ERNIE-5.5-Flash vs Qwen 3.8 Flash: un checkpoint base se encuentra con un modelo final

Coloca ERNIE-5.5-Flash junto a Qwen 3.8 Flash y la primera observación honesta es que no son el mismo tipo de objeto. Lo que Baidu ha publicado en realidad es ERNIE-5.5-Flash-Base, el checkpoint al final del preentrenamiento —antes del mid-training, antes del ajuste por instrucciones, antes de cualquier trabajo de preferencias—, por lo que continúa texto en lugar de responder solicitudes, y se sirve mediante un endpoint de completions, no de chat. Qwen 3.8 Flash, que Alibaba lanzó el 26 de agosto de 2026, es un modelo multimodal terminado que acepta texto, imágenes y vídeo y devuelve texto, a 0,15 $ por millón de tokens de entrada y 0,47 $ por millón de salida. Uno es un punto de partida que todavía tienes que entrenar; el otro es un producto al que puedes llamar esta misma tarde. Casi todos los números que aparecen a continuación cambian de significado según cuál de esas dos cosas creas que estás comparando, y por eso conviene aclararlo antes de la ficha técnica y no después.

Lo que Baidu ha lanzado y lo que no ha dicho

El lanzamiento es silencioso de la manera específica en que suelen serlo los lanzamientos chinos de pesos abiertos: los artefactos llegan antes que la historia. El repositorio baidu/ERNIE-5.5-Flash-Base se creó en Hugging Face el 21 de octubre, permaneció casi vacío durante una semana y luego recibió sus 128 fragmentos de pesos FP8 entre el 2 y el 3 de noviembre. Los diagramas de arquitectura y de benchmarks llegaron el 4 de noviembre, y la propia tarjeta seguía revisándose esta mañana. La página de lanzamiento de Baidu está fechada hoy, 5 de noviembre, y la única discusión que ha generado fuera de esa página es un hilo de foro y una publicación de WeChat. No hay comunicado de prensa, ni evento de lanzamiento, ni cobertura mediática que merezca mencionarse.

Eso importa para aquello en lo que se puede y no se puede confiar. Se puede saber a partir del repositorio: la arquitectura, los recuentos de parámetros, una tabla completa de benchmarks del proveedor con un arnés de evaluación nombrado explícitamente, recetas de servicio funcionales para SGLang y vLLM, el texto de la licencia y el hecho de que existe una versión hermana en BF16 junto a la de FP8. No se puede saber: si Baidu tiene intención de servirlo como API —la hoja de precios de Qianfan, actualizada por última vez el 18 de octubre, incluye ERNIE 5.1, 5.0 y 4.5 Turbo, y ninguna entrada de ERNIE 5.5 de ningún tipo—, qué puntuación obtiene una versión ajustada a instrucciones, y si algún evaluador independiente reproducirá un solo número de la tabla de Baidu.

La especificación de la revista, para que conste: 280B de parámetros totales con 14B activos por token, preentrenado desde cero con 33.5T de tokens, 43 capas de las cuales una es una FFN densa y 42 son MoE, 512 expertos enrutados con enrutamiento top-10 más un experto compartido, y un vocabulario de 201,216 tokens. La configuración publicada habilita un contexto de 1,048,576 tokens, aunque el entrenamiento solo vio 131,072. También hay una cabeza de predicción multi-token de 0.36B que no se cuenta en ninguna de las dos cifras de parámetros.

El contraste de especificaciones, en las dimensiones que realmente deciden

• Lo que recibes — ERNIE-5.5-Flash-Base es solo un checkpoint: los pesos que descargas, un endpoint /v1/completions y ningún comportamiento de seguimiento de instrucciones. Qwen 3.8 Flash es un modelo servido con llamada a herramientas, modo de razonamiento, salidas estructuradas y una respuesta máxima de 131.072 tokens.

• Tamaño — 280B en total / 14B activos para ERNIE frente a 125B en total / aproximadamente 6B activos para Qwen 3.8 Flash, que además incluye una tabla de embeddings de n-gramas de 51B y una cabeza MTP de ~4B, lo que supone unos 180B de parámetros en disco.

• Diseño de la atención — ERNIE usa 43 capas divididas en 37 capas de atención fuertemente comprimida (HCA) más 6 capas MLA con atención dispersa; Qwen 3.8 Flash usa un híbrido de Gated DeltaNet más atención dispersa de Qwen a lo largo de 48 capas. Ambas son apuestas de que la atención completa clásica es lo incorrecto en lo que gastar a precios de la gama Flash, planteadas desde direcciones opuestas.

• Contexto — 1M de tokens anunciados en ambos lados, pero desde lugares distintos: ERNIE se entrenó a 128K y habilita 1M solo en la etapa de ajuste fino y en inferencia, mientras que Qwen 3.8 Flash es nativamente de 262K y alcanza 1M mediante la extensión YaRN.

• Modalidad — ERNIE-5.5-Flash-Base solo admite texto, en inglés y chino. Qwen 3.8 Flash acepta texto, imágenes y vídeo, y su tabla del proveedor incluye resultados de AndroidWorld, OSWorld 2.0, MathVision y LVBench que un checkpoint solo de texto no puede producir.

• Pesos del lado de Qwen — el Qwen 3.8 Flash de producción solo está disponible mediante API, pero su hermano con pesos abiertos Qwen3.8-Flash-Next se publica bajo la Licencia Comunitaria de Qwen 1.0, por lo que ambos lados son más comparables de lo que sugiere en principio el planteamiento de API frente a pesos.

• Servicio — Baidu ofrece una receta funcional: la imagen lmsysorg/sglang:dev-ernie-55-flash con --tp 4, o vLLM 0.32.0 más el complemento baidu/vLLM-ERNIE con tamaño de paralelismo de datos 4. Qwen 3.8 Flash no necesita receta de servicio porque Alibaba te lo sirve.

• Precio — no hay ningún precio publicado por token para ERNIE-5.5-Flash-Base en ningún sitio, porque no existe un endpoint alojado al que asignarle un precio; $0.15 de entrada / $0.47 de salida por millón de tokens para Qwen 3.8 Flash, con lecturas de entrada en caché a $0.0184.

• Licencia — el Acuerdo de Licencia del Modelo Base ERNIE 5.5 Flash v1.0, un acuerdo personalizado que vale la pena leer en su totalidad antes de crear un producto sobre él, frente a la Licencia Comunitaria Qwen 1.0 del lado abierto de Qwen.

Las filas de benchmark que parecen comparables y no lo son

Aquí está la trampa que plantea esta comparación. Ambos proveedores publican una cifra de LiveCodeBench, y esas dos cifras son 40,1 y 91,9.

No están midiendo lo mismo, y la diferencia entre ellos no es una diferencia de capacidad. El 40,1 de Baidu es Pass@1, one-shot, sobre el checkpoint preentrenado en bruto —se le está pidiendo al modelo que complete continuaciones de código sin que se le haya enseñado nunca a seguir una instrucción. El 91,9 de Alibaba es LiveCodeBench v6, una versión diferente y posterior del benchmark, reportada para un modelo que ha pasado por un pipeline completo de postentrenamiento. El par de GPQA tiene el mismo problema: 60,2 para ERNIE en coincidencia exacta con five-shot sobre un checkpoint base, 91,7 para Qwen en GPQA Diamond después del ajuste por instrucciones. Incluso la comparación de MMLU, 93,3 frente a un modelo que no publica MMLU, no tiene nada con lo que compararse.

Esto no es una crítica a ninguno de los dos modelos. Es una afirmación sobre para qué sirve una evaluación de modelo base. Un 40,1 en LiveCodeBench por parte de un checkpoint que nunca ha visto una instrucción dice cuánta estructura de programación absorbió el preentrenamiento, y es una cifra razonable bajo esa lectura. No te dice nada sobre cómo puntuarían esos mismos pesos después de que alguien los ajustara finamente. Nadie, incluido Baidu, ha publicado esa cifra.

La única tabla que puede leerse sin reservas es la de Baidu, porque las cuatro columnas pasaron por el mismo pipeline, los mismos prompts y la misma configuración de few-shot. Frente a DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) y MiMo-V2.5-Base (310B-A15B), ERNIE-5.5-Flash-Base obtiene el mejor resultado de la fila en 24 de 30 benchmarks, incluidos MMLU-Pro con 78,4 frente a 69,2, HumanEval+ con 82,3 frente a 69,5 y RepoQA con 91,7 frente a 81,0. Pierde ChineseSimpleQA frente a DeepSeek, FullStackBench y la cadena de pensamiento de BBH frente a Hy3, y tanto HELMET-Rerank como InfiniteBench frente a DeepSeek. Son cifras ejecutadas por el proveedor en un harness elegido por el proveedor y sin replicación independiente, pero son comparables internamente, lo que no puede decirse de ningún emparejamiento entre proveedores de este artículo.

Cuánto cuesta cada ruta, con los cálculos mostrados

Qwen 3.8 Flash es el más sencillo de tarificar. Tomemos una carga de trabajo de soporte y extracción de 1.000 solicitudes al día, con un promedio de 6.000 tokens de entrada y 800 de salida: 6 M de tokens de entrada y 0,8 M de salida al día, o 180 M y 24 M en un mes de 30 días. A $0.15 y $0.47 por millón, eso son $27.00 más $11.28 — $38.28 al mes, y las lecturas en caché a $0.0184 por millón reducen aún más la parte recurrente del prompt del sistema.

ERNIE-5.5-Flash-Base no tiene una partida equivalente, así que el único modelo de costes honesto es el hardware. El repositorio FP8 son 128 fragmentos de aproximadamente 2,25 GB cada uno, unos 288 GB de pesos; el hermano BF16 duplica esa cifra. El propio comando de lanzamiento de SGLang de Baidu lo fragmenta en cuatro partes con --tp 4, lo que deja unos 72 GB de pesos en cada GPU antes de que exista ninguna caché KV — viable en una tarjeta de 80 GB solo si nunca usas la ventana de contexto, y cómodo en tarjetas de la clase H200. Alquila cuatro de esas a un precio medio de entre 2 y 3 $ por GPU-hora y el nodo cuesta aproximadamente entre 5800 y 8600 $ al mes funcionando de forma continua, antes de haber pagado a nadie para ajustarlo, evaluarlo o mantener actualizado el stack de servicio.

Eso es del orden de 150 a 225 veces la factura de la API de Qwen del ejemplo anterior, y la comparación es deliberadamente injusta en una dirección: los dos no son sustitutos hasta que alguien entrene posteriormente el checkpoint de ERNIE. El objetivo de la aritmética no es que el autoalojamiento sea caro —es que el costo fijo es real y llega antes de que el modelo pueda responder a una sola instrucción, así que el volumen al que poseerlo supera a alquilar algo terminado es mucho mayor de lo que sugiere una comparación por token.

El contexto largo es donde ambos diseños convergen.

Ambos modelos afirman tener un millón de tokens, y ambos lo logran al negarse a prestar atención completa sobre un millón de posiciones. Las capas HCA de ERNIE almacenan en caché una sola entrada por cada 128 tokens, por lo que 37 de sus 43 capas hacen crecer su caché KV 128 veces más despacio que una capa convencional; las seis capas MLA mantienen acceso a resolución completa para los tokens que lo necesitan. El híbrido GDN-plus-QSA de Qwen hace el mismo tipo de intercambio desde el lado de la atención dispersa, y sus 6B de parámetros activos mantienen bajo el cómputo por token independientemente de lo que esté haciendo la atención.

Para un lector, la diferencia práctica no está en qué diseño es más ingenioso —ambos son creíbles—, sino en que solo uno de los dos conlleva un costo por usar realmente ese contexto. Un prompt de un millón de tokens en Qwen 3.8 Flash tiene hoy una cifra asociada. En ERNIE-5.5-Flash-Base, el mismo prompt tiene una estimación en horas de GPU y una pregunta sin respuesta sobre cómo se comporta un modelo base a esa longitud sin ajuste por instrucciones.

¿Quién debería elegir cuál?

Elige Qwen 3.8 Flash si necesitas un modelo que siga instrucciones ya, si tus entradas incluyen capturas de pantalla, documentos o vídeo, si quieres que la factura del contexto largo sea el problema de planificación de capacidad de otro, y si 0,15 $/0,47 $ por millón de tokens encaja con la economía unitaria de lo que estás construyendo. Tiene dos meses, los rastreadores de terceros lo han detectado desde su lanzamiento, y las cifras del proveedor —SWE-bench Pro 62,5, GPQA Diamond 91,7, CoWorkBench 73,9— son afirmaciones en lugar de resultados verificados, así que trátalas como un límite superior hasta que tu propia evaluación diga lo contrario.

Elige ERNIE-5.5-Flash-Base si tienes capacidad de postentrenamiento y una razón para poseer el modelo en lugar de alquilarlo: un dominio cuyos datos no puedes enviar a una API, una carga de trabajo en chino e inglés en la que CMMLU 90.0 y ChineseSimpleQA 73.0 son las cifras que te importan, un programa de investigación en RL que quiera un punto de partida 280B-A14B, o un presupuesto de latencia que justifique un nodo dedicado de cuatro GPU. También debes sentirte cómodo con que la licencia sea un acuerdo personalizado de Baidu, no Apache, y con que el modelo no hace nada útil hasta que tu equipo lo haga útil.

No elijas ninguno de los dos, aunque, si lo que realmente quieres es un modelo de propósito general probado. Qwen 3.8 Flash es un producto terminado sin puntuación independiente en benchmarks, y ERNIE-5.5-Flash-Base es un modelo inacabado con una tabla de benchmarks del proveedor. Ninguno de los dos es la opción segura por defecto que sería un modelo insignia de hace dos años.

Ejecutar el experimento sin apostar una hoja de ruta a ello.

La parte incómoda de esta comparación es que se llega a los dos lados de formas completamente distintas, y una capa de enrutamiento ayuda exactamente con uno de ellos. Qwen 3.8 Flash está disponible a través de OrcaRouter como qwen/qwen3.8-flash, al precio de lista del proveedor con un 0% de recargo — los mismos $0.15 y $0.47 que cobra el proveedor, trasladados sin añadir nada por el salto. ERNIE-5.5-Flash-Base no es algo que ofrezcamos: es una publicación de pesos, y no existe ningún endpoint alojado para él al que enrutar, ni aquí ni en ningún otro lugar que podamos encontrar.

Lo que un único endpoint realmente aporta en esta situación es la parte que viene después del experimento. El camino realista para un ERNIE 5.5 Flash es que un equipo haga un post-entrenamiento del checkpoint base, y la pregunta entonces pasa a ser si el modelo ajustado supera a Qwen 3.8 Flash con tu propio tráfico. Con ambos detrás de una sola clave, eso es un cambio de model-id en lugar de un segundo contrato y un segundo SDK, el DSL de enrutamiento puede dividir el tráfico de producción entre ambos mientras tú decides, y la conmutación por error automática significa que un ganador no probado no puede tumbar toda la funcionalidad en su primer mal día. La fusión de modelos te ofrece la tercera opción —un panel que responde en conjunto—, que suele ser la forma más barata de averiguar si un nuevo ajuste es realmente mejor que el actual o simplemente diferente.

¿Qué cambiaría esta respuesta?

Tres cosas, en orden aproximado de probabilidad. Un ERNIE 5.5 Flash ajustado con instrucciones convertiría esto de un desajuste de categoría en un verdadero cara a cara, y las cifras del modelo base sugieren que sería competitivo: 82.3 en HumanEval+ y 91.7 en RepoQA partiendo de un checkpoint sin ajustar es una posición inicial sólida. Una entrada de ERNIE 5.5 en la lista de precios de Qianfan daría a los cálculos de autohospedaje algo con lo que compararse y te diría si Baidu tiene la intención de vender este modelo o regalarlo. Y una puntuación de terceros para cualquiera de los dos modelos permitiría al lector dejar de confiar en las tablas de los proveedores, que es la situación en la que está atascado este emparejamiento hoy: Qwen 3.8 Flash no tiene ningún resultado de benchmark independiente a su nombre, y ERNIE-5.5-Flash-Base no tiene ni una sola fila en ningún ranking neutral.

Hasta que lleguen dos de esos, «cuál es mejor» no es una pregunta que alguien haya medido. Lo que se puede responder hoy es más concreto y más útil: Qwen 3.8 Flash es un modelo al que puedes llamar, y ERNIE-5.5-Flash-Base es un modelo sobre el que puedes construir. Son trabajos distintos, y ninguna tabla de benchmarks va a resolver cuál de los dos tienes.