede unten aufgeführte Zahl stammt von Baidu und ist nicht reproduziert.
• 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 gegenüber 69,2, 66,9 und 65,7. Die größte Differenz im Set.
• GPQA — 60,2 gegenüber 55,9, 50,2 und 51,4.
• HumanEval+ — 82,3 gegenüber 69,5, 78,0 und 74,4.
• LiveCodeBench — 40,1 gegenüber 31,9, 33,5 und 32,4.
LongBench-v2 — 48,7 gegenüber 44,5, 39,8 und 44,6.
• BBH mit Chain-of-Thought — 89,2 gegenüber Hy3-preview-Base 90,0 und MiMo-V2.5-Base 89,8. Ein Dreiergleichstand im Rauschen, was auch immer die Fettformatierung andeuten mag.
• ChineseSimpleQA — 73,0 gegenüber 75,3 von DeepSeek. Eine Niederlage – ausgerechnet in dem Benchmark, der Baidus Heimatmarkt am nächsten liegt.
Die Tabelle verliert Zeilen, weshalb sie wie eine Tabelle wirkt, die jemand zusammengestellt hat, statt wie eine, die jemand ausgewählt hat. Beachten Sie, was darin fehlt: Hy4 flash-Base. Der Checkpoint von Tencent existierte am 5. November noch nicht, daher hat niemand jemals eine direkte Zeile zwischen den beiden Modellen in diesem Vergleich veröffentlicht.
Was in der Tabelle von Tencent steht, einschließlich des Haftungsausschlusses
Tencents Basistabelle ist fünfgliedrig — Hy4 flash-Base, Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base und DeepSeek-V4-Pro-Base — und sie verliert außerdem Zeilen. Vom Anbieter gemeldet, nicht reproduziert:
• MMLU-Pro — 71,1 für Hy4 flash-Base gegenüber 73,9 für Hy4 Base, 65,8 für Hy3 preview Base, 68,6 für DeepSeek-V4-flash-Base und 73,4 für DeepSeek-V4-Pro-Base.
• SimpleQA — 37,5 gegenüber 57,2, 26,4, 31,3 und 52,1. Der größte Verlust auf der Karte.
• C-Eval — 92,0 gegenüber 95,0, 90,1, 91,9 und 93,4.
• CMMLU — 91,6 gegenüber 93,1, 89,6, 89,8 und 90,7.
• AGIEval Chinese — 90,6 gegenüber 91,2, 87,8, 88,5 und 89,8.
• Belebele — 93,8 gegenüber 95,0, 94,2, 94,4 und 95,2.
• INCLUDE — 82,8 gegenüber 88,1, 84,3, 84,0 und 84,3.
• MMMU-Pro — 52,0 gegenüber 59,6 für Hy4 Base. Die multimodalen Zeilen gibt es nur für die beiden Hy-Modelle.
Ganzheitlich betrachtet ist Hy4 flash-Base ein kleineres, günstigeres Modell als seine Geschwister und unterliegt ihnen in den meisten Zeilen, was genau das ist, was ein Modell mit 12B aktiven Parametern gegen eines mit 49B aktiven Parametern tun sollte. Die interessanten Zeilen sind die mehrsprachigen, in denen es auf ein bis zwei Punkte an viel größere Modelle heranreicht, sowie SimpleQA, wo es zwanzig Punkte hinter Hy4 Base zurückfällt – eine Lücke bei der Faktenabfrage, die etwas darüber aussagt, wie viel dieser Fähigkeit in der Parameterzahl statt in den Trainingsdaten liegt.
Tencent räumt zudem einen Vorbehalt ein, den Baidus Model Card nicht enthält: Weil das Basismodell während des Mid-Trainings einer großen Menge synthetischer Instruktionsdaten ausgesetzt war, „versagt es gelegentlich darin, das erwartete Antwortformat in Few-Shot-Evaluierungen einzuhalten, was die Scores verzerren kann.“ Dass ein Anbieter zugibt, sein eigener Evaluierungs-Harness könne womöglich Formatkonformität messen, ist selten genug, um den Satz wert zu sein.

Die beiden Tische können nicht aufeinandergelegt werden.
Hier ist die Falle in diesem Vergleich, und es lohnt sich, sie klar zu benennen, weil der Großteil des Internets das nicht tun wird. Beide Anbieter veröffentlichen MMLU-Pro. Baidu meldet 78,4 für ERNIE 5.5 Flash Base. Tencent meldet 71,1 für Hy4 flash-Base. Es ist verlockend, zu subtrahieren und einen Sieg von 7,3 Punkten für Baidu zu melden. Diese Subtraktion ist nicht vertretbar.
Unterschiedliche Shot-Anzahlen, unterschiedliche Prompt-Formate und im Fall von Hy4 flash-Base ein eingeräumtes Problem bei der Formatbefolgung, das einen makro-gemittelten Score drücken kann. Die einzige Zahl in beiden Tabellen, die eine gemeinsame Definition hat – Belebele auf einer Teilmenge von fünf Sprachen –, liegt für Hy4 flash-Base bei 93,8 und fehlt in Baidus Tabelle schlicht. Es gibt keine ausreichend belastbare Überschneidung, um sie herauszurechnen.
Was man sagen kann, ist enger gefasst und trotzdem nützlich: Der Checkpoint jedes Anbieters schlägt die DeepSeek-Baselines von Drittanbietern, die jeder von ihnen gewählt hat, in den meisten Zeilen um Margen, die ihre eigenen Harnesses erzeugt haben. Zwei mehr oder weniger unabhängige Aussagen in dieselbe Richtung sind stärkere Evidenz als jede für sich und schwächere als ein gemeinsamer Benchmark. Das ist die ehrliche Obergrenze dessen, was diese beiden Karten stützen.

Ein Release ist abgeschlossen; das andere ist ein Versprechen.
Das ist die Asymmetrie, die mehr zählt als jede Zeile oben, und es geht dabei nicht um Benchmark-Qualität.
Tencent veröffentlichte am 17. November drei Artefakte: das Instruct-Modell, seinen FP8-Build und den Basis-Checkpoint. Ein Team, das heute ein Chat-Modell möchte, kann eines herunterladen, es in vLLM mit dem gepinnten vllm/vllm-openai:hy4-flash Image laden und es bereitstellen. Der Basis-Checkpoint ist für alle da, die fine-tunen möchten, und die Modellkarte verweist auf eine Anleitung zum Fine-Tuning.
Baidu veröffentlichte am 5. November ein Artefakt. ERNIE 5.5 Flash Base besteht aus vortrainierten Gewichten. Es gibt kein instruktionsabgestimmtes ERNIE 5.5 Flash zum Herunterladen, im Veröffentlichungsmaterial ist kein API-Endpunkt unter diesem Namen dokumentiert, und die Modellkarte beschreibt das nachtrainierte Modell lediglich als etwas, das „folgen soll“. Ein Team, das ERNIE 5.5 Flash Base heute herunterlädt, verpflichtet sich, das Post-Training selbst durchzuführen – an 280 Mrd. Gewichten –, bevor es ein Modell hat, das eine Frage in einem nutzbaren Format beantworten kann.
Für eine Forschungsgruppe ist genau das das interessante Artefakt. Für ein Produktteam ist es kein Modell, sondern ein Ausgangspunkt, an dem ein unbegrenzter Arbeitsaufwand hängt, und der richtige Vergleich ist nicht der mit Hy4 flash-Base, sondern der mit Hy4 flash – das Geld pro Token kostet und jetzt funktioniert.

Wie ein Router in eine Entscheidung über Base-Checkpoints passt
Basis-Checkpoints sind nicht das, was ein Router ausliefert, und es wäre unehrlich, etwas anderes nahezulegen. OrcaRouter führt weder Hy4 flash-Base noch ERNIE 5.5 Flash Base, und keines der Instruct-Modelle der beiden Anbieter steht heute im Katalog. Was der Katalog jedoch führt, ist tencent/hy4-preview — das 770B/49B-Modell, aus dem Hy4 flash destilliert wurde — zu $0.834 pro Million Eingabe-Tokens und $2.501 pro Million Ausgabe-Tokens, mit einem Cache-Lesevorgang für $0.042.
Das ist für eine konkrete Entscheidung relevant. Wenn Sie abwägen, ob Sie einen 220B-Basis-Checkpoint fine-tunen sollten, ist die erste Frage, ob das Verhalten der Modellfamilie überhaupt zu Ihrer Aufgabe passt, und das Vorschaumodell beantwortet sie an einem Nachmittag für den Preis der Tokens, die Sie beim Testen verbrauchen. Das zu tun, bevor Sie acht GPUs für ein tensor-paralleles FP8-Deployment bereitstellen, ist der günstigste Schritt im gesamten Projekt. Der Listenpreis des Anbieters wird mit 0 % Aufschlag durchgereicht, sodass eine Preisänderung von Tencent den Katalog am Tag ihres Inkrafttretens erreicht und nicht erst beim nächsten Rebuild, und automatisches Failover bedeutet, dass ein Evaluierungsjob nicht abstirbt, weil ein Upstream eine schlechte Stunde hatte.
Wenn das Fine-Tuning funktioniert, gehören dir die Gewichte und der Router ist nicht mehr Teil dieses Pfads. Wenn nicht, hast du einen Nachmittag statt eines Quartals damit verbracht, es herauszufinden.
Wie man dieses Matchup liest
Wenn Sie ein Modell suchen, das Arbeit erledigen kann, sind Sie auf dieser Seite falsch: Hy4 flash ist das fertige Modell, und ERNIE 5.5 Flash hat noch keines. Wenn Sie eine vortrainierte Basis suchen, auf der Sie aufbauen können, liegen die beiden Kandidaten näher beieinander, als das Marketing suggeriert, und weiter voneinander entfernt, als eine Benchmark-Subtraktion vermuten lässt.
ERNIE 5.5 Flash Base ist größer, wurde länger trainiert – 33,5 Billionen Token mit dem Muon-Optimizer – und meldet stärkere Werte in seiner eigenen Testumgebung, darunter einen MMLU-Pro-Wert, den kein Tencent-Modell auf der Vergleichskarte erreicht. Hy4 flash-Base ist kleiner, günstiger im Betrieb mit 12 Mrd. aktiven Parametern, nativ multimodal, bringt einen Vision-Encoder und einen Speculative-Decoding-Drafter mit und kommt mit einer Lizenz, die drei Rechtsordnungen nicht ausschließt.
Der entscheidende Faktor dürfte weder die Leistungsfähigkeit noch die Lizenz sein, sondern die zwölf Tage zwischen ihnen. Baidus Checkpoint hatte fast zwei Wochen Zeit, damit die Fine-Tuning-Community etwas hervorbringen konnte; Hy4 flash-Base hatte eine. Achten Sie darauf, ob ein instruction-getuntes ERNIE 5.5 Flash erscheint, und darauf, ob jemand ein LoRA für Hy4 flash-Base veröffentlicht. Ersteres würde daraus einen echten Vergleich machen, dem höchstwahrscheinlich ein gemeinsamer Benchmark folgen würde; Letzteres würde Ihnen verraten, welches Basismodell die Praktiker tatsächlich bevorzugten.
In diesem Artikel verglichen1
Aus diesem Artikel erkannt
