Ling-3.2-flash vs ERNIE 5.5 Flash : l'un est un produit, l'autre est un point de départ

Deux laboratoires chinois ont livré des modèles proches de leurs fleurons à quelques heures d’intervalle, le 5 novembre 2026, et presque toutes les comparaisons que l’on peut rédiger entre Ling-3.2-flash et ERNIE 5.5 Flash s’effondrent dès que l’on remarque qu’ils ne relèvent pas du même type d’objet. Ling-3.2-flash est un modèle de chat multimodal achevé et ajusté aux instructions : texte, image et vidéo en entrée, réponses en sortie, disponible en direct sur le point de terminaison compatible OpenAI d’Ant Ling et gratuit pendant quinze jours. Ce que Baidu a publié, c’est ERNIE-5.5-Flash-Base — le checkpoint à la fin du pré-entraînement, avant le mid-training, avant l’ajustement aux instructions, uniquement textuel, et servi via un point de terminaison de complétion parce qu’on ne lui a pas encore appris à suivre des instructions. La page de publication de Baidu elle-même indique que l’ERNIE 5.5 Flash post-entraîné « suivra ».

Cette seule asymétrie détermine la plupart des questions pratiques ci-dessous. Un modèle que vous pouvez appeler cet après-midi même. L'autre, vous pouvez le télécharger, le fine-tuner et en faire quelque chose — ce qui est un tout autre achat, assorti d'un contrat juridique.

Les deux objets, côte à côte

Ce qui suit est ce que chaque fournisseur documente aujourd’hui. Lorsqu’un chiffre est propre au fournisseur et n’a pas été reproduit, il est indiqué comme tel.

• Paramètres totaux et actifs — Ling-3.2-flash 560 B au total / 25 B actifs ; ERNIE-5.5-Flash-Base 280 B au total / 14 B actifs par token, plus 0,36 B de paramètres ECHO que ces deux décomptes excluent.

• Entrées — Ling-3.2-flash prend en charge nativement le texte, les images et la vidéo, avec des blocs image_url et video_url dans la requête ; ERNIE-5.5-Flash-Base est uniquement textuel, point final.

• Ce que vous recevez — Ling-3.2-flash est un modèle de chat post-entraîné accessible via une API ; ERNIE-5.5-Flash-Base est un ensemble de poids de pré-entraînement brut que vous êtes censé post-entraîner vous-même.

• Architecture — Ling-3.2-flash est un MoE de la gamme hybride-linéaire Ling qu'Ant exploite depuis la 3.1 ; ERNIE-5.5-Flash-Base compte 43 couches (un FFN dense, 42 MoE latents à routeurs multiples), 512 experts routés avec un routage top-10 plus un expert partagé, 37 couches d'attention fortement compressée et six couches MLA avec attention parcimonieuse.

• Contexte — Ling-3.2-flash offre une fenêtre de 1 M de jetons sur l’API ; ERNIE-5.5-Flash-Base a été entraîné sur 128 K, et sa configuration publiée active 1 048 576 jetons pour l’affinage et l’inférence, ce qui n’est pas la même affirmation.

• Poids — Ling-3.2-flash n'en publie aucun ; ERNIE-5.5-Flash-Base fournit des safetensors FP8 et BF16 sur Hugging Face et ModelScope.

• Prix — Ling-3.2-flash est gratuit pendant deux semaines après son lancement, sans tarif publié pour le quinzième jour ; ERNIE-5.5-Flash-Base n’a pas de prix d’hébergement, car Baidu ne le propose pas, et l’auto-hébergement coûte ce que vous coûtent 280B de poids.

Aucune de ces lignes ne constitue une affirmation de qualité. Elles décrivent ce que vous seriez en train d'acheter.

À quoi Ling-3.2-flash est réellement utile, selon les preuves

Les supports de lancement d’Ant, ce sont trois chiffres de benchmark et cinq vidéos de démonstration. Les chiffres comparent Ling-3.2-flash à Opus 5 à effort maximal sur OmniDocBench1.5 (92,21 contre 90,56), ZEROBench(Sub) (43,71 contre 39,52) et Vision2Web (85,86 contre 80,20). Tous trois sont rapportés par le fournisseur, tous trois sont visuels, et aucun n’a été reproduit par un tiers. Pris dans leur ensemble, ils affirment une seule chose : sur l’analyse de documents, le raisonnement sur des scènes 3D et les tâches vision-vers-web, Ant estime battre un modèle fermé de pointe. Ils ne disent rien du tout sur le raisonnement textuel, le codage ou le travail agentique en terminal, là où passe encore l’essentiel du trafic de production.

Les démos sont plus instructives que les chiffres, car elles montrent la boucle pour laquelle Ant a construit le modèle. Ling-3.2-flash inspecte les rendus headless de sphères de matériau, compare les cartes de rugosité et de normales, et réécrit son propre script ; il pilote Blender via des actions d’interface ; il convertit des dessins techniques en modèles 3D pour le web ; il lit des PDF de recherche contenant des équations et implémente les algorithmes en code. Chacune de ces tâches exige que le modèle examine un artefact intermédiaire et se corrige. C’est ce que l’entraînement multimodal natif apporte par rapport à un modèle textuel doté d’un adaptateur vision, et c’est la capacité à tester en premier si c’est votre cas d’usage.

Deux mises en garde opérationnelles vont de pair. Ant indique dans sa documentation une limite globale de deux requêtes par seconde, avec des 429 au-delà, ainsi qu’un délai d’expiration de 90 secondes pour les appels synchrones, le streaming étant recommandé. Et le modèle n’est gratuit que jusqu’aux alentours du 19 novembre ; la page de tarification indique que les tarifs d’origine reprennent ensuite, sans préciser leur montant.

À quoi sert réellement ERNIE-5.5-Flash-Base ?

L’argument de Baidu est le déplacement des coûts, et il est cohérent. L’entreprise a consacré son calcul de pré-entraînement à 33,5 billions de tokens avec l’optimiseur Muon ; vous consacrez le vôtre à l’adaptation au domaine, à l’ajustement par instructions ou à l’apprentissage par renforcement, en partant d’un point de contrôle qui intègre déjà du code à l’échelle d’un dépôt et un comportement de contexte long. La publication est inhabituellement propre en tant que référence de recherche : un seul point de contrôle à la fin du pré-entraînement, sans entraînement intermédiaire ni post-entraînement, ce qui permet de comparer deux méthodes de réglage fin sans discuter de ce que la base savait déjà.

L’évaluation de Baidu le compare à trois modèles de base ouverts de taille similaire — DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) et MiMo-V2.5-Base (310B-A15B) — avec un même harnais, un même jeu d’invites et un même juge, sur 30 benchmarks répartis en sept catégories. Il s’agit d’une comparaison mieux contrôlée que la plupart des tableaux de lancement, et elle reste néanmoins réalisée par le fournisseur. L’affirmation architecturale principale à retenir : 37 des 43 couches effectuent leur attention sur une séquence compressée 128×, et Baidu affirme que les six couches MLA suffisent à maintenir les performances en contexte long. Si cela se confirme lors de tests indépendants, c’est l’élément le plus intéressant de cette publication — une compression 128× qui ne pénalise pas la récupération en contexte long.

Le piège, c’est la licence, et il n’est pas mince. L’ERNIE 5.5 Flash Base Model License Agreement v1.0 définit un Territoire comme « toutes les zones géographiques du monde entier autres que l’Union européenne, le Royaume-Uni et la Corée du Sud », et exige que les éléments ne soient pas utilisés, distribués ou affichés en dehors de celui-ci. L’utilisation commerciale est gratuite en dessous de 50 millions de dollars US de chiffre d’affaires annuel provenant de produits liés, à condition d’envoyer une notification unique et d’afficher « Powered by ERNIE » de manière bien visible sur une interface utilisateur, un site web, une page « à propos » ou la documentation produit. Au-delà de 50 millions de dollars US, vous avez besoin de l’autorisation écrite préalable distincte de Baidu avant de franchir ce seuil, et l’utilisation doit être suspendue si vous le franchissez sans celle-ci.

Ainsi, la présentation honnête du checkpoint « gratuit » de 280B est la suivante : gratuit au téléchargement partout en dehors de trois juridictions, gratuit pour un usage commercial jusqu’à un seuil de chiffre d’affaires, et assorti d’une obligation de mention de marque que la plupart des équipes produit remarqueront sur leur site marketing avant de la remarquer dans la licence.

Lequel choisir, selon ce que vous faites

Choisissez Ling-3.2-flash si le travail est visuel et que vous avez besoin d'une réponse ce mois-ci. Extraction de documents où la mise en page compte, agents d'interface pilotés par captures d'écran, conversion de dessins en 3D, triage d'imagerie médicale, tout ce où le modèle doit vérifier sa propre sortie rendue. L'API est de forme OpenAI, donc l'intégration se résume à un changement d'URL de base, et la fenêtre gratuite de deux semaines signifie que l'évaluation ne coûte rien d'autre que votre temps. Ne la placez pas encore sur un chemin de production : il n'y a pas de prix publié, pas de score indépendant, pas de poids et pas de fournisseur de secours.

Choisissez ERNIE-5.5-Flash-Base si vous disposez d'une capacité de post-entraînement et d'un domaine. Une base 280B-A14B avec une architecture documentée, des recettes SGLang et vLLM fonctionnelles, une build FP8 et une build BF16, ainsi qu'un exemple de fine-tuning Megatron-Bridge constitue un véritable atout pour une équipe qui veut son propre modèle. Vérifiez la clause Territory par rapport à votre entité juridique avant de commencer, pas après. Et ne l'évaluez pas comme un modèle de chat — il poursuit du texte, il ne répond pas aux requêtes, donc toute comparaison de suivi d'instructions avec Ling-3.2-flash mesure la mauvaise chose.

Si ce que vous vouliez vraiment, c’était un ERNIE fini à appeler, attendez. Baidu annonce que l’ERNIE 5.5 Flash post-entraîné arrive, et tant qu’il n’est pas disponible, il n’y a pas d’ERNIE 5.5 hébergé sur la grille tarifaire de Qianfan — la liste internationale que nous avons consultée aujourd’hui comporte ERNIE 5.1, ERNIE 5.0 et ERNIE 4.5 Turbo, sans ligne 5.5.

Ni l’un ni l’autre ne figure dans notre catalogue — voici ce qu’il en est

Pour être clair sur le routage : nous avons relu le catalogue OrcaRouter le 6 novembre et il renvoie 215 identifiants de modèles. Il n’y a aucune entrée Ling, inclusionAI, Ring ou ERNIE dedans ; les seules correspondances « ling » sont des modèles vidéo Kling. Cette comparaison n’est donc pas un choix entre deux choses auxquelles une seule clé donne déjà accès.

Ce à quoi une clé donne accès, au prix catalogue du fournisseur sans majoration, ce sont les modèles qui couvrent les deux mêmes tâches. Pour les tâches de vision avec un tarif publié, Qwen3.8-Flash coûte $0.15 par million de tokens d'entrée et $0.47 par million de tokens de sortie. Pour des agents textuels bon marché à grande échelle, DeepSeek V4.1 Flash coûte $0.15 et $0.60, et GLM-5.3-Flash coûte $0.15 et $0.50. Les trois acceptent une requête au format OpenAI, donc une intégration Ling-3.2-flash portée vers eux est un changement de chaîne de modèle plutôt qu'une réécriture — ce qui compte lorsque la fenêtre gratuite se ferme et que vous n'avez toujours pas de grille tarifaire.

C’est aussi l’argument en faveur de placer un routeur devant un fine-tune ERNIE auto-hébergé plutôt que de pointer votre application directement vers votre propre cluster : un seul point de terminaison, une seule clé, et un basculement automatique vers un modèle hébergé lorsque vos GPU sont saturés ou que votre déploiement est en cours de mise à jour progressive. Le DSL de routage compose plusieurs modèles en un seul appel, ce qui vous permet d’exécuter un modèle de vision et un modèle de texte en une seule étape plutôt qu’en deux.

Ce qu'il faut surveiller

Les deux versions sont à moitié terminées dans des directions opposées, et les deux lacunes se combleront selon le calendrier de quelqu’un d’autre. Ant doit fournir une grille tarifaire, une fiche de modèle et — si la tendance de 2026 se maintient — un checkpoint sous licence MIT. Baidu doit livrer l’ERNIE 5.5 Flash post-entraîné, et doit une déclaration plus claire indiquant si la clause Territory s’applique aux sorties du modèle ou seulement aux poids et à leurs dérivés, ce que le texte tel qu’il est rédigé suggère être plus large que ce que la plupart des équipes supposeront.

Jusqu’à ce que l’un de ces modèles soit disponible, la comparaison se résume simplement : Ling-3.2-flash est celui que vous pouvez évaluer dès aujourd’hui sans pouvoir en prévoir le coût, et ERNIE-5.5-Flash-Base est celui dont vous pouvez prévoir le coût sans pouvoir l’appeler.