ERNIE 5.5 Flash vs MiniMax M3.1 Flash: dos ventanas de dos millones de tokens, una puntuación publicada

Ambos modelos afirman tener una ventana de contexto de un millón de tokens, ambos son de nivel Flash, ambos cuestan menos de un dólar por millón de tokens de entrada y exactamente uno de ellos lleva un número en su nombre. MiniMax M3.1 Flash ha obtenido una puntuación de 42 en el Artificial Analysis Intelligence Index desde su lanzamiento el 19 de octubre de 2026, a $0.22 por tarea de índice completada. ERNIE 5.5 Flash se puso a la venta en Baidu Qianfan el 10 de noviembre de 2026 con un precio, una especificación y ninguna evaluación de ningún tipo — ni una tabla del proveedor, ni una ejecución independiente, ni un corte de conocimiento. Así que la pregunta útil no es qué modelo es mejor. Es cuánto vale la puntuación que falta y si las dos ventanas son la misma ventana.

Donde realmente divergen las dos especificaciones

Las cifras destacadas son lo bastante parecidas como para parecer intercambiables, y no lo son. Cuatro de las filas de abajo determinan cargas de trabajo reales.

• Ventana de entrada — ERNIE 1.024.000 tokens frente a MiniMax 1.000.000. Una diferencia de 24.000 tokens es ruido; considérelas equivalentes y deje de compararlas.

• Límite de salida — ERNIE 921,600 tokens frente a MiniMax 524,288. El techo de ERNIE es casi el doble, y la razón es arquitectónica más que de generosidad: su razonamiento no se puede desactivar, así que los bucles largos de agentes necesitan algún sitio donde alojar el pensamiento.

• Precio por millón — ERNIE: $0,28 de entrada / $1,13 de salida / $0,028 en caché frente a MiniMax: $0,15 / $0,60 / $0,015. ERNIE es 1,87× la tarifa de entrada y 1,88× la tarifa de salida. Las lecturas en caché escalan de la misma manera.

• Modalidad — ERNIE es solo texto. MiniMax acepta texto, imagen y vídeo, y devuelve texto. Para cualquier carga de trabajo que incluya una captura de pantalla, un gráfico, una captura de interfaz o una llamada grabada, esta fila zanja la comparación antes de que se hable del precio.

• Control del razonamiento — el razonamiento de ERNIE es obligatorio, está habilitado por defecto y se ofrece en un único nivel de esfuerzo: alto. MiniMax expone una profundidad de pensamiento ajustable, lo que significa que una llamada de clasificación puede omitir el razonamiento que no necesita.

• Pesos — MiniMax publicó 428B parámetros (23B activos) el 23 de octubre, 252,4 GB en 48 fragmentos bajo una licencia comunitaria con una línea de ingresos de 20 millones de dólares. El checkpoint base de ERNIE es descargable; el ERNIE 5.5 Flash post-entrenado no lo es, y no se ha dado ninguna fecha.

• Puntuación independiente: MiniMax 42 en el Intelligence Index, 41.º de 173 en el momento de la puntuación, $0.22 por tarea. ERNIE: ninguna. Artificial Analysis incluye filas de ERNIE 4.5 y ERNIE 5.0 y ninguna fila de ERNIE 5.5 en absoluto.

Ejecuta la factura tres veces, no una vez.

La lista de precios es la forma menos útil de comparar dos modelos que ambos razonan antes de responder. La misma tarea, cotizada de tres maneras, es más honesta.

Tomemos una carga de trabajo de revisión de documentos: 400.000 tokens de entrada, 3.000 tokens de salida por solicitud, cien solicitudes al día. En ERNIE 5.5 Flash, eso son 40 millones de tokens de entrada a $0,28 y 300.000 tokens de salida a $1,13 — $11,20 más $0,34, es decir, $11,54 al día. En MiniMax M3.1 Flash, son $6,00 más $0,18, o $6,18. ERNIE cuesta $5,36 más al día, o alrededor de $1.950 al año, por los mismos 100 documentos.

Ahora repítelo con un prompt de sistema que valga la pena cachear. Si 380.000 de esos tokens de entrada son instrucciones estables y solo 20.000 cambian, las lecturas en caché de ERNIE a $0,028 convierten la línea de entrada de $11,20 en aproximadamente $1,62; la tasa de caché de $0,015 de MiniMax lleva sus $6,00 a unos $0,87. La diferencia se reduce a bastante menos de un dólar al día, y ambos modelos se vuelven lo bastante baratos como para que la elección deje de ser financiera. El uso de caché no es una microoptimización en una ventana de un millón de tokens: es la mayor parte de la factura.

La tercera ejecución es la que nadie publica. Añade los tokens de razonamiento. No se le puede pedir a ERNIE que se los salte; en una tarea en la que piensa durante 6000 tokens antes de escribir 3000, el volumen de salida es de 9000 tokens y la línea de salida se triplica. A MiniMax se le puede decir que piense menos, y su comportamiento documentado ya es inusualmente verboso —180 millones de tokens de salida en el Intelligence Index frente a una mediana de 99 millones—, así que ambos pueden converger en la práctica. Nadie lo sabe, porque solo uno de estos modelos se ha medido siquiera. Hasta que no cuentes los tokens de salida en tus propios prompts, el segundo decimal de cualquier comparación aquí es decoración.

El razonamiento obligatorio es una postura de diseño, no un error

Es tentador interpretar el razonamiento obligatorio de alto esfuerzo de ERNIE como una limitación, y para algunas cargas de trabajo es exactamente eso: no hay una vía rápida para una clasificación de una sola palabra, y cada solicitud paga un costo en latencia y tokens que MiniMax te permite evitar. Pero la misma decisión explica el techo de salida, y dice algo sobre para quién construyó Baidu esto.

Un modelo que siempre razona, con una asignación de salida de 921.600 tokens, está concebido para ejecuciones agénticas largas: refactorizaciones a escala de repositorio, investigación de varios pasos, bucles de planificación que necesitan un lugar donde pensar. El lanzamiento del checkpoint base de Baidu apunta en la misma dirección —el corpus de preentrenamiento hace hincapié en «código a escala de repositorio y contexto largo», y las filas de benchmark que más lo favorecen son HumanEval+ con 82,3 y RepoQA con 91,7, ambas cifras de modelo base que no dicen nada directamente sobre el modelo de chat, pero sí dicen qué priorizaron los datos de entrenamiento.

El diseño de MiniMax apunta hacia otro lado. La profundidad de razonamiento ajustable, la entrada nativa de imágenes y vídeo, 125,5 tokens de salida por segundo y un tiempo hasta el primer token de 1,04 segundos describen un modelo concebido para el rendimiento: bucles autónomos, interfaces guiadas por capturas de pantalla, canalizaciones de documentos en las que la entrada es un escaneo y no un diff. Su propio lenguaje de posicionamiento gira en torno al coste por token a gran volumen, y los 0,22 $ por tarea de indexación son la cifra que lo respalda.

Dos modelos de la gama Flash, dos apuestas distintas: una por la profundidad por solicitud, otra por las solicitudes por segundo. Ninguno está equivocado, y las hojas de especificaciones son inusualmente claras sobre cuál es cuál.

Ambos son baratos; solo uno es una decisión que puedes tomar hoy

La asimetría que importa es de carácter probatorio. MiniMax M3.1 Flash tiene una puntuación de índice publicada, un coste por tarea publicado, una ficha del modelo publicada, pesos descargables y una medición independiente de cuántos tokens consume para completar una prueba de referencia. Con eso se puede tomar una decisión de compra. ERNIE 5.5 Flash Preview tiene una tabla de tarifas, una ventana de contexto y una página de prensa de Baidu que todavía encabeza con el checkpoint base y la frase «próximamente» sobre el modelo post-entrenado, que, incómodamente, es el modelo que ahora se vende.

Eso no convierte al preview en un mal modelo. Lo convierte en uno sin medir, y la postura correcta ante un modelo sin medir que cuesta el doble que un competidor ya medido no es suponer que es peor. El checkpoint base de Baidu superó a DeepSeek V4 Flash Base en 26 de 30 filas; una buena ronda de postentrenamiento sobre esa base podría razonablemente quedar por encima de 42. También podría quedar por debajo. La cuestión es que, actualmente, nadie fuera de Baidu puede saberlo, y una lista de precios no es evidencia.

Probando ambos sin firmar dos contratos

Uno de estos modelos está en una clave enrutada y el otro no. OrcaRouter sirve MiniMax M3.1 Flash al precio de lista del proveedor con un 0 % de margen, junto con GLM-5.3-Flash, DeepSeek V4.1 Flash, Qwen 3.8 Flash y Gemini 3.8 Flash: más de 200 modelos detrás de un único endpoint compatible con OpenAI, con failover automático entre proveedores y un DSL de enrutamiento para componer varios modelos en una sola llamada. ERNIE 5.5 Flash Preview no está en ese catálogo; no hay ninguna entrada de ERNIE ni ningún endpoint de Baidu al que podamos enrutar, así que hay que llamarlo con la propia API de Baidu, con una segunda clave y una segunda factura.

La ruta práctica a través de esa asimetría es construir primero la evaluación y después la integración. Coloca tus veinte prompts detrás de la clave enrutada, ejecuta MiniMax y el resto del nivel Flash, y registra los tokens de salida por tarea, no solo el precio por millón. Luego dirige los mismos veinte prompts al endpoint de Baidu y compara en el mismo eje. Si ERNIE gana en las tareas que te importan, su tarifa de 1,88× es una prima que vale la pena pagar y la falta de la ficha del modelo se convierte en una molestia en lugar de un bloqueo. Si no, habrás gastado una tarde y una pequeña factura en averiguarlo.

Lo que lo resolvería adecuadamente es una sola fila en un tracker que ejecute su propio harness. MiniMax ha tenido una desde el día de lanzamiento. Baidu podría publicar una mañana y la incertidumbre central de este artículo se desvanecería — lo cual es el indicio de que la incertidumbre no tiene que ver realmente con los modelos en absoluto. Tiene que ver con qué proveedor eligió mostrar su trabajo.