
Hy4 flash-Base vs ERNIE 5.5 Flash Base : la seule comparaison équitable publiée par l'un ou l'autre des fournisseurs
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 138 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 175 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 89 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Deux laboratoires chinois ont publié des checkpoints pré-entraînés à douze jours d'intervalle, et pour une fois, le tableau comparatif s'écrit tout seul : Hy4 flash-Base face à ERNIE 5.5 Flash Base, le même type d'artefact au même stade du pipeline, évalué de la même manière. Tencent a publié Hy4 flash-Base le 17 novembre 2026 en même temps que le modèle d'instruction. Baidu a publié ERNIE 5.5 Flash Base le 5 novembre 2026, et au moment de la rédaction, c'est encore le seul artefact ERNIE 5.5 qui existe — le modèle de chat post-entraîné n'a pas encore été livré.
Cette différence dans ce qui entoure le checkpoint est l’essentiel de ce qui rend cette confrontation digne d’une page. Comparer les deux bases indique comment s’est déroulé le pré-entraînement. Comparer les deux versions publiées révèle quelque chose de moins flatteur à propos des deux : une entreprise a livré la matière première et le produit fini le même jour, l’autre a livré la matière première et une promesse.
Pourquoi les checkpoints de base constituent la comparaison honnête
Presque toutes les comparaisons de modèles que vous lisez sont discrètement injustes, car elles opposent le modèle fini et ajusté aux instructions d’un fournisseur au modèle fini et ajusté aux instructions d’un autre fournisseur, chacun étant évalué sur son propre harnais avec ses propres références. Les checkpoints de base éliminent l’une de ces variables. Aucun des deux modèles n’a été post-entraîné, aucun ne dispose d’un gabarit de conversation qui façonne le format de sortie, et les deux fournisseurs publient des tableaux few-shot sur des benchmarks académiques standard plutôt que sur des suites agentiques personnalisées.
Ce qui reste — le dispositif d’évaluation, le nombre de shots, les sous-ensembles — reste propre au fournisseur, donc rien ici n’est une expérience contrôlée. Mais un tableau base contre base est une comparaison d’exécutions de pré-entraînement, et le pré-entraînement est la partie coûteuse. C’est le chiffre le plus directement comparable que ces deux entreprises aient publié l’une sur l’autre.
Les deux points de contrôle, côte à côte
• Paramètres — Hy4 flash-Base : 220,3 Md au total, 12 Md actifs par token ; ERNIE 5.5 Flash Base : 280 Md au total, 14 Md actifs par token.
• Où se situent les paramètres — Hy4 flash-Base porte 155,5B dans le backbone à 42 couches, 63,5B dans les tables d’embedding de n-grammes d’Engram, 0,43B dans un encodeur visuel et 0,85B dans un drafteur DFly2 ; les 280B d’ERNIE correspondent à une répartition MoE plus conventionnelle, à laquelle s’ajoute un module ECHO de 0,36B exclu du décompte principal.
• Profondeur et routage — 42 couches (une dense, 41 MoE) avec 512 experts routés plus un expert partagé, 16 actifs, taille cachée 3 072, pour Hy4 flash-Base ; 43 couches (une dense, 42 Multi-Router Latent MoE) avec 512 experts routés plus un expert partagé, top-10, taille cachée 4 096, pour ERNIE.
• Contexte — 1 048 576 tokens configurés sur les deux. Tencent a entraîné Hy4 flash directement sur cette longueur ; Baidu a entraîné ERNIE sur 128 000 et a fixé la configuration publiée à 1 048 576 pour l'affinage et l'inférence, ce qui relève d'une capacité de la configuration plutôt que d'un comportement mesuré.
• Modalité — entrée texte et image, sortie texte, pour les deux. Hy4 flash-Base embarque un encodeur visuel dérivé de SigLIP2 ; la fiche d’ERNIE 5.5 Flash Base ne décrit qu’une entrée texte dans le tableau des liens vers les modèles.
• Licence — Tencent Hy License v1.0, une dérivée d’Apache 2.0 comportant une clause MaaS à 50 millions de dollars de chiffre d’affaires ou 100 millions de MAU ; ERNIE 5.5 Flash Base Model License v1.0, qui exclut entièrement les territoires que sont l’Union européenne, le Royaume-Uni et la Corée du Sud.
La ligne relative à la licence n’est pas une note de bas de page. Une équipe européenne ne peut pas du tout utiliser le checkpoint ERNIE dans le cadre de sa subvention, et aucun avantage, aussi grand soit-il, au niveau des benchmarks ne changera cela. Une équipe de n’importe quelle taille peut utiliser Hy4 flash-Base, et une équipe dont les revenus MaaS dépassent 50 millions de dollars doit envoyer un e-mail avant de le faire.
Ce que dit le tableau de Baidu, et ce qu'il en coûte de le croire
Le jeu de comparaison de Baidu est le bon pour une version de base : ERNIE 5.5 Flash Base face à DeepSeek-V4-Flash-Base, Hy3-preview-Base et MiMo-V2.5-Base, sur un pipeline que la fiche décrit comme partagé entre les quatre. Chaque chiffre ci-dessous est rapporté par Baidu et non reproduit.
• MMLU — 93,3 ERNIE, 89,4 DeepSeek-V4-Flash-Base, 87,5 Hy3-preview-Base, 87,6 MiMo-V2.5-Base.
MMLU-Pro — 78,4 contre 69,2, 66,9 et 65,7. L'écart le plus important de l'ensemble.
• GPQA — 60,2 contre 55,9, 50,2 et 51,4.
• HumanEval+ — 82,3 contre 69,5, 78,0 et 74,4.
• LiveCodeBench — 40,1 contre 31,9, 33,5 et 32,4.
• LongBench-v2 — 48,7 contre 44,5, 39,8 et 44,6.
• BBH avec chaîne de raisonnement — 89,2 contre 90,0 pour Hy3-preview-Base et 89,8 pour MiMo-V2.5-Base. Une égalité à trois dans le bruit, quoi que la mise en gras laisse entendre.
• ChineseSimpleQA — 73,0 contre 75,3 pour DeepSeek. Une défaite, sur le benchmark le plus proche du marché domestique de Baidu.
Le tableau perd des lignes, ce qui explique qu’il se lise comme un tableau que quelqu’un a construit plutôt qu’un tableau que quelqu’un a sélectionné. Notez ce qui en est absent : Hy4 flash-Base. Le checkpoint de Tencent n’existait pas le 5 novembre, donc aucune ligne directe entre les deux modèles de cette comparaison n’a jamais été publiée par qui que ce soit.
Ce que dit le tableau de Tencent, y compris l’avertissement
Le tableau de base de Tencent comporte cinq volets — Hy4 flash-Base, Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base et DeepSeek-V4-Pro-Base — et il perd également des lignes. Signalé par le fournisseur, non reproduit :
• MMLU-Pro — 71,1 pour Hy4 flash-Base contre 73,9 pour Hy4 Base, 65,8 pour Hy3 preview Base, 68,6 pour DeepSeek-V4-flash-Base et 73,4 pour DeepSeek-V4-Pro-Base.
• SimpleQA — 37,5 contre 57,2, 26,4, 31,3 et 52,1. La plus grande perte sur la carte.
• C-Eval — 92,0 contre 95,0, 90,1, 91,9 et 93,4.
• CMMLU — 91,6 contre 93,1, 89,6, 89,8 et 90,7.
• AGIEval Chinese — 90,6 contre 91,2, 87,8, 88,5 et 89,8.
• Belebele — 93,8 contre 95,0, 94,2, 94,4 et 95,2.
• INCLUDE — 82,8 contre 88,1, 84,3, 84,0 et 84,3.
• MMMU-Pro — 52,0 contre 59,6 pour Hy4 Base. Les lignes multimodales n'existent que pour les deux modèles Hy.
À lire dans son ensemble : Hy4 flash-Base est un modèle plus petit et moins cher que ses frères et sœurs, et il perd face à eux sur la plupart des lignes, ce qui est exactement ce qu’un modèle à 12B actifs devrait faire face à un modèle à 49B actifs. Les lignes intéressantes sont celles multilingues, où il se maintient à un ou deux points de modèles bien plus grands, et SimpleQA, où il accuse vingt points de retard sur Hy4 Base — un écart de récupération de faits qui en dit long sur la part de cette capacité qui tient au nombre de paramètres plutôt qu’aux données d’entraînement.
Tencent formule aussi une réserve que la fiche de Baidu ne contient pas : comme le modèle de base a été exposé à une grande quantité de données d’instructions synthétiques pendant l’entraînement intermédiaire, il « échoue parfois à suivre le format de réponse attendu lors d’évaluations few-shot, ce qui peut fausser les scores ». Qu’un fournisseur vous dise que son propre environnement d’évaluation pourrait mesurer le respect du format est assez rare pour mériter cette phrase.

Les deux tables ne peuvent pas être superposées l'une sur l'autre
Voici le piège dans cette comparaison, et il vaut la peine de le dire clairement, car la majeure partie d’Internet ne le fera pas. Les deux fournisseurs publient MMLU-Pro. Baidu rapporte 78,4 pour ERNIE 5.5 Flash Base. Tencent rapporte 71,1 pour Hy4 flash-Base. Il est tentant de soustraire et d’annoncer une victoire de 7,3 points pour Baidu. Cette soustraction n’est pas défendable.
Des nombres d'exemples différents, des formats d'invite différents et, dans le cas de Hy4 flash-Base, un problème reconnu de suivi de format qui peut faire baisser un score moyenné macro. Le seul chiffre présent dans les deux tableaux qui repose sur une définition commune — Belebele sur un sous-ensemble de cinq langues — affiche 93,8 pour Hy4 flash-Base et est tout simplement absent du tableau de Baidu. Aucun chevauchement n'est suffisamment rigoureux pour être soustrait.
Ce que l’on peut affirmer est plus restreint, et reste utile : le checkpoint de chaque fournisseur bat les références DeepSeek tierces que chacun d’eux a choisies, sur la plupart des lignes, avec des écarts produits par leurs propres harnais. Deux affirmations plus ou moins indépendantes allant dans le même sens constituent une preuve plus solide que l’une ou l’autre seule, mais plus faible qu’un benchmark partagé. C’est le plafond honnête de ce que ces deux cartes peuvent étayer.

Une sortie est terminée ; l’autre est une promesse.
C'est là une asymétrie qui compte davantage que n'importe quelle ligne ci-dessus, et elle ne tient pas à la qualité des benchmarks.
Tencent a publié trois artefacts le 17 novembre : le modèle instruct, sa version FP8 et le checkpoint de base. Une équipe qui veut aujourd'hui un modèle de chat peut en télécharger un, le charger dans vLLM avec l'image épinglée vllm/vllm-openai:hy4-flash, et le servir. Le checkpoint de base est là pour ceux qui souhaitent l'affiner, et la fiche modèle renvoie à un guide de fine-tuning.
Baidu a publié un seul artefact le 5 novembre. ERNIE 5.5 Flash Base est constitué de poids pré-entraînés. Il n’existe aucun ERNIE 5.5 Flash ajusté aux instructions à télécharger, aucun point de terminaison API documenté sous ce nom dans les documents de publication, et la fiche ne décrit le modèle post-entraîné que comme quelque chose qui « est censé suivre ». Une équipe qui télécharge ERNIE 5.5 Flash Base aujourd’hui s’engage à effectuer elle-même le post-entraînement, sur 280B de poids, avant de disposer d’un modèle capable de répondre à une question dans un format utilisable.
Pour un groupe de recherche, c’est précisément l’artefact intéressant. Pour une équipe produit, ce n’est pas un modèle, c’est un point de départ auquel s’ajoute une quantité illimitée de travail, et la bonne comparaison n’est pas avec Hy4 flash-Base, mais avec Hy4 flash — qui coûte de l’argent par token et fonctionne dès maintenant.

Où un routeur intervient dans une décision base-checkpoint
Les checkpoints de base ne sont pas ce qu'un routeur sert, et il serait malhonnête de suggérer le contraire. OrcaRouter ne propose ni Hy4 flash-Base ni ERNIE 5.5 Flash Base, et le modèle instruct d'aucun des deux fournisseurs n'est au catalogue aujourd'hui. Ce que le catalogue propose, c'est tencent/hy4-preview — le modèle 770B/49B dont Hy4 flash a été distillé — à 0,834 $ par million de tokens d'entrée et 2,501 $ par million de sortie, avec une lecture de cache à 0,042 $.
Cela compte pour une décision précise. Si vous vous demandez si vous devez affiner un checkpoint de base de 220B, la première question est de savoir si le comportement de la famille convient du tout à votre tâche, et le modèle de prévisualisation y répond en un après-midi pour le prix des tokens que vous consommez pendant les tests. Faire cela avant de provisionner huit GPU pour un déploiement FP8 en parallélisme tensoriel est l'étape la moins chère de tout le projet. Le prix catalogue du fournisseur est répercuté avec une majoration de 0 %, de sorte qu'un changement de prix Tencent atteint le catalogue le jour où il se produit plutôt qu'à la prochaine reconstruction, et le basculement automatique signifie qu'une tâche d'évaluation ne meurt pas parce qu'un service en amont a connu une heure difficile.
Si le fine-tuning fonctionne, les poids vous appartiennent et le routeur cesse de faire partie de ce chemin. S’il ne fonctionne pas, vous avez passé un après-midi plutôt qu’un trimestre à le découvrir.
Comment lire ce matchup
Si vous voulez un modèle capable de travailler, cette page n'est pas la bonne : Hy4 flash est le modèle finalisé et ERNIE 5.5 Flash n'en a pas encore. Si vous voulez une base pré-entraînée sur laquelle construire, les deux candidats sont plus proches que ne le suggère le marketing et plus éloignés qu'un simple écart de benchmarks ne l'indiquerait.
ERNIE 5.5 Flash Base est plus grand, entraîné plus longtemps — 33,5 billions de tokens sur l’optimiseur Muon — et obtient de meilleurs scores sur son propre harnais d’évaluation, dont une valeur MMLU-Pro qu’aucun modèle Tencent de la fiche comparative n’égale. Hy4 flash-Base est plus petit, moins coûteux à servir avec 12B d’actifs, nativement multimodal, livré avec un encodeur visuel et un drafteur de décodage spéculatif, et accompagné d’une licence qui n’exclut pas trois juridictions.
Le facteur décisif ne sera probablement ni la capacité ni la licence, mais les douze jours d’écart entre les deux. Le checkpoint de Baidu a disposé de près de deux semaines pour que la communauté du fine-tuning produise quelque chose ; Hy4 flash-Base n’a eu qu’une semaine. Surveillez si une version d’ERNIE 5.5 Flash ajustée aux instructions apparaît, et si quelqu’un publie un LoRA pour Hy4 flash-Base. Le premier cas transformerait cela en une véritable comparaison, avec très probablement un benchmark commun à la suite ; le second vous révélerait quelle base les praticiens ont réellement préférée.
Comparés dans cet article1
Détecté à partir de cet article
