ERNIE-5.5-Flash vs GPT-6 Luna : ce qu’un niveau Flash vous doit réellement

Flash n’est pas un nombre de paramètres. C’est une promesse commerciale en quatre clauses : un prix par million de tokens, une latence sur laquelle on peut planifier une requête, une fenêtre de contexte sur laquelle on peut dimensionner une application, et un score vérifié par un tiers indépendant. GPT-6 Luna, publié par OpenAI le 22 septembre 2026, rend publics les quatre. ERNIE-5.5-Flash, dont Baidu a publié les poids de base le 5 novembre 2026, n’en rend public aucun — ni prix, ni latence servie, ni évaluation indépendante, et un chiffre de contexte qui décrit une configuration de checkpoint plutôt qu’un point de terminaison. Comparer ERNIE-5.5-Flash à GPT-6 Luna n’est donc pas un duel. C’est un test utile de ce que le mot « Flash » est censé garantir, et une démonstration de la part de cette garantie que Baidu n’a pas encore apportée. Luna est proposée au tarif catalogue du fournisseur, avec des politiques de routage pour l’effort et le contexte réunies au même endroit.

Clause un : prix

GPT-6 Luna est affiché à 0,10 $ par million de tokens d’entrée et à 0,50 $ par million de tokens de sortie. La lecture des entrées mises en cache coûte environ 0,01 $, l’écriture en cache environ 0,125 $, et les prompts dépassant 272 K tokens d’entrée passent à un palier supérieur à 0,20 $/0,75 $. Par rapport à GPT-6 Sol à 2 $/10 $ et à GPT-6 Astra à 10 $/50 $, Luna coûte environ un vingtième et un centième de ces montants, respectivement — OpenAI présente ce lancement comme une réduction permanente de 50 % par rapport aux tarifs promotionnels de GPT-5.6, et non comme une remise temporaire.

ERNIE-5.5-Flash n’a pas de prix. Ni un prix non publié, ni un prix sur devis entreprise : le modèle post-entraîné n’existe pas, donc il n’y a rien à tarifer. Ce qui existe, c’est ERNIE-5.5-Flash-Base, un MoE clairsemé de 280 milliards de paramètres avec 14 milliards de paramètres actifs par token sous l’ERNIE 5.5 Flash Base Model License Agreement v1.0, téléchargeable gratuitement en FP8 et BF16.

Voilà toute la clause un. D’un côté, un modèle à dix cents par million de jetons d’entrée, et de l’autre, un dépôt.

Clause deux : latence

Le profil de latence de Luna est étonnamment honnête sur ses propres compromis. Le débit de sortie tourne autour de 154 tokens par seconde. À faible effort de raisonnement, le temps médian jusqu’au premier token est d’environ 1,5 seconde. À effort de raisonnement maximal, il s’étire jusqu’à environ 124 secondes — un chiffre qui rend le modèle inutilisable pour le travail interactif à ce réglage, et parfaitement raisonnable pour l’analyse par lots. Un niveau Flash qui publie les deux chiffres vous indique à quels déploiements il est destiné.

ERNIE-5.5-Flash ne publie ni débit ni temps jusqu'au premier token, car il n'existe aucun endpoint servi à mesurer. Ce que l'on peut déduire est d'ordre architectural : 14B de paramètres actifs par token sur 280B au total correspond à une conception visant un décodage bon marché et rapide, et 14B actifs représentent un ensemble de travail plus petit que les 18B de GLM-5.3 Flash ou la répartition 8B en entrée/16B en sortie de DeepSeek V4.1 Flash. Sur le papier, il est conçu pour être rapide. C'est sur le papier que cette affirmation doit rester tant que personne ne le met en service.

Clause trois : contexte

La fenêtre de GPT-6 Luna est d'environ un million de tokens, avec une sortie plafonnée près de 128K. Le détail qui mérite attention, c'est que cela dépasse les 872K de GPT-6 Sol — le modèle moins cher accepte plus d'entrée que le modèle coûteux. Cela inverse la logique d'escalade habituelle. Le schéma de routage standard consiste à « envoyer la grosse charge utile au grand modèle » ; Luna le brise, et tout routeur configuré selon l'ancienne hypothèse dépensera excessivement.

ERNIE-5.5-Flash-Base annonce un contexte d’entraînement de 128K et 1 048 576 tokens activés pour le fine-tuning et l’inférence dans la configuration publiée. Ce ne sont pas le même type de chiffres que ceux de Luna. L’un est un indicateur de configuration sur un checkpoint qui n’a jamais été servi à cette longueur ; l’autre est une limite produit assortie d’un palier tarifaire à 272K. Les éléments de preuve de Baidu en matière de contexte long consistent en une batterie de benchmarks — HELMET-RAG 71,5, RepoQA 91,7, LongBench-v2 48,7, InfiniteBench 46,5 — exécutée avec son propre harnais, et le billet reconnaît qu’au moins deux de ces lignes de contexte long reviennent à un modèle de base concurrent.

Clause quatre : un score vérifié par quelqu'un d'autre

La position publiée de Luna est mitigée, et c’est ce qui la rend crédible. BenchGecko rapporte un score moyen de 55,9 avec un rang autour de la 116e place ; les chiffres issus de sources proches du fournisseur incluent DeepSWE v1.1 à 66,6, OSWorld 2.0 à 52,7, LiveBench codage 79 et mathématiques 89,1. Terminal-Bench 4.0 atteint environ 13,6 pour cent sur l’exécution de Vals AI, et AutomationBench 20,7. Artificial Analysis situe son indice d’intelligence autour de 37 à 38, en dessous de Sol à environ 48 et d’Astra à environ 53, et son indice d’agent de codage à environ 41 — une régression par rapport aux 43 de GPT-5.6 Luna. Le taux d’hallucination s’est amélioré, passant de 93 pour cent à 77 pour cent, ce qui est mieux et toujours pas bon.

Luna est donc un modèle bon marché avec un plafond documenté et au moins une régression documentée. C’est plus utile pour un acheteur qu’un chiffre solide sans provenance, car cela vous indique où ne pas l’utiliser : les boucles de codage agentique, le rappel factuel à enjeux élevés et tout ce qui dépend d’une manipulation d’environnement de style Terminal-Bench.

Le volet d’ERNIE-5.5-Flash de cette clause est un tableau de modèle de base. MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, HumanEval+ 82,3, LiveCodeBench 40,1 — tous mesurés avant le post-entraînement, dans le harnais de Baidu, face à d’autres points de contrôle de base. C’est un tableau légitime. Ce n’est pas une réponse à « quelle est la qualité du modèle que j’appellerais », car le modèle que vous appelleriez n’a pas encore été construit.

Pourquoi « Flash » à 280B est une bête à part

Il y a un point structurel qui se cache sous la comparaison. Luna est un petit modèle rendu bon marché par sa petite taille. ERNIE-5.5-Flash est un grand modèle rendu bon marché en activant une petite partie de lui-même — 14B sur 280B par token. Le modèle économique est réellement différent : le coût mémoire évolue avec le total de 280B, le coût de calcul avec les 14B actifs. Pour un fournisseur servant à fort volume, c’est une configuration attrayante, car la partie coûteuse est amortie sur de nombreuses requêtes simultanées et la partie bon marché correspond à ce que coûte chaque token.

Pour un auto-hébergeur, cette même configuration pose problème. Il faut la mémoire pour 280 milliards de paramètres en FP8 — de l’ordre de 280 Go avant le cache KV — afin d’obtenir le profil de calcul d’un modèle de 14 milliards. C’est un déploiement en centre de données, pas sur une station de travail, et c’est pourquoi les checkpoints de base de cette taille tendent à devenir des API plutôt que des modèles locaux.

Luna est l’opposé : suffisamment petite pour être proposée à grande échelle, avec un prix qui le reflète, et disponible via l’API d’OpenAI, ChatGPT Work, Codex et l’application de bureau sur les forfaits Free et Go. La distribution fait partie du produit.

Là où OrcaRouter est pertinent, et là où il ne l'est pas

GPT-6 Luna est routable sur OrcaRouter sous la référence openai/gpt-6-luna, au prix catalogue du fournisseur, avec 0 % de marge. Cela compte plus que d’habitude pour ce modèle, car les décisions de routage intéressantes autour de Luna ne concernent pas du tout le prix — elles concernent l’effort. Une requête qui nécessite une latence de 1,5 seconde avant le premier token ne doit pas être envoyée avec le même réglage d’effort qu’une tâche par lots pouvant attendre deux minutes, et une charge de travail qui a occasionnellement besoin de 800K de contexte ne doit pas être envoyée par défaut à Sol en supposant que le modèle plus grand a la plus grande fenêtre. Une couche de routage qui peut regrouper ces politiques au même endroit, avec un basculement automatique lorsqu’un fournisseur se dégrade, fait ici un vrai travail.

ERNIE-5.5-Flash ne figure pas dans le catalogue d’OrcaRouter — 216 identifiants de modèles, aucune entrée ERNIE — et rien dans cet article ne doit être lu comme une affirmation qu’il y figure. Il n’existe aucun point de terminaison vers lequel router. La position honnête est que le jour où Baidu servira le modèle post-entraîné, la question du routage deviendra intéressante ; aujourd’hui, elle est hypothétique.

Qu’est-ce qui ferait d’ERNIE un concurrent de Luna ?

Quatre choses, et ce sont les mêmes quatre clauses.

• Un prix égal ou inférieur à 0,10 $/0,50 $. Tout tarif supérieur à celui de Luna doit se justifier par la qualité en langue chinoise ou la résidence des données, et Baidu n’a encore avancé aucun de ces deux arguments pour ce modèle.

• Un chiffre de débit mesuré. La conception à 14 B de paramètres actifs suggère qu’il pourrait être rapide ; tant qu’un fournisseur n’a pas publié de nombre de jetons par seconde ni de temps jusqu’au premier jeton, il s’agit d’une inférence architecturale, et non d’une spécification.

• Une limite de contexte servie avec un prix associé. La configuration à 1 048 576 tokens est une capacité du checkpoint. La fenêtre de Luna est une condition produit, y compris le palier tarifaire de 272K. Ce sont des engagements différents.

• Un modèle post-entraîné avec une évaluation indépendante. C’est le point crucial. La distance entre un point de contrôle de base et un modèle Flash finalisé est celle où résident le suivi des instructions, l’utilisation d’outils et la discipline de formatage, et c’est exactement la distance que Luna a déjà parcourue.

Tant que ces quatre n’existent pas, la comparaison apporte une réponse claire à quiconque achète de la capacité : GPT-6 Luna, avec ses faiblesses documentées, est une option réelle à un prix réel, et ERNIE-5.5-Flash est une version de recherche qui porte le nom d’un palier de produit. L’observation plus intéressante, c’est que Baidu a choisi de diffuser d’abord les poids de base et a documenté l’architecture de manière très visible — 43 couches, 37 HCA plus 6 MLA-DSA, 512 experts routés au top-10, un vocabulaire de 201 216 tokens — ce qui se lit comme un laboratoire qui invite à un travail de post-entraînement plutôt qu’un fournisseur qui ouvre un canal de vente. Jugez-le à l’aune de ce critère : c’est une bonne sortie. Comparez-le à Luna : il n’est pas encore sur le même marché.