ERNIE-5.5-Flash vs DeepSeek V4.1 Flash: Baidu eligió esta pelea por sí mismo

La comparación más útil para ERNIE-5.5-Flash no la escribió un crítico. Está en la propia tabla de benchmarks de Baidu, donde el recién lanzado ERNIE-5.5-Flash-Base se evalúa frente a DeepSeek-V4-Flash-Base con 284B de parámetros totales y 13B activos — casi exactamente la misma clase de tamaño que los 280B totales y 14B activos de ERNIE. Esa es la única confrontación de igual a igual en todo el lanzamiento de ERNIE 5.5: dos checkpoints preentrenados, un mismo marco de evaluación, los mismos prompts. Todo lo demás en este enfrentamiento es asimétrico, porque DeepSeek V4.1 Flash es un modelo terminado, con licencia MIT, con precios y en producción, y ERNIE-5.5-Flash es un checkpoint base cuya versión postentrenada, según Baidu, «llegará después». El artículo honesto es, por tanto, dos artículos: lo que dicen las cifras de base a base y lo que ocurre cuando se ponen esas cifras junto a un modelo que la gente puede invocar de verdad. OrcaRouter transmite precios de lista del proveedor sin añadir ningún margen, por lo que el descuento por franja horaria de DeepSeek llega el mismo día en que se aplica.

La única comparación que Baidu realizó en igualdad de condiciones

Baidu publicó 30 benchmarks en siete categorías, evaluados bajo un único pipeline con prompts e ejemplos few-shot idénticos, frente a tres modelos base: DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) y MiMo-V2.5-Base (310B-A15B). La fila de DeepSeek es la que hay que leer con atención, porque los recuentos de parámetros son lo bastante cercanos como para que sean la arquitectura y la calidad de los datos las que hagan el trabajo, en lugar de la escala.

• Parámetros totales — ERNIE-5.5-Flash-Base 280B frente a DeepSeek-V4-Flash-Base 284B

• Activos por token — 14B vs 13B

• Tokens de preentrenamiento — 33.5T frente a no indicado en la fila de comparación

• Contexto de entrenamiento — 128K vs. clase 128K

• Pesos publicados — FP8 y BF16, ambos disponibles ahora

• Licencia — Acuerdo de licencia del modelo base ERNIE 5.5 Flash v1.0 frente a MIT

En las filas que Baidu destaca, ERNIE lidera: MMLU 93.3, MMLU-Pro 78.4, GPQA 60.2, BBH 89.2 con cadena de pensamiento, HumanEval+ 82.3, MBPP+ 81.5, HELMET-RAG 71.5 y RepoQA 91.7. Es una hoja de resultados de modelo base realmente sólida. También está realizada por el proveedor, en un arnés de evaluación diseñado por Baidu, y publicada el día en que se lanzaron los pesos. Tómalo como una afirmación con un apéndice detallado, no como un resultado.

La parte más informativa es donde pierde ERNIE. La publicación de Baidu admite que ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench y FullStackBench van a parar a un competidor. Una tabla de lanzamiento que imprime sus propias pérdidas te está diciendo que la comparación se hizo de buena fe — lo que aumenta, en lugar de reducir, el valor de las filas que gana ERNIE.

Donde se rompe la simetría: un modelo está terminado

DeepSeek V4.1 Flash se lanzó el 10 de septiembre de 2026, con una instantánea «1017» el 17 de octubre. Es un modelo de mezcla de expertos dispersa con una columna vertebral de 552B y aproximadamente 763B de parámetros totales, incluida la memoria condicional, que activa 8B en la entrada y 16B en la salida. Entrada multimodal nativa, contexto de 1M de tokens, 45T de tokens de entrenamiento y licencia MIT. En las tarifas de lista con las que lo sirve OrcaRouter, cuesta $0.15 por millón de tokens de entrada y $0.60 por millón de salida, con lecturas en caché a $0.003–$0.006; la propia API de DeepSeek añade un descuento según la hora del día, algo que conviene saber antes de construir un modelo de costes en torno al número más bajo que se pueda encontrar.

Ese modelo sigue instrucciones, llama a herramientas, acepta imágenes y tiene un precio publicado. ERNIE-5.5-Flash-Base no hace ninguna de esas cosas, porque no ha recibido entrenamiento posterior. Por lo tanto, la comparación que le importa a un comprador no es entre modelos base, sino entre modelos terminados, y uno de los dos modelos terminados aún no existe.

Esto no es una advertencia menor. El entrenamiento posterior es de donde provienen el seguimiento de instrucciones, el uso de herramientas, el comportamiento de rechazo, la disciplina de formato y la mayor parte de la calidad percibida de un modelo moderno de la categoría Flash. La puntuación MMLU de un checkpoint base te dice algo sobre el prior. No te dice casi nada sobre si el modelo emitirá de forma fiable un objeto JSON, seguirá un prompt de sistema o sobrevivirá a un bucle de agente de 40 turnos. DeepSeek V4.1 Flash tiene comportamiento publicado en esos ejes. ERNIE 5.5 Flash tiene una promesa.

La diferencia de licencias es el problema latente.

DeepSeek lanza V4.1 Flash bajo MIT. Eso es de lo más permisivo que existe en licenciamiento de modelos: uso comercial, modificación, redistribución, sin restricciones de ámbito de uso y sin un acuerdo separado que negociar. Baidu lanza ERNIE-5.5-Flash-Base bajo el Acuerdo de Licencia del Modelo Base ERNIE 5.5 Flash v1.0 —una licencia hecha a medida, no Apache 2.0, y notablemente un paso atrás respecto a ERNIE 4.5, que se publicó bajo Apache 2.0 en 2025.

Para un equipo de investigación, esto puede no importar. Para una empresa que quiere hacer fine-tuning con datos propietarios y lanzar un producto, es lo primero que leerá el departamento legal, y las licencias personalizadas de modelos chinos han incluido históricamente restricciones de uso, requisitos de atribución y umbrales que MIT no tiene. Que los pesos se puedan descargar no es lo mismo que se puedan usar en tus términos.

Esa diferencia se multiplica con el tamaño. ERNIE, con 280B parámetros totales, es aproximadamente una propuesta de 280 GB en FP8 antes de añadir la caché KV y el margen para las activaciones; los 763B totales de DeepSeek V4.1 Flash son aún mayores, que es precisamente por lo que la mayoría de los equipos acceden a él mediante una API en lugar de un clúster de GPU. Si tu plan es autohospedar cualquiera de los dos, la licencia es el problema más barato de resolver.

Servicio: ambos repositorios nombran las mismas herramientas; uno lleva dos meses de ventaja.

La ficha del modelo de Baidu incluye ejemplos de SGLang y vLLM, y el repositorio Megatron-Bridge de NVIDIA ya incluye un ejemplo de ajuste fino de ERNIE 5.5. Es un lanzamiento competente: un modelo base con recetas de servicio desde el primer día es más de lo que muchos laboratorios consiguen.

La ventaja del ecosistema de DeepSeek no son las recetas, sino el kilometraje. V4.1 Flash lleva casi dos meses en producción, cuenta con una instantánea 1017 con deltas publicados —Terminal-Bench 4.0 pasa de 31.2 a 42.3, DeepSWE v1.1 de 74.2 a 77.0— y está disponible a través de la API propia del proveedor y de varias plataformas de terceros, incluida OrcaRouter. Cuando una cuantización falla o un kernel sufre una regresión, alguien ya ha reportado el problema.

En OrcaRouter específicamente, deepseek/deepseek-v4.1-flash y el fijado deepseek/deepseek-v4.1-flash-1017 son ambos enrutables hoy al precio de lista del proveedor con un 0% de margen, lo que significa que el descuento de fuera de horas punta se refleja en tu facturación el mismo día en que DeepSeek lo aplica, en lugar de después del margen añadido de un revendedor. ERNIE-5.5-Flash no está en el catálogo —no hay ninguna entrada de ERNIE entre los 216 ID de modelo—, así que nada de esto debe interpretarse como una afirmación de que se aloje ERNIE. El punto sobre el enrutamiento es más concreto: si estás eligiendo entre un modelo al que puedes llamar ahora y otro al que no, la cuestión de la plataforma ya está resuelta.

Qué hacer esta semana

Si necesitas un modelo Flash barato y de contexto largo en producción, DeepSeek V4.1 Flash es la respuesta, y ERNIE no está entre las opciones a considerar. Eso no es un juicio sobre la calidad del checkpoint de Baidu. Es una afirmación de que un modelo base sin precio, sin post-entrenamiento y sin servicio no puede ocupar una ranura de producción.

Si estás haciendo un preentrenamiento continuado en chino, el cálculo cambia. ERNIE-5.5-Flash-Base, con 280B-A14B y 33,5T de tokens detrás, es un punto de partida creíble; la arquitectura está documentada con un detalle inusual —43 capas, 37 HCA más 6 MLA-DSA, 512 expertos enrutados en top-10, un vocabulario de 201.216 tokens— y el ejemplo de Megatron-Bridge acorta el camino hacia un primer ajuste fino. Lee la licencia antes de leer los benchmarks.

Si estás evaluando en lugar de construir, el movimiento útil es ejecutar tú mismo la comparación base publicada por Baidu sobre los dos checkpoints abiertos. Ambos son descargables, ambos encajan en el mismo harness, y reproducir la tabla es la única forma de saber si el barrido de 30 benchmarks sobrevive al contacto con un segundo par de manos.

El número a vigilar

No es el MMLU. Es el precio que Baidu finalmente pone a ERNIE 5.5 Flash tras su post-entrenamiento. DeepSeek V4.1 Flash estableció una referencia de $0.15/$0.30 de entrada y $0.60/$1.20 de salida con un contexto de 1M y una licencia MIT. Un modelo de la categoría Flash que llegue con un precio superior a ese necesita una razón específica para existir —calidad en chino, residencia de datos o una capacidad que DeepSeek no tenga—. Un modelo que llegue por debajo cambia la conversación sobre costes para cada carga de trabajo en chino.

Hasta que ese número exista, este enfrentamiento tiene exactamente una conclusión defendible: Baidu construyó un modelo base que compite de igual a igual con el modelo base de DeepSeek del mismo tamaño, y aún no ha lanzado lo que permitiría a cualquiera comparar los productos. Ese es un resultado real. Simplemente no es el que busca la consulta de búsqueda.