ERNIE-5.5-Flash vs. GPT-6 Luna: qué te debe realmente un nivel Flash

Flash no es un recuento de parámetros. Es una promesa comercial con cuatro cláusulas: un precio por millón de tokens, una latencia con la que se puede planificar una solicitud, una ventana de contexto con la que se puede dimensionar una aplicación y una puntuación que alguien independiente ha verificado. GPT-6 Luna, lanzado por OpenAI el 22 de septiembre de 2026, publica las cuatro. ERNIE-5.5-Flash, cuyos pesos base publicó Baidu el 5 de noviembre de 2026, no hace públicas ninguna de ellas: ni precio, ni latencia de servicio, ni evaluación independiente, y una cifra de contexto que describe la configuración de un checkpoint en lugar de la de un endpoint. Por lo tanto, comparar ERNIE-5.5-Flash con GPT-6 Luna no es una comparación cara a cara. Es una prueba útil de lo que se supone que debe garantizar la palabra "Flash", y una demostración de cuánto de esa garantía aún no ha ofrecido Baidu. Luna se sirve al precio de lista del proveedor, con las políticas de enrutamiento para el esfuerzo y el contexto reunidas en un solo lugar.

Cláusula uno: precio

GPT-6 Luna tiene un precio de lista de $0,10 por millón de tokens de entrada y $0,50 por millón de salida. Las lecturas de entrada en caché cuestan aproximadamente $0,01, las escrituras en caché alrededor de $0,125, y los prompts de más de 272K tokens de entrada pasan a un nivel superior a $0,20/$0,75. Frente a GPT-6 Sol a $2/$10 y GPT-6 Astra a $10/$50, Luna cuesta aproximadamente una vigésima y una centésima parte, respectivamente — OpenAI presenta el lanzamiento como un recorte permanente del 50 por ciento frente al precio promocional de GPT-5.6, no como un descuento temporal.

ERNIE-5.5-Flash no tiene precio. No uno sin publicar ni uno con cotización empresarial: el modelo post-entrenado no existe, así que no hay nada que cotizar. Lo que existe es ERNIE-5.5-Flash-Base, un MoE disperso de 280 000 millones de parámetros con 14 000 millones activos por token bajo el Acuerdo de Licencia del Modelo Base ERNIE 5.5 Flash v1.0, de descarga gratuita en FP8 y BF16.

Eso es todo lo que abarca la cláusula uno. Un modelo a diez centavos por millón de tokens de entrada por un lado, y un repositorio por el otro.

Cláusula dos: latencia

El perfil de latencia de Luna es inusualmente honesto sobre sus propias compensaciones. La salida se ejecuta a alrededor de 154 tokens por segundo. Con un esfuerzo de razonamiento bajo, el tiempo medio hasta el primer token es de aproximadamente 1,5 segundos. Con el máximo esfuerzo de razonamiento, se extiende hasta unos 124 segundos — una cifra que hace que el modelo sea inutilizable para trabajo interactivo con esa configuración y perfectamente razonable para análisis por lotes. Un nivel Flash que publica ambas cifras te está diciendo para qué despliegues sirve.

ERNIE-5.5-Flash no publica throughput ni tiempo hasta el primer token, porque no hay un endpoint en servicio que medir. Lo que se puede inferir es arquitectónico: 14B de parámetros activos por token de 280B totales es un diseño orientado a una decodificación barata y rápida, y 14B activos es un conjunto de trabajo más pequeño que los 18B de GLM-5.3 Flash o la división de 8B de entrada/16B de salida de DeepSeek V4.1 Flash. Sobre el papel está construido para ser rápido. Sobre el papel es donde tiene que quedarse esa afirmación hasta que alguien lo sirva.

Cláusula tres: contexto

La ventana de GPT-6 Luna es de alrededor de un millón de tokens, con la salida limitada a cerca de 128K. El detalle que vale la pena notar es que esto es mayor que los 872K de GPT-6 Sol: el modelo más barato acepta más entrada que el más caro. Eso invierte la lógica de escalado habitual. El patrón de enrutamiento estándar es «enviar la carga grande al modelo grande»; Luna lo rompe, y cualquier enrutador configurado con la suposición antigua gastará de más.

ERNIE-5.5-Flash-Base informa un contexto de entrenamiento de 128K y 1,048,576 tokens habilitados para el ajuste fino y la inferencia en la configuración publicada. Esas no son el mismo tipo de cifra que las de Luna. Una es un indicador de configuración en un checkpoint que nunca se ha servido con esa longitud; la otra es un límite de producto con un nivel de precio asociado a 272K. La evidencia de contexto largo de Baidu es una batería de benchmarks —HELMET-RAG 71,5, RepoQA 91,7, LongBench-v2 48,7, InfiniteBench 46,5— ejecutada con su propio harness, y la publicación admite que al menos dos de esas filas de contexto largo corresponden a un modelo base de la competencia.

Cláusula cuatro: una puntuación que otra persona comprobó

La posición publicada de Luna es mixta, y eso es precisamente lo que la hace creíble. BenchGecko reporta una puntuación media de 55,9 con un puesto alrededor del 116.º; las cifras cercanas al proveedor incluyen DeepSWE v1.1 con 66,6, OSWorld 2.0 con 52,7, LiveBench en programación 79 y en matemáticas 89,1. Terminal-Bench 4.0 se sitúa en torno al 13,6 por ciento en la ejecución de Vals AI, y AutomationBench en 20,7. Artificial Analysis sitúa su índice de inteligencia en aproximadamente 37 a 38, por debajo de Sol con alrededor de 48 y de Astra con alrededor de 53, y su índice de agente de programación en cerca de 41 — una regresión respecto al 43 de GPT-5.6 Luna. La tasa de alucinación mejoró del 93 por ciento al 77 por ciento, lo cual es mejor y aun así no es bueno.

Así que Luna es un modelo barato con un techo documentado y al menos una regresión documentada. Eso es más útil para un comprador que una cifra sólida sin procedencia, porque te dice dónde no usarlo: bucles de codificación agéntica, recuperación de datos fácticos de alto riesgo y cualquier cosa que dependa de la manipulación de entornos al estilo de Terminal-Bench.

La parte de ERNIE-5.5-Flash en esta cláusula es una tabla de modelo base. MMLU 93.3, MMLU-Pro 78.4, GPQA 60.2, HumanEval+ 82.3, LiveCodeBench 40.1 — todas medidas antes del post-entrenamiento, en el harness de Baidu, frente a otros checkpoints base. Es una tabla legítima. No es una respuesta a «qué tan bueno es el modelo al que llamaría», porque el modelo al que llamaría aún no se ha construido.

¿Por qué "Flash" con 280B es algo totalmente distinto?

Hay un punto estructural que se esconde bajo la comparación. Luna es un modelo pequeño que se abarata por ser pequeño. ERNIE-5.5-Flash es un modelo grande que se abarata al activar una pequeña porción de sí mismo: 14B de 280B por token. La economía es genuinamente diferente: el coste de memoria escala con el total de 280B, el coste de cómputo escala con los 14B activos. Para un proveedor que sirve a gran volumen, esa es una forma atractiva, porque la parte cara se amortiza entre muchas solicitudes concurrentes y la parte barata es lo que cuesta cada token.

Para quien aloja su propio modelo, esa misma forma supone un problema. Necesitas la memoria para 280B parámetros en FP8 —del orden de 280GB antes de la caché KV— para obtener el perfil de cómputo de un modelo de 14B. Eso es un despliegue de centro de datos, no de estación de trabajo, y es la razón por la que los checkpoints base de este tamaño tienden a convertirse en APIs en lugar de modelos locales.

Luna es lo contrario: lo suficientemente pequeña como para ofrecerse de forma amplia, con un precio acorde y disponible a través de la API de OpenAI, ChatGPT Work, Codex y la aplicación de escritorio en los niveles Free y Go. La distribución es parte del producto.

Dónde encaja OrcaRouter y dónde no

GPT-6 Luna se puede enrutar en OrcaRouter como openai/gpt-6-luna, al precio de lista del proveedor con 0 % de margen. Eso importa más de lo habitual en este modelo, porque las decisiones de enrutamiento interesantes en torno a Luna no tienen nada que ver con el precio, sino con el esfuerzo. Una solicitud que necesita una latencia de primer token de 1,5 segundos no debería enviarse con el mismo ajuste de esfuerzo que un trabajo por lotes que puede esperar dos minutos, y una carga de trabajo que ocasionalmente necesita 800 K de contexto no debería recurrir por defecto a Sol asumiendo que el modelo más grande tiene la ventana más grande. Una capa de enrutamiento que puede mantener esas políticas en un solo lugar, con conmutación por error automática cuando un proveedor se degrada, está haciendo un trabajo real aquí.

ERNIE-5.5-Flash no está en el catálogo de OrcaRouter —216 ID de modelo, ninguna entrada de ERNIE— y nada en este artículo debe interpretarse como una afirmación de que lo esté. No hay ningún endpoint al que enrutar. La postura honesta es que, el día en que Baidu sirva el modelo post-entrenado, la cuestión del enrutamiento se vuelve interesante; hoy es hipotética.

¿Qué haría de ERNIE un competidor de Luna?

Cuatro cosas, y son las mismas cuatro cláusulas.

• Un precio igual o inferior a $0,10/$0,50. Cualquier cosa por encima de la tarifa de Luna tiene que justificarse por la calidad en chino o la residencia de datos, y Baidu aún no ha presentado ninguno de esos dos argumentos para este modelo.

• Una cifra de rendimiento medida. El diseño de 14B de parámetros activos sugiere que podría ser rápido; hasta que un proveedor publique tokens por segundo y tiempo hasta el primer token, eso es una inferencia arquitectónica, no una especificación.

• Un límite de contexto servido con un precio asociado. La configuración de 1.048.576 tokens es una capacidad del checkpoint. La ventana de Luna es un término del producto, incluido el nivel de precios de 272K. Son compromisos diferentes.

• Un modelo post-entrenado con evaluación independiente. Este es el importante. La distancia entre un checkpoint base y un modelo Flash terminado es donde viven el seguimiento de instrucciones, el uso de herramientas y la disciplina de formato, y es exactamente la distancia que Luna ya ha recorrido.

Hasta que esos cuatro existan, la comparación tiene una respuesta clara para cualquiera que compre capacidad: GPT-6 Luna, con sus debilidades documentadas, es una opción real a un precio real, y ERNIE-5.5-Flash es un lanzamiento de investigación que lleva puesto el nombre de un nivel de producto. La observación más interesante es que Baidu eligió entregar primero los pesos base y documentó a los cuatro vientos la arquitectura —43 capas, 37 HCA más 6 MLA-DSA, 512 expertos enrutados con top-10, un vocabulario de 201.216 tokens—, lo que se lee como un laboratorio que invita a realizar trabajo de post-entrenamiento en lugar de un proveedor que abre un canal de ventas. Júzguelo con ese criterio y es un buen lanzamiento. Compárelo con Luna y todavía no está en el mismo mercado.