ERNIE-5.5-Flash מול Qwen 3.8 Flash: צ'קפוינט בסיס פוגש מודל גמור

הצב ERNIE-5.5-Flash לצד Qwen 3.8 Flash וההבחנה הכנה הראשונה היא שהם אינם אותו סוג של אובייקט. מה ש-Baidu פרסמה בפועל הוא ERNIE-5.5-Flash-Base, הצ'קפוינט בסוף האימון המקדים — לפני אימון ביניים, לפני כיוונון הוראות, לפני כל עבודת העדפות — כך שהוא ממשיך טקסט במקום לענות לבקשות, והוא מוגש דרך נקודת קצה של completions ולא של צ'אט. Qwen 3.8 Flash, ש-Alibaba השיקה ב-26 באוגוסט 2026, הוא מודל רב-מודאלי גמור שמקבל טקסט, תמונות ווידאו ומחזיר טקסט, במחיר של $0.15 למיליון טוקני קלט ו-$0.47 למיליון טוקני פלט. האחד הוא נקודת התחלה שעדיין צריך לאמן; האחר הוא מוצר שאפשר לפנות אליו כבר אחר הצהריים. כמעט כל מספר למטה משנה את משמעותו בהתאם לשאלה איזה משני הדברים האלה אתה חושב שאתה משווה, ולכן כדאי להכריע בזה לפני גיליון המפרט ולא אחריו.

מה שבאידו השיקה, ומה שהיא לא אמרה

ההפצה שקטה בדרך המסוימת שבה הפצות סיניות עם משקולות פתוחות נוטות להיות: הארטיפקטים מגיעים לפני שהסיפור מגיע. המאגר baidu/ERNIE-5.5-Flash-Base נוצר ב-Hugging Face ב-21 באוקטובר, נשאר כמעט ריק במשך שבוע, ואז קיבל את 128 רסיסי המשקל FP8 שלו בין 2 ל-3 בנובמבר. תרשימי הארכיטקטורה והבנצ'מרק פורסמו ב-4 בנובמבר, וכרטיס המודל עצמו עדיין עבר תיקונים הבוקר. עמוד ההשקה של Baidu עצמו מתוארך להיום, 5 בנובמבר, והדיון היחיד שהוא עורר מחוץ לעמוד הזה הוא שרשור בפורום ופוסט ב-WeChat. אין הודעה לעיתונות, אין אירוע השקה, ואין סיקור עיתונאי של ממש.

זה חשוב למה שאפשר ושאי אפשר לסמוך עליו. מה שאפשר לדעת מהמאגר: הארכיטקטורה, מספרי הפרמטרים, טבלת בנצ'מרקים מלאה של הספק עם harness שנקרא במפורש בשמו, מתכוני הגשה עובדים של SGLang ו-vLLM, טקסט הרישיון, והעובדה שקיים אח תאום ב-BF16 לצד זה שב-FP8. מה שאי אפשר לדעת: אם Baidu מתכוונת להגיש אותו כ-API — מחירון Qianfan, שעודכן לאחרונה ב-18 באוקטובר, מפרט את ERNIE 5.1, 5.0 ו-4.5 Turbo, ואין בו רשומה כלשהי של ERNIE 5.5 — מה הציון של גרסה מכווננת-הוראות שלו, והאם מעריך בלתי תלוי כלשהו ישחזר ולו מספר אחד בטבלה של Baidu.

מפרט המגזין, לפרוטוקול: 280B פרמטרים בסך הכול, עם 14B פעילים לכל טוקן, שאומן מראש מאפס על 33.5T טוקנים, 43 שכבות — אחת מהן FFN צפופה ו-42 מהן MoE — 512 מומחים מנותבים עם ניתוב top-10 ועוד מומחה משותף אחד, ואוצר מילים של 201,216 טוקנים. התצורה שפורסמה מאפשרת הקשר של 1,048,576 טוקנים, אף שהאימון ראה רק 131,072. יש גם ראש חיזוי רב-טוקנים בנפח 0.36B, שאינו נכלל באף אחד משני נתוני הפרמטרים.

ההבדל במפרט, במימדים שבאמת מכריעים

• מה שאתה מקבל — ERNIE-5.5-Flash-Base הוא צ'קפוינט ותו לא: משקלות שאתה מוריד, נקודת קצה /v1/completions, וללא התנהגות של מילוי הוראות. Qwen 3.8 Flash הוא מודל מוגש עם קריאה לכלים, מצב חשיבה, פלטים מובנים ותגובה מקסימלית של 131,072 טוקנים.

• גודל — 280B בסך הכול / 14B פעילים עבור ERNIE לעומת 125B בסך הכול / כ-6B פעילים עבור Qwen 3.8 Flash, אשר נושאת גם טבלת הטמעת n-gram בגודל 51B וראש MTP של כ-4B, מה שמעמיד כ-180B פרמטרים על הדיסק.

• עיצוב הקשב — ERNIE משתמשת ב-43 שכבות המחולקות ל-37 שכבות קשב דחוס במיוחד (HCA) ועוד 6 שכבות MLA עם קשב דליל; Qwen 3.8 Flash משתמשת בשילוב היברידי של Gated DeltaNet עם Qwen Sparse Attention לאורך 48 שכבות. שתיהן מהמרות שקשב מלא קלאסי אינו הדבר הנכון לשלם עליו במחירי רמת Flash, והן מגיעות למסקנה זו מכיוונים מנוגדים.

• הקשר — 1M טוקנים מוצהרים משני הצדדים, ממקומות שונים: ERNIE אומן ב-128K ומאפשר 1M רק בזמן כיוונון עדין והסקה, בעוד Qwen 3.8 Flash הוא 262K באופן מובנה ומגיע ל-1M באמצעות הרחבת YaRN.

• מודאליות — ERNIE-5.5-Flash-Base הוא טקסט בלבד, באנגלית ובסינית. Qwen 3.8 Flash מקבל טקסט, תמונות ווידאו, וטבלת הספק שלו כוללת תוצאות של AndroidWorld, ‏OSWorld 2.0, ‏MathVision ו-LVBench שמודל טקסט-בלבד אינו יכול להפיק.

• משקולות בצד של Qwen — גרסת הייצור של Qwen 3.8 Flash היא API בלבד, אך האחות בעלת המשקולות הפתוחות שלה, Qwen3.8-Flash-Next, מתפרסמת תחת רישיון Qwen Community License 1.0, כך ששני הצדדים ניתנים להשוואה רבה יותר מכפי שמסגור ה-API מול המשקולות מרמז לכאורה.

• הגשה — Baidu מספקת מתכון עובד: תמונת lmsysorg/sglang:dev-ernie-55-flash עם --tp 4, או vLLM 0.32.0 בתוספת התוסף baidu/vLLM-ERNIE עם גודל data-parallel 4. Qwen 3.8 Flash אינו זקוק למתכון הגשה מכיוון שאליבאבא מגישה אותו עבורך.

• מחיר — אין מחיר מפורסם לכל טוקן עבור ERNIE-5.5-Flash-Base בשום מקום, מכיוון שאין נקודת קצה מתארחת לתמחור; $0.15 לקלט / $0.47 לפלט למיליון טוקנים עבור Qwen 3.8 Flash, כאשר קריאות קלט מהמטמון עומדות על $0.0184.

• רישיון — הסכם רישיון מודל הבסיס ERNIE 5.5 Flash גרסה 1.0, הסכם מותאם אישית שכדאי לקרוא במלואו לפני שבונים עליו מוצר, לעומת Qwen Community License 1.0 בצד הפתוח של Qwen.

שורות הבנצ'מרק שנראות ברות השוואה אך אינן

הנה המלכודת שההשוואה הזו טומנת. שני הספקים מפרסמים נתון LiveCodeBench, ושני המספרים הם 40.1 ו-91.9.

הם לא מודדים את אותו הדבר, והפער ביניהם אינו פער ביכולות. ה-40.1 של Baidu הוא Pass@1, one-shot, על ה-checkpoint הגולמי שאומן מראש — המודל מתבקש להשלים המשכי קוד מבלי שאי פעם לימדו אותו לעקוב אחר הוראה. ה-91.9 של Alibaba הוא LiveCodeBench v6, גרסת בנצ'מרק שונה ומאוחרת יותר, המדווחת עבור מודל שעבר צינור פוסט-אימון מלא. לזוג ה-GPQA יש את אותה בעיה: 60.2 עבור ERNIE ב-five-shot exact match על checkpoint בסיסי, 91.7 עבור Qwen על GPQA Diamond לאחר אימון הוראות. אפילו להשוואת ה-MMLU, 93.3 מול מודל שלא מפרסם MMLU, אין דבר להעמיד לצידה.

אין זו לעג לאף אחד מהמודלים. זהו משפט על מה שנועדה לו הערכת מודל בסיס. ציון 40.1 ב-LiveCodeBench מצ'קפוינט שמעולם לא ראה הוראה הוא משפט על כמה מבנה קידוד האימון המקדים ספג, וזה מספר סביר בקריאה הזו. הוא לא אומר לך דבר על איך אותם משקלים היו מקבלים ציון לאחר שמישהו עשה להם כוונון עדין. אף אחד, כולל Baidu, לא פרסם את המספר הזה.

הטבלה היחידה שאפשר לקרוא אותה כפשוטה היא זו של Baidu עצמה, מפני שכל ארבעת העמודות הורצו דרך אותו pipeline, אותם פרומפטים ואותן הגדרות few-shot. לעומת DeepSeek-V4-Flash-Base‏ (284B-A13B),‏ Hy3-preview-Base‏ (295B-A21B) ו-MiMo-V2.5-Base‏ (310B-A15B),‏ ERNIE-5.5-Flash-Base משיג את התוצאה הטובה ביותר בשורה ב-24 מתוך 30 בנצ'מרקים, כולל MMLU-Pro עם 78.4 לעומת 69.2,‏ HumanEval+ עם 82.3 לעומת 69.5, ו-RepoQA עם 91.7 לעומת 81.0. הוא מפסיד ל-DeepSeek ב-ChineseSimpleQA, ל-Hy3 ב-FullStackBench וב-BBH chain-of-thought, ול-DeepSeek גם ב-HELMET-Rerank וגם ב-InfiniteBench. אלה מספרים שהורצו על ידי הספק על גבי harness שנבחר על ידי הספק, ללא שכפול בלתי תלוי — אבל הם ניתנים להשוואה פנימית, וזה יותר ממה שאפשר לומר על כל זיווג חוצה-ספקים במאמר הזה.

כמה עולה כל מסלול, כשהחישוב מוצג

Qwen 3.8 Flash הוא הקל לתמחור. קחו עומס עבודה של תמיכה וחילוץ של 1,000 בקשות ביום, בממוצע 6,000 טוקני קלט ו-800 טוקני פלט: 6 מיליון טוקני קלט ו-0.8 מיליון טוקני פלט מדי יום, או 180 מיליון ו-24 מיליון במשך חודש של 30 יום. בתעריף של $0.15 ו-$0.47 למיליון, זה $27.00 ועוד $11.28 — $38.28 לחודש, כאשר קריאות מהמטמון בתעריף $0.0184 למיליון מפחיתות עוד יותר את החלק החוזר של פרומפט המערכת.

ל-ERNIE-5.5-Flash-Base אין סעיף עלות מקביל, ולכן מודל העלות היחיד הכנה הוא חומרה. מאגר ה-FP8 מורכב מ-128 מקטעים של כ-2.25 GB כל אחד, בסך הכול 288 GB של משקלים; הגרסה התאומה ב-BF16 מכפילה זאת. פקודת ההרצה של SGLang מבית Baidu עצמה מפצלת אותו לארבעה חלקים עם --tp 4, מה שמעמיד כ-72 GB של משקלים על כל GPU לפני שקיים בכלל KV cache — אפשרי על כרטיס של 80 GB רק אם לעולם לא משתמשים בחלון ההקשר, ונוח על כרטיסים בדרגת H200. שכירת ארבעה כאלה במחיר בינוני של $2–3 ל-GPU-שעה תעלה לצומת כ-$5,800–8,600 בחודש בהרצה רציפה, לפני ששילמתם למישהו כדי לכוונן אותו, להעריך אותו או לשמור על מערך ההגשה מעודכן.

זה בסדר גודל של פי 150 עד 225 מחשבון ה-API של Qwen בדוגמה שלמעלה, וההשוואה מכוונת להיות לא הוגנת בכיוון אחד: השניים אינם תחליפים עד שמישהו יבצע אימון-המשך לנקודת הביקורת של ERNIE. הנקודה של החשבון אינה שאירוח עצמי יקר — אלא שהעלות הקבועה אמיתית והיא מגיעה לפני שהמודל יכול לענות אפילו על הוראה אחת, כך שהנפח שבו החזקה בו בבעלותך עדיפה על שכירת משהו מוגמר גבוה בהרבה ממה שהשוואה לפי טוקן מרמזת.

הקשר ארוך הוא המקום שבו שני העיצובים מתכנסים

שני המודלים מצהירים על מיליון טוקנים, ושניהם מגיעים לשם בכך שהם נמנעים מלהפעיל תשומת לב מלאה על פני מיליון עמדות. שכבות ה-HCA של ERNIE שומרות במטמון ערך יחיד לכל 128 טוקנים, כך ש-37 מתוך 43 השכבות שלה מגדילות את מטמון ה-KV שלהן פי 128 לאט יותר משכבה קונבנציונלית הייתה עושה; שש שכבות ה-MLA שומרות על גישה ברזולוציה מלאה לטוקנים שזקוקים לכך. ההיבריד GDN-plus-QSA של Qwen מבצע אותו סוג של חליפין מהצד של תשומת לב דלילה, ו-6B פרמטרים פעילים שלו שומרים על חישוב נמוך לכל טוקן ללא קשר למה שתשומת הלב עושה.

עבור הקורא, ההבדל המעשי אינו איזה עיצוב מתוחכם יותר — שניהם אמינים — אלא שרק אחד מהשניים מגיע עם מחיר עבור שימוש ממשי בהקשר הזה. לפרומפט של מיליון טוקנים ב-Qwen 3.8 Flash יש היום מספר מוצמד. ב-ERNIE-5.5-Flash-Base, אותו פרומפט מגיע עם אומדן של שעות GPU ושאלה שאין עליה תשובה לגבי האופן שבו מודל בסיס מתנהג באורך כזה ללא כיוונון הוראות.

מי אמור לבחור מה

בחר ב-Qwen 3.8 Flash אם אתה צריך מודל שמבצע הוראות עכשיו, אם הקלט שלך כולל צילומי מסך, מסמכים או וידאו, אם אתה רוצה שחשבון ההקשר הארוך יהיה בעיית תכנון הקיבולת של מישהו אחר, ואם $0.15/$0.47 למיליון טוקנים מתאים לכלכלת היחידה של מה שאתה בונה. הוא בן חודשיים, כלי מעקב של צד שלישי קלטו אותו מאז ההשקה, ומספרי הספק — SWE-bench Pro 62.5, GPQA Diamond 91.7, CoWorkBench 73.9 — הם טענות ולא תוצאות מאומתות, אז התייחס אליהם כאל גבול עליון עד שההערכה שלך תאמר אחרת.

בחרו ב-ERNIE-5.5-Flash-Base אם יש לכם יכולת פוסט-אימון וסיבה להחזיק במודל בעצמכם ולא לשכור אותו: תחום שהנתונים שלו אינכם יכולים לשלוח ל-API, עומס עבודה בסינית ובאנגלית שבו CMMLU 90.0 ו-ChineseSimpleQA 73.0 הם המספרים שחשובים לכם, תוכנית מחקר ב-RL שרוצה נקודת התחלה של 280B-A14B, או תקציב השהיה שמצדיק צומת ייעודי עם ארבעה GPUs. כמו כן עליכם להרגיש בנוח שהרישיון הוא הסכם Baidu מותאם אישית, ולא Apache, ושהמודל לא עושה שום דבר שימושי עד שהצוות שלכם הופך אותו לשימושי.

אל תבחר באף אחד מהם, ובכל זאת, אם מה שאתה באמת רוצה הוא מודל מוכח לשימוש כללי. Qwen 3.8 Flash הוא מוצר גמור ללא ציון בנצ'מרק עצמאי, ו-ERNIE-5.5-Flash-Base הוא מודל לא גמור עם טבלת בנצ'מרק של ספק. אף אחד מהם אינו ברירת המחדל הבטוחה שדגל מלפני שנתיים היה.

להריץ את הניסוי בלי להמר עליו את מפת הדרכים

החלק המסובך בהשוואה הזו הוא ששני הצדדים מושגים בדרכים שונות לחלוטין, ושכבת ניתוב עוזרת בדיוק לאחד מהם. Qwen 3.8 Flash זמין דרך OrcaRouter בתור qwen/qwen3.8-flash, במחיר המחירון של הספק עם 0% תוספת — אותם $0.15 ו-$0.47 שהספק גובה, מועברים כמו שהם, בלי שום דבר נוסף עבור המעבר. ERNIE-5.5-Flash-Base הוא לא משהו שאנחנו מגישים: זהו שחרור משקלים, ואין שום נקודת קצה מתארחת עבורו שאליה אפשר לנתב, לא כאן ולא בשום מקום אחר שמצאנו.

מה שנקודת קצה אחת באמת טובה בו במצב הזה הוא החלק שאחרי הניסוי. המסלול הריאלי עבור ERNIE 5.5 Flash הוא שצוות יבצע אימון-המשך לצ'קפוינט הבסיסי, והשאלה הופכת אז להיות האם המודל המכוונן מנצח את Qwen 3.8 Flash בתעבורה שלכם. כששניהם מאחורי מפתח אחד, זהו שינוי model-id ולא חוזה שני ו-SDK שני, ה-DSL לניתוב יכול לפצל את תעבורת הפרודקשן ביניהם בזמן שאתם מחליטים, ומעבר אוטומטי לגיבוי פירושו שמנצח לא מוכח לא יכול להפיל את כל הפיצ'ר ביום הרע הראשון שלו. מיזוג מודלים נותן לכם את האפשרות השלישית — פאנל שעונה יחד — וזו לעתים קרובות הדרך הזולה ביותר לגלות אם כיוונון חדש באמת טוב יותר מהקיים או רק שונה.

מה היה משנה את התשובה הזו

שלושה דברים, לפי סדר סבירות גס. ERNIE 5.5 Flash מכוונן instruction היה הופך את זה מחוסר התאמה קטגורי לתחרות ראש בראש אמיתית, והמספרים הבסיסיים מרמזים שהוא יהיה תחרותי — 82.3 ב-HumanEval+ ו-91.7 ב-RepoQA מ-checkpoint לא מכוונן הם נקודת התחלה חזקה. רשומה של ERNIE 5.5 במחירון של Qianfan תיתן לאריתמטיקה של self-hosting משהו להשוות אליו ותגיד לך אם Baidu מתכוונת למכור את המודל הזה או לתת אותו בחינם. וציון של צד שלישי לאחד מהמודלים יאפשר לקורא להפסיק לקחת טבלאות ספקים כאמינות, וזה המצב שבו הזיווג הזה תקוע היום: ל-Qwen 3.8 Flash אין תוצאת benchmark עצמאית על שמו, ול-ERNIE-5.5-Flash-Base אין שורה באף לוח מובילים ניטרלי בכלל.

עד ששניים מאלה יגיעו, "איזה טוב יותר" היא לא שאלה שמישהו מדד. מה שאפשר לענות עליו היום הוא צר יותר ושימושי יותר: Qwen 3.8 Flash הוא מודל שאפשר לפנות אליו, ו-ERNIE-5.5-Flash-Base הוא מודל שאפשר לבנות עליו. אלה תפקידים שונים, ואף טבלת בנצ'מרקים לא תכריע איזה מהם יש לך.