ERNIE 5.5 Flash Preview vs GPT-5.6 Luna : la grille tarifaire qui sert de référence est déjà retirée

ERNIE 5.5 Flash Preview et GPT-5.6 Luna sont cités dans la même phrase cette semaine, et le plus embarrassant, c'est le calendrier. ERNIE 5.5 Flash Preview est devenu disponible en tant que point de terminaison facturé sur la plateforme Qianfan de Baidu le 10 novembre 2026, l'article de lancement suivant un jour plus tard. GPT-5.6 Luna est sorti le 9 juillet 2026, et il est signalé comme obsolète sur le tableau de suivi d'Artificial Analysis depuis le 22 septembre 2026, date à laquelle GPT-6 Luna est arrivé à environ la moitié du prix. La comparaison dont un lecteur a réellement besoin n'est donc pas celle que suggèrent les deux noms. C'est ERNIE 5.5 Flash Preview face à une grille tarifaire que son propre fournisseur a déjà dépassée — et, ensuite, face au successeur qui l'a remplacé. Le successeur est facturé à 0,10 $ et 0,50 $ avec le même indice mesuré et repose sur la même clé que le modèle qu'il a remplacé.

Cela ne rend pas la comparaison directe inutile. Cela en fait un travail différent. Il y a une vraie différence de prix, une vraie différence de contexte et une véritable question : lequel de ces deux modèles placeriez-vous devant une tâche sans supervision ? Ce qui n’existe pas, d’un côté comme de l’autre, c’est un tableau de scores commun. Chaque chiffre ci-dessous provient soit de l’exécution propre à Baidu, soit de l’exécution propre d’Artificial Analysis, soit d’un tarif publié, et aucun d’eux ne peut être soustrait de l’autre.

Qu'est-il arrivé à GPT-5.6 Luna, et pourquoi cela compte ici

GPT-5.6 Luna est un modèle à contexte de 1 M, au prix de 0,20 $ par million de tokens d’entrée et de 1,20 $ par million de tokens de sortie. Sur Artificial Analysis, il affiche un Intelligence Index de 23,8, et la même fiche porte un indicateur d’obsolescence avec une date de remplacement au 22 septembre 2026. Son remplaçant, GPT-6 Luna, est proposé à 0,10 $ en entrée et 0,50 $ en sortie sur le même contexte de 1 M, et obtient 23,5 avec un effort xhigh et 18,5 avec medium sur le même indice — statistiquement équivalent au modèle qu’il remplace, à moins de la moitié du tarif de sortie.

Deux choses en découlent, et toutes deux vont à l’encontre de la présentation évidente de cette page. Premièrement, un SKU obsolète n’est pas mort — il répond encore aux requêtes, et beaucoup de code pointe encore vers lui — mais c’est une carte que plus personne ne défend sur le prix. Deuxièmement, si vous comparez ERNIE 5.5 Flash Preview à un Luna parce que Luna est le niveau rapide et économique que vous connaissez déjà, le modèle que vous connaissez réellement est désormais GPT-6 Luna. Opposer un aperçu vieux de deux jours à une carte retirée flatte l’aperçu sur le prix et ne vous apprend rien sur la facture que vous paieriez au prochain trimestre.

Il y a une troisième chose, moins flatteuse pour la comparaison et qui mérite d’être dite d’emblée : GPT-5.6 Luna dispose d’un score indépendant. ERNIE 5.5 Flash Preview, non. Au 11 novembre, il n’existe aucune ligne ERNIE 5.5 nulle part sur le classement d’Artificial Analysis, de sorte que chaque chiffre concernant ERNIE dans cet article provient de Baidu, obtenu avec les harnais de test de Baidu, et évalué par des modèles choisis par Baidu.

Six dimensions, les deux côtés sur la même ligne

Lisez-les comme une carte des points de désaccord entre les deux, et non comme un décompte. Les lignes relatives au prix et au contexte sont des chiffres exacts issus de cartes publiées. Les lignes de score ne sont pas du même type de nombre les unes que les autres, ce qui fait l’objet de la section suivante.

• Prix — ERNIE 5.5 Flash Preview à 0,28 $ en entrée et 1,13 $ en sortie par million de tokens, contre GPT-5.6 Luna à 0,20 $ en entrée et 1,20 $ en sortie. L’entrée d’ERNIE est 40 % plus chère ; sa sortie est environ 6 % moins chère.

• Prix du successeur — ERNIE n’a pas de successeur et une seule carte face à GPT-6 Luna à 0,10 $ en entrée et 0,50 $ en sortie, soit moins de la moitié du tarif de sortie d’ERNIE et un cinquième de son tarif d’entrée.

• Fenêtre de contexte — 1 024 000 jetons contre 1 000 000. Une différence d’arrondi ; aucun des deux n’est le facteur décisif.

• Plafond de sortie — 921 600 tokens en un seul appel, contre un contexte de 1 M sans plafond de sortie en un seul appel comparable publié sous la même forme. C’est la seule spécification où ERNIE est véritablement dans une classe à part.

• Score indépendant — aucune ligne Artificial Analysis face à un Intelligence Index de 23,8. L’un des côtés de cette ligne a un tiers derrière lui, l’autre non.

• Coût mesuré par tâche — non publié par Baidu, contre 0,33 $ par tâche sur la suite d'Artificial Analysis à une moyenne de 522 secondes par tâche, tombant à 0,15 $ par tâche sur GPT-6 Luna.

• Statut — un aperçu que Baidu qualifie de point de contrôle intermédiaire issu du post-entraînement, par opposition à une référence (SKU) marquée comme obsolète avec un remplaçant nommé déjà commercialisé.

Pourquoi les deux chiffres clés ne peuvent pas être soustraits

Le chiffre que l'on voudra mettre côte à côte, c'est Terminal-Bench 4.0 : 46,5 pour ERNIE 5.5 Flash Preview, tiré de l'annexe de Baidu, contre 11,6 pour GPT-5.6 Luna, issu de l'évaluation propre à Artificial Analysis. Un écart de 35 points semble décisif. Ce n'est pourtant pas un écart du tout, car les deux chiffres proviennent de harnais différents, d'échafaudages différents et de juges différents, et un seul d'entre eux a été produit par une personne n'ayant aucun intérêt au résultat.

Baidu se montre exceptionnellement transparent sur la configuration de son banc d’essai, ce qui rend le décalage compréhensible. Ses notes de bas de page nomment les infrastructures d’évaluation — Claude Code 2.1.x, mini-swe-agent 2.4.6, Codex 0.162.1 et quelque chose d’abrégé en DSH — ainsi que les modèles juges, Qwen3.8-Max, DeepSeek-V4.1-Flash-1017 et Gemini 3.1 Flash-Lite. Une note de bas de page reconnaît qu’ERNIE 5.5 Flash Preview et GLM-5.3 ne disposent pas de capacité multimodale native et que la compréhension d’images pendant l’évaluation était assurée par un outil propulsé par Claude Opus 5.5. Ainsi, au moins certaines lignes dépendantes de la vision mesurent un système dans lequel le modèle testé appelle le modèle d’un autre fournisseur pour examiner les choses. C’est un choix d’ingénierie défendable. C’est aussi une raison pour laquelle ces lignes ne constituent pas un score à conditions égales.

La paire d’omniscience présente le même problème sous une forme plus subtile. Baidu rapporte AA-Omniscience-Public à 25,2 ; Artificial Analysis enregistre −17,1 pour GPT-5.6 Luna sur son indice Omniscience. Les libellés diffèrent, un nombre provient d’une exécution du fournisseur et l’autre non, et la métrique pénalise les réponses erronées formulées avec assurance, ce qui est exactement le comportement qu’une évaluation auto-déclarée est la moins susceptible de faire ressortir. Considérez-les comme deux points de données sans lien, et non comme un écart de 42 points.

La seule comparaison vraiment équitable est la comparaison interne : GPT-5.6 Luna à 23,8 contre GPT-6 Luna à 23,5, toutes deux mesurées de la même manière par les mêmes personnes. C’est cette paire qui permet de voir que le successeur relève d’un changement de prix plutôt que de capacité — et c’est cette paire qui vous dit ce que ERNIE 5.5 Flash Preview est réellement appelé à battre.

Ce que chaque camp gagne réellement

ERNIE 5.5 Flash Preview l’emporte sur le plafond et sur la fraîcheur. Une limite de sortie de 921 600 tokens pour une fenêtre de 1 024 000 tokens signifie qu’un seul appel peut produire presque autant qu’il peut contenir, ce qui constitue la condition mécanique préalable à la compilation Unreal Engine de onze heures que Baidu a placée au centre de son billet de lancement. Rien sur la fiche de GPT-5.6 Luna ne rivalise avec cela, et rien sur celle de GPT-6 Luna non plus. ERNIE remporte aussi le seul concours qui ne porte pas sur les chiffres : c’est le modèle qui a quelque chose à prouver ce mois-ci, et Baidu a promis des poids sous Apache 2.0, sans en donner la date.

GPT-5.6 Luna l'emporte sur la vérification et sur le prix des entrées. Il existe un score tiers que vous pouvez consulter, un coût publié par tâche terminée, un temps mesuré par tâche et un tarif d'entrée 40 % moins cher. Ce sont ces éléments qui rendent un modèle sûr à intégrer derrière un produit, et ERNIE 5.5 Flash Preview n'en dispose actuellement d'aucun — pas de fiche modèle, pas de date limite de connaissances, pas de chiffre de latence et pas de ligne indépendante.

GPT-6 Luna l'emporte nettement sur le prix, et c'est ce constat qui recadre la page. Si la question est « quel modèle rapide et bon marché dois-je appeler », la réponse au sein de la famille Luna n'est pas GPT-5.6 Luna ; c'est le successeur à 0,10 $ et 0,50 $, avec le même indice mesuré et un coût par tâche inférieur de plus de moitié à celui de son prédécesseur. Une comparaison qui s'arrête à GPT-5.6 Luna compare ERNIE à la mauvaise moitié de la famille.

La décision, énoncée sans ambages

Si vous avez besoin aujourd’hui d’un modèle évalué de manière indépendante, à un coût par tâche connu, vous n’avez pas besoin d’ERNIE 5.5 Flash Preview — vous avez besoin d’une Luna, et précisément de l’actuelle. Il n’y a rien à évaluer, car quelqu’un d’autre l’a déjà fait.

Si vous avez une tâche dont la sortie atteint réellement des centaines de milliers de tokens en une seule passe — une compilation longue, une refactorisation complète d’un dépôt, un document que personne ne veut découper — ERNIE 5.5 Flash Preview est le seul modèle de cette page à publier un plafond de sortie le permettant, et son débit de sortie est légèrement inférieur à celui de GPT-5.6 Luna. Il s’agit d’un cas étroit et spécifique, et c’est le seul cas que la fiche technique prend en charge.

Si vous vous situez quelque part entre les deux, la réponse honnête est qu’aucune des deux cartes ne tranche, car aucun des deux fournisseurs n’a publié de tokens par tâche terminée pour la charge de travail que vous envisagez. Le 0,33 $ de GPT-5.6 Luna correspond à la suite d’Artificial Analysis, pas à la vôtre.

Une clé, deux grilles tarifaires et une migration qui n’est pas un projet

ERNIE 5.5 Flash Preview ne fait pas partie de ce qu'OrcaRouter propose. Il n'y a aucune entrée ERNIE dans le catalogue et aucun point de terminaison Baidu derrière, donc c'est vers l'API Qianfan de Baidu elle-même et vers les plateformes tierces qui la revendent qu'il faut vous tourner. Rien ici ne constitue une offre de le router.

Le cas de Luna est l'inverse, et il est instructif. GPT-5.6 Luna et GPT-6 Luna figurent tous deux au catalogue d'OrcaRouter, au prix catalogue du fournisseur, sans marge — 0,20 $ et 1,20 $ pour la référence obsolète, 0,10 $ et 0,50 $ pour celle qui l'a remplacée. Voilà à quoi ressemble une grille tarifaire supplantée vue de l'intérieur : la chaîne du modèle change, la clé non, et personne n'a besoin de signer quoi que ce soit. Lorsqu'un fournisseur retire un modèle en cours de trimestre — comme cela s'est produit ici le 22 septembre — le remplacement coûte une ligne dans une configuration plutôt qu'un cycle d'approvisionnement, et vous pouvez comparer les tarifs de l'ancienne et de la nouvelle grille sur une même facture.

Ce qui trancherait cette comparaison n’est pas un tableau de benchmark de plus. C’est une ligne {{1}}ERNIE 5.5{{/1}} produite par {{2}}Artificial Analysis{{/2}}, un chiffre publié de tokens par tâche pour le build de onze heures, et une grille tarifaire pour ERNIE sur le palier qu’occupe désormais {{3}}GPT-6 Luna{{/3}}. Tant qu’aucun de ces éléments n’existe, {{4}}ERNIE 5.5 Flash Preview{{/4}} face à {{5}}GPT-5.6 Luna{{/5}} est un aperçu vieux de deux jours mesuré à une carte retirée par deux groupes de personnes qui n’ont jamais partagé de harnais — et la version utile de la question est de savoir si l’aperçu peut conserver son avantage de plafond de sortie une fois que quelqu’un sans intérêt dans la réponse réalise le test.