
Hy4 flash-Base מול ERNIE 5.5 Flash Base: ההשוואה ההוגנת היחידה שאחד מהספקים פרסם
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 138 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 175 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 89 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 97 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 116 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
שתי מעבדות סיניות פרסמו צ'קפוינטים מאומנים מראש בהפרש של שנים עשר ימים, ולשם שינוי טבלת ההשוואה כותבת את עצמה: Hy4 flash-Base מול ERNIE 5.5 Flash Base, מאותו סוג של תוצר ומאותו שלב בצינור, שהוערכו באותו אופן. Tencent פרסמה את Hy4 flash-Base ב-17 בנובמבר 2026 לצד מודל האינסטרוקציות. Baidu פרסמה את ERNIE 5.5 Flash Base ב-5 בנובמבר 2026, ונכון לזמן כתיבת שורות אלו הוא עדיין התוצר היחיד של ERNIE 5.5 שקיים — מודל הצ'אט שעבר אימון נוסף טרם שוחרר.
ההבדל הזה במה שמקיף את הצ'קפוינט הוא רוב מה שהופך את ההשוואה הזו לשווה עמוד. השוואה בין שני הבסיסים מספרת לך איך עבר הפרה-אימון. השוואה בין שתי ההשקות מספרת לך משהו פחות מחמיא על שתיהן: חברה אחת שחררה את חומר הגלם ואת המוצר המוגמר באותו יום, והאחרת שחררה את חומר הגלם והבטחה.
למה נקודות ביקורת בסיסיות הן ההשוואה הכנה
כמעט כל השוואת מודלים שתקראו אינה הוגנת באופן סמוי, מפני שהיא מעמידה מודל מוגמר ומכוונן להוראות של ספק אחד מול מודל מוגמר ומכוונן להוראות של ספק אחר, כשכל אחד מהם מוערך במערך הבדיקות שלו עם קווי הבסיס שלו. צ'ק-פוינטים בסיסיים (Base checkpoints) מסירים אחד מהמשתנים האלה. אף אחד מהמודלים לא עבר post-training, ולאף אחד מהם אין תבנית צ'אט שמעצבת את פורמט הפלט, ושני הספקים מפרסמים טבלאות few-shot על מבחנים אקדמיים סטנדרטיים ולא על מערכי סוכנים מותאמים אישית.
מה שנותר — מערך הבדיקות, מספרי ה-shot ותת-הקבוצות — עדיין ספציפי לספק, כך ששום דבר כאן אינו ניסוי מבוקר. אבל טבלת בסיס מול בסיס היא השוואה בין ריצות אימון מקדים, והאימון המקדים הוא החלק היקר. זה הדבר הקרוב ביותר למספר שניתן להשוות בתנאים זהים ששתי החברות הללו פרסמו זו על זו.
שתי נקודות הביקורת, זו לצד זו
• פרמטרים — Hy4 flash-Base 220.3B סה"כ, 12B פעילים לכל טוקן; ERNIE 5.5 Flash Base 280B סה"כ, 14B פעילים לכל טוקן.
• היכן נמצאים הפרמטרים — Hy4 flash-Base נושאת 155.5B בשלד בן 42 שכבות, 63.5B בטבלאות הטמעת n-gram של Engram, 0.43B במקודד ראייה ו-0.85B ב-DFly2 drafter; ה-280B של ERNIE הוא פיזור MoE קונבנציונלי יותר, בתוספת מודול ECHO של 0.36B שאינו נכלל בספירה הראשית.
• עומק וניתוב — {{1}}42 שכבות (אחת צפופה, 41 MoE) עם 512 מומחים מנותבים בתוספת אחד משותף, 16 פעילים, גודל מוסתר 3,072, עבור Hy4 flash-Base; 43 שכבות (אחת צפופה, 42 Multi-Router Latent MoE) עם 512 מומחים מנותבים בתוספת אחד משותף, top-10, גודל מוסתר 4,096, עבור ERNIE.{{/1}}
• הקשר — 1,048,576 טוקנים מוגדרים בשניהם. Tencent אימנה את Hy4 flash ישירות באורך הזה; Baidu אימנה את ERNIE ב-128,000 והגדירה את התצורה שפורסמה ל-1,048,576 לצורך כוונון עדין והסקה, וזו יכולת של התצורה ולא התנהגות שנמדדה.
• מודאליות — טקסט ותמונה נכנסים, טקסט יוצא, בשניהם. Hy4 flash-Base מסופק עם מקודד ראייה שמקורו ב-SigLIP2; הכרטיס של ERNIE 5.5 Flash Base מתאר קלט טקסט בלבד בטבלת קישורי המודל.
• רישיון — Tencent Hy License v1.0, נגזרת של Apache 2.0 עם סעיף MaaS החל מהכנסות של 50 מיליון דולר או 100 מיליון משתמשים פעילים חודשיים; ERNIE 5.5 Flash Base Model License v1.0, המחרה לחלוטין את האיחוד האירופי, הממלכה המאוחדת ודרום קוריאה כשטחים.
שורת הרישיון אינה הערת שוליים. צוות אירופי אינו יכול להשתמש כלל בצ׳קפוינט ERNIE במסגרת המענק שלו, ואין שום יתרון בנצ׳מרק שישנה זאת. צוות בכל גודל יכול להשתמש ב-Hy4 flash-Base, וצוות שהכנסות ה-MaaS שלו עולות על 50 מיליון דולר צריך לשלוח דוא״ל לפני שהוא עושה זאת.
מה אומרת הטבלה של Baidu, ומה המחיר של להאמין לה
מערך ההשוואה של Baidu הוא הנכון עבור מהדורת בסיס: ERNIE 5.5 Flash Base מול DeepSeek-V4-Flash-Base, Hy3-preview-Base ו-MiMo-V2.5-Base, על צינור עיבוד אחד שאותו מתאר הכרטיס כמשותף לכל ארבעתם. כל נתון להלן מדווח על ידי Baidu ולא שוחזר.
• 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 לעומת 69.2, 66.9 ו-65.7. הפער הגדול ביותר בקבוצה.
• GPQA — 60.2 לעומת 55.9, 50.2 ו-51.4.
• HumanEval+ — 82.3 לעומת 69.5, 78.0 ו-74.4.
• LiveCodeBench — 40.1 לעומת 31.9, 33.5 ו-32.4.
• LongBench-v2 — 48.7 לעומת 44.5, 39.8 ו-44.6.
• BBH עם שרשרת מחשבה — 89.2 לעומת Hy3-preview-Base 90.0 ו-MiMo-V2.5-Base 89.8. תיקו תלת-כיווני בתוך הרעש, יהיה מה שיהיה מה שהעיצוב המודגש מרמז.
• ChineseSimpleQA — 73.0 לעומת 75.3 של DeepSeek. הפסד, במדד הקרוב ביותר לשוק הביתי של Baidu.
הטבלה מאבדת שורות, וזו הסיבה שהיא נקראת כטבלה שמישהו בנה ולא כזו שמישהו בחר. שימו לב למה שחסר בה: Hy4 flash-Base. ה-checkpoint של Tencent לא היה קיים ב-5 בנובמבר, ולכן אף אחד מעולם לא פרסם שורה ישירה בין שני המודלים בהשוואה הזו.
מה כתוב בטבלה של Tencent, כולל כתב הוויתור
הטבלה הבסיסית של Tencent היא מחומשת — Hy4 flash-Base, Hy4 Base, Hy3 preview Base, DeepSeek-V4-flash-Base ו-DeepSeek-V4-Pro-Base — והיא גם מאבדת שורות. דווח על ידי הספק, לא שוחזר:
• MMLU-Pro — 71.1 עבור Hy4 flash-Base לעומת 73.9 עבור Hy4 Base, 65.8 עבור Hy3 preview Base, 68.6 עבור DeepSeek-V4-flash-Base ו-73.4 עבור DeepSeek-V4-Pro-Base.
• SimpleQA — 37.5 לעומת 57.2, 26.4, 31.3 ו-52.1. ההפסד הגדול ביותר בכרטיס.
• C-Eval — 92.0 לעומת 95.0, 90.1, 91.9 ו-93.4.
• CMMLU — 91.6 לעומת 93.1, 89.6, 89.8 ו-90.7.
• AGIEval בסינית — 90.6 לעומת 91.2, 87.8, 88.5 ו-89.8.
• Belebele — 93.8 לעומת 95.0, 94.2, 94.4 ו־95.2.
• כולל — 82.8 לעומת 88.1, 84.3, 84.0 ו-84.3.
• MMMU-Pro — 52.0 לעומת 59.6 עבור Hy4 Base. שורות המולטימודל קיימות רק עבור שני דגמי Hy.
בקריאה כמכלול: Hy4 flash-Base הוא מודל קטן וזול יותר מאחיו, והוא מפסיד להם ברוב השורות — וזה בדיוק מה שמודל עם 12B פעילים אמור לעשות מול מודל עם 49B פעילים. השורות המעניינות הן אלה הרב-לשוניות, שבהן הוא נמצא במרחק של נקודה או שתיים ממודלים גדולים בהרבה, ו-SimpleQA, שבו הוא מפגר אחרי Hy4 Base בעשרים נקודות — פער באחזור עובדות שמעיד משהו על כמה מהיכולת הזו טמונה במספר הפרמטרים ולא בנתוני האימון.
Tencent גם מוסיפה מיוזמתה הסתייגות שכרטיס המודל של Baidu אינו כולל: מכיוון שהמודל הבסיסי נחשף לכמות גדולה של נתוני הוראות סינתטיים במהלך אימון הביניים, הוא "לעיתים נכשל בעמידה בפורמט התשובה הצפוי בהערכות few-shot, מה שעלול לעוות את הציונים." ספק שמספר לך שמערך ההערכה שלו עצמו עשוי למדוד עמידה בפורמט הוא נדיר מספיק כדי להצדיק את המשפט.

לא ניתן להניח את שני השולחנות זה על גבי זה
הנה המלכודת בהשוואה הזו, וכדאי לומר אותה בגלוי כי רוב האינטרנט לא יעשה זאת. שני הספקים מפרסמים MMLU-Pro. Baidu מדווחת 78.4 עבור ERNIE 5.5 Flash Base. Tencent מדווחת 71.1 עבור Hy4 flash-Base. מפתה לחסר ולדווח על ניצחון של 7.3 נקודות ל-Baidu. החיסור הזה אינו בר-הגנה.
מספרי דגימות שונים, תבניות פרומפט שונות, ובמקרה של Hy4 flash-Base גם בעיית עמידה בפורמט שמודים בה, שעלולה להנמיך ציון ממוצע מאקרו. המספר היחיד בשתי הטבלאות שמגיע עם הגדרה משותפת — Belebele על תת-קבוצה של חמישה שפות — מציג 93.8 עבור Hy4 flash-Base והוא פשוט נעדר מהטבלה של Baidu. אין חפיפה קפדנית מספיק כדי לגרוע.
מה שאפשר לומר הוא צר יותר ועדיין שימושי: הצ'קפוינט של כל ספק מנצח את קווי הבסיס של DeepSeek מצד שלישי שכל אחד מהם בחר, ברוב השורות, בפערים שהפיקו מערכי ההערכה שלהם עצמם. שתי טענות שכמעט בלתי־תלויות באותו כיוון הן ראיה חזקה יותר מכל אחת לבדה וחלשה יותר מבנצ'מרק משותף. זה התקרה הכנה של מה ששני הכרטיסים האלה תומכים בו.

גרסה אחת הושלמה; האחרת היא הבטחה
זו האסימטריה שחשובה יותר מכל שורה שלמעלה, והיא לא עוסקת באיכות הבנצ'מרק.
טנסנט פרסמה שלושה ארטיפקטים ב-17 בנובמבר: מודל ה-instruct, גרסת ה-FP8 שלו, וצ'ק-הפוינט הבסיסי. צוות שרוצה מודל צ'אט היום יכול להוריד אחד, לטעון אותו ב-vLLM עם vllm/vllm-openai:hy4-flash כתמונה המקובעת, ולשרת אותו. צ'ק-הפוינט הבסיסי קיים עבור מי שרוצה לבצע כוונון עדין, והכרטיס מפנה למדריך לכוונון עדין.
Baidu פרסמה ארטיפקט אחד ב-5 בנובמבר. ERNIE 5.5 Flash Base הוא משקלים שעברו אימון מקדים. אין ERNIE 5.5 Flash מותאם-הוראות להורדה, אין נקודת קצה של API מתועדת בשם הזה בחומרי ההשחרור, וכרטיס המודל מתאר את המודל שעבר אימון-המשך רק כמשהו ש"אמור לבוא לאחר מכן". צוות שמוריד היום את ERNIE 5.5 Flash Base מתחייב לבצע בעצמו את אימון-ההמשך, על 280B של משקלים, לפני שיהיה לו מודל שיכול לענות על שאלה בפורמט שמיש.
עבור קבוצת מחקר זה בדיוק הממצא המעניין. עבור צוות מוצר זה אינו מודל, אלא נקודת התחלה שאליה כרוכה כמות בלתי מוגבלת של עבודה, וההשוואה הנכונה אינה מול Hy4 flash-Base אלא מול Hy4 flash — שעולה כסף לכל טוקן ועובד כעת.

היכן נתב משתלב בהחלטה בנוגע לנקודת ביקורת בסיס
צ'קפוינטים בסיסיים אינם מה שנתב משרת, ויהיה לא ישר לרמוז אחרת. OrcaRouter אינו כולל את Hy4 flash-Base וגם לא את ERNIE 5.5 Flash Base, ומודל ה-instruct של אף אחד מהספקים לא נמצא בקטלוג היום. מה שכן נמצא בקטלוג הוא tencent/hy4-preview — המודל 770B/49B שהופק ממנו Hy4 flash בזיקוק — במחיר $0.834 למיליון אסימוני קלט ו-$2.501 למיליון אסימוני פלט, עם קריאת מטמון ב-$0.042.
זה חשוב להחלטה מסוימת. אם אתם שוקלים אם לכוונן נקודת ביקורת בסיסית של 220B, השאלה הראשונה היא אם ההתנהגות של המשפחה מתאימה למשימה שלכם בכלל, ומודל התצוגה המקדימה עונה על כך בתוך אחר צהריים אחד במחיר הטוקנים שאתם מוציאים על בדיקה. לעשות זאת לפני שאתם מקצים שמונה GPUs לפריסת FP8 בטנסור-מקביל הוא הצעד הזול ביותר בפרויקט כולו. מחיר המחירון של הספק עובר הלאה בתוספת של 0%, כך ששינוי מחיר של Tencent מגיע לקטלוג ביום שבו הוא קורה ולא בבנייה מחדש הבאה, וכן מעבר אוטומטי לגיבוי פירושו שמשימת הערכה לא נופלת בגלל שלספק במעלה הזרם הייתה שעה רעה.
{{1}}אם הכוונון העדין עובד{{/1}}, המשקלים הם שלך והראוטר מפסיק להיות חלק מהנתיב הזה. {{2}}אם הוא לא עובד{{/2}}, בילית אחר צהריים במקום רבעון כדי לגלות.
איך לקרוא את המאצ'אפ הזה
אם אתם רוצים מודל שמסוגל לעשות עבודה, העמוד הזה הוא העמוד הלא נכון: Hy4 flash הוא המודל המוגמר ול-ERNIE 5.5 Flash עדיין אין כזה. אם אתם רוצים בסיס מאומן מראש שעליו לבנות, שני המועמדים קרובים יותר ממה שהשיווק מרמז ורחוקים יותר ממה שחיסור בנצ'מרק ימחיש.
ERNIE 5.5 Flash Base גדול יותר, אומן זמן רב יותר — 33.5 טריליון טוקנים באמצעות האופטימיזר Muon — ומדווח על ציונים חזקים יותר במערכת ההערכה שלו עצמו, כולל נתון MMLU-Pro שאף מודל של Tencent בכרטיס ההשוואה לא משתווה לו. Hy4 flash-Base קטן יותר, זול יותר להגשה עם 12B פעילים, מולטימודלי באופן ילידי, מגיע עם מקודד חזותי ומנסח לפענוח ספקולטיבי, ומגיע עם רישיון שאינו שולל שלושה תחומי שיפוט.
הגורם המכריע יהיה כנראה לא היכולת ולא הרישיון, אלא שנים-עשר הימים שביניהם. לצ'קפוינט של Baidu היו כמעט שבועיים כדי שקהילת הכיוונון העדין תייצר משהו; ל-Hy4 flash-Base היה יום אחד. שימו לב אם יופיע ERNIE 5.5 Flash מכוונן להוראות, ושימו לב אם מישהו מפרסם LoRA עבור Hy4 flash-Base. הראשון יהפוך את זה להשוואה אמיתית, שסביר מאוד שתלווה במדד משותף; השני יגיד לכם איזה בסיס המתרגלים באמת העדיפו.
השוואות במאמר הזה1
זוהה מתוך המאמר הזה
