ERNIE-5.5-Flash vs Claude Haiku 5.5: Checkpoint Dasar Bertemu Lantai Harga

Baidu merilis ERNIE-5.5-Flash-Base di Hugging Face pagi ini, dan baris pertama kartu modelnya adalah yang paling penting: bobotnya adalah checkpoint akhir pra-pelatihan, tanpa pelatihan menengah dan tanpa pasca-pelatihan yang diterapkan. ERNIE 5.5 Flash yang telah menjalani pasca-pelatihan, menurut posting rilis Baidu, "akan menyusul." Kalimat tunggal itu membuat perbandingan langsung dengan Claude Haiku 5.5 tidak mungkin dilakukan hari ini, karena Claude Haiku 5.5 adalah model final yang telah disetel untuk instruksi dan dijual oleh Anthropic seharga $0.10 per juta token masukan dan $0.50 per juta token keluaran. Satu sisi pertandingan ini adalah artefak riset. Sisi lainnya adalah produk dengan daftar harga. Berikut ini adalah apa sebenarnya masing-masing, apa yang bisa dan tidak bisa dijadikan pembanding bagi angka yang diterbitkan Baidu, dan apa yang harus berubah sebelum perbandingan yang dicari orang menjadi perbandingan yang nyata. ERNIE-5.5-Flash tidak ada di dalamnya hari ini. jelajahi katalog model lengkap Ini mencantumkan setiap model yang dapat dirutekan OrcaRouter, dengan harga penyedia secara langsung.

Apa yang sebenarnya diterbitkan Baidu hari ini

Rilis ini terdiri dari dua repositori — baidu/ERNIE-5.5-Flash-Base dalam FP8 dan baidu/ERNIE-5.5-Flash-Base-BF16 — ditambah tulisan teknis di bagian Product Updates di ernie.baidu.com. Ini adalah model bahasa sparse mixture-of-experts dengan total 280B parameter dan 14B diaktifkan per token, dipralatih dari awal pada 33,5T token menggunakan optimizer Muon dan presisi campuran FP8. Sidebar Hugging Face membulatkan total menjadi 286B; kartu tersebut menyebutkan kedua angka itu tidak termasuk 0,36B dari apa yang disebut Baidu sebagai parameter ECHO.

Arsitekturnya spesifik, yang tidak biasa untuk rilis senyap. Empat puluh tiga lapisan, satu dense dan 42 MoE. Tiga puluh tujuh lapisan menggunakan attention terkompresi yang disebut Baidu sebagai HCA, meng-cache satu entri per 128 token; enam menggunakan MLA dengan sparse attention gaya DeepSeek. Ukuran hidden 4,096, 64 head, 512 routed expert dengan routing top-10 plus satu shared expert, dan kosakata 201,216. Konteks pelatihan adalah 128K; konfigurasi yang dirilis memungkinkan 1,048,576 token untuk fine-tuning dan inferensi.

Perkakas disertakan bersamanya. Kartu tersebut memuat contoh penerapan SGLang dan vLLM, dan repositori Megatron-Bridge milik NVIDIA sudah memiliki contoh ERNIE 5.5 untuk fine-tuning. Itulah cakupan praktis dari rilis basis yang ditujukan bagi orang yang berniat melatihnya, bukan orang yang berniat memanggilnya.

Yang tidak dirilis: model instruct, template chat yang layak, daftar API, harga, atau satu pun benchmark independen. Tidak ada entri ERNIE dalam katalog 216 model OrcaRouter per saat publikasi, dan tidak ada halaman Artificial Analysis. Satu-satunya skor yang ada adalah milik Baidu sendiri, dijalankan pada 30 benchmark di bawah harness terpadu terhadap tiga base model lain: DeepSeek-V4-Flash-Base pada 284B-A13B, Hy3-preview-Base pada 295B-A21B, dan MiMo-V2.5-Base pada 310B-A15B.

Apa yang dijual Claude Haiku 5.5

Claude Haiku 5.5 hadir pada awal Oktober 2026 sebagai tier kecil dan cepat dari Anthropic, dan bentuk komersialnya merupakan kebalikan dari rilis Baidu: semuanya diterbitkan, diberi harga, dan disajikan. Sorotan utamanya adalah pemotongan harga sekitar 90 persen dibandingkan Haiku 4.5 pada tier konteks pendek — $0,10 untuk input dan $0,50 untuk output per juta token untuk prompt hingga 100K token, naik menjadi $0,50 dan $2,50 di atasnya. Pembacaan input dari cache sebesar $0,01, batch dengan setengah tarif standar. Menurut framing Anthropic sendiri, tokenizer baru menghitung sekitar 30 persen lebih banyak token untuk teks yang sama, sehingga penghematan efektif per tugas lebih kecil daripada yang tertera — sekitar 75 persen menurut perkiraan Anthropic sendiri.

Lembar spesifikasi itu adalah lembar produk. Konteks satu juta token, keluaran maksimum 128K, input teks dan gambar dengan keluaran teks, batas pengetahuan Juni 2026, serta lima tingkat upaya dari rendah hingga maks. Anthropic memposisikannya sebagai model tercepatnya pada kecepatan standar; Artificial Analysis mengukurnya pada 258 token keluaran per detik dalam pengujian terbarunya. Model ini tersedia melalui API milik Anthropic, Amazon Bedrock, Google Vertex AI, dan Microsoft Foundry.

Itu adalah dua objek. Sebuah checkpoint dasar berparameter 280B di bawah lisensi khusus, dan model konteks 1M yang dihosting dengan harga sepuluh sen per juta token masukan. Menempatkan keduanya dalam satu kalimat hanya dapat dibenarkan jika Anda eksplisit tentang pertanyaan mana yang sedang Anda jawab.

Mengapa 93,3 MMLU bukan angka Haiku

Kartu Baidu melaporkan MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, BBH 77,1 dalam mode langsung dan 89,2 dengan rantai pemikiran, HumanEval+ 82,3, MBPP+ 81,5, LiveCodeBench 40,1, HELMET-RAG 71,5, RepoQA 91,7, dan LongBench-v2 48,7. Itu angka-angka yang kuat untuk model dasar. Secara struktural, angka-angka itu juga tidak sebanding dengan apa pun yang diterbitkan Anthropic untuk Haiku 5.5.

Tiga alasan, dan ketiganya penting. Pertama, model base dievaluasi dengan prompting yang berbeda — completion few-shot alih-alih mengikuti instruksi — sehingga skor base mengukur prior prapelatihan, bukan asisten yang dipanggil oleh pengembang. Kedua, harness-nya berbeda: Baidu menjalankan pipeline-nya sendiri dengan prompt dan jumlah few-shot miliknya sendiri, yang merupakan cara yang tepat untuk membandingkan modelnya dengan model base lain dan cara yang salah untuk membandingkannya dengan benchmark instruct milik vendor. Ketiga, MMLU di angka 93 sudah jauh masuk saturasi; perbedaan antar model teratas pada benchmark itu sekarang lebih kecil daripada efek pemformatan antar harness.

Jadi pembacaan yang jujur atas "ERNIE-5.5-Flash vs Claude Haiku 5.5 pada benchmark" adalah: belum ada perbandingan seperti itu, dan siapa pun yang menerbitkannya minggu ini entah membandingkan checkpoint dasar dengan model instruct tanpa mengatakannya, atau mengarang angka instruct-nya.

Satu detail dari tabel Baidu sendiri layak dipertahankan, karena bertentangan dengan narasi peluncuran. Pos tersebut mengakui bahwa pesaing memenangkan beberapa baris — ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench, dan FullStackBench jatuh ke salah satu model dasar lainnya. Vendor yang mempublikasikan kekalahannya dalam tabel yang sama dengan kemenangannya memberi Anda sinyal yang berguna tentang seberapa besar bobot yang layak diberikan pada sisa tabel itu.

Harga yang belum ada

"Flash" dalam penamaan Baidu adalah label tingkat, bukan spesifikasi. Lini ERNIE memiliki tangga harga yang sudah mapan — ERNIE 5.1 berada sekitar $0,59 untuk input dan $2,65 untuk output per juta token pada daftar Qianfan internasional, dengan ERNIE 4.5 Turbo jauh di bawahnya — tetapi ERNIE 5.5 Flash tidak memiliki tarif yang dipublikasikan, tidak memiliki endpoint Qianfan, dan tidak ada dalam daftar pihak ketiga. Mencari harganya hanya mengembalikan rilis dasar dan tidak ada yang lain.

Celah itu adalah seluruh pertanyaan komersial. Harga $0.10/$0.50 dari Haiku 5.5 mengatur ulang berapa biaya yang diizinkan untuk model kecil, dan itu adalah angka yang kini menjadi tolok ukur setiap peluncuran kelas Flash. Jika Baidu menetapkan harga ERNIE 5.5 Flash di atas itu, model tersebut harus membenarkannya berdasarkan kualitas bahasa Mandarin atau residensi data. Jika harganya di bawah itu, model tersebut menjadi opsi serius untuk beban kerja di Tiongkok daratan. Sampai tarif muncul, tidak ada cabang yang dapat diverifikasi.

Artificial Analysis, yang indeksnya dibangun ulang pada 27 Oktober 2026, menempatkan Claude Haiku 5.5 di peringkat 36 pada upaya maksimum — angka yang termasuk dalam indeks saat ini dan tidak dapat dibandingkan dengan angka pra-rebase yang masih beredar untuk model lain. Intinya bukan nilai persisnya. Intinya adalah bahwa Haiku memiliki tempat pada skala tersebut dan ERNIE-5.5-Flash tidak, karena tidak ada model instruct untuk diuji.

Di sinilah juga perutean mengubah keputusan. OrcaRouter meneruskan harga daftar penyedia dengan markup 0%, sehingga ketika vendor menurunkan tarif, harga baru langsung berlaku di platform pada hari yang sama, bukan setelah margin reseller dihitung ulang. ERNIE-5.5-Flash tidak ada dalam katalog tersebut saat ini — 216 ID model, tidak satu pun ERNIE — jadi saran praktis bagi siapa pun yang merencanakan model biaya adalah membangunnya berdasarkan model yang benar-benar sudah ditetapkan harganya, dan meninjau kembali saat Baidu menerbitkan daftar tarif.

Siapa yang harus mengkloning repo minggu ini

Bukan pengembang aplikasi. Checkpoint dasar tidak memiliki perilaku mengikuti instruksi yang bisa dibanggakan, dan membuatnya berperilaku seperti asisten berarti pipeline pasca-pelatihan yang harus Anda rancang sendiri. Ada tiga kelompok yang punya alasan untuk mengunduh bobotnya sekarang.

• Tim adaptasi domain yang bekerja dalam bahasa Mandarin — 33,5T token pra-pelatihan dan kosakata 200K, pra-pelatihan lanjutan pada model dasar adalah titik awal yang sah, dan contoh Megatron-Bridge menurunkan biaya untuk mencobanya.

• Peneliti RL dan pasca-pelatihan yang menginginkan model aktif 14B dengan detail arsitektur yang telah dipublikasikan — routing 512-expert, top-10 dan pembagian 37/6 HCA-ke-MLA didokumentasikan cukup baik untuk direproduksi.

• Tim evaluasi yang ingin mendapatkan baseline bersih sebelum model instruct hadir — menjalankan base sendiri sekarang memberi Anda titik referensi yang tidak dapat digeser oleh pemasaran vendor di kemudian hari.

Semua pihak lain sebaiknya menunggu. Model yang tidak dapat Anda panggil, tentukan harganya, atau bandingkan dengan model instruct bukanlah opsi pengadaan, dan jumlah total parameter 280B berarti melakukan self-hosting atasnya merupakan proposisi multi-GPU bahkan pada FP8.

Apa yang akan mengubah putusan?

Empat peristiwa, dalam urutan yang kemungkinan besar akan menjadi penting.

• {{1}}ERNIE 5.5 Flash yang telah menjalani pelatihan pasca-pelatihan{{/1}} dirilis. Baidu mengatakan akan menyusul. Sampai hal itu terjadi, setiap perbandingan kemampuan bersifat spekulatif, dan kesenjangan antara checkpoint dasar dan model Flash yang sudah jadi justru merupakan tempat sebagian besar kualitas yang terlihat oleh pengguna berada.

• Sebuah harga muncul di Qianfan. Itulah momen ketika perbandingan Haiku menjadi keputusan nyata, bukan kesalahan kategori.

• Evaluasi independen telah dirilis. Liputan Artificial Analysis atau LMArena akan mengubah harness Baidu menjadi sesuatu yang dapat diperiksa silang. Perlu dicatat bahwa indeks AA sendiri telah di-rebasis pada 27 Oktober 2026, sehingga angka pra-rebasis yang beredar untuk Haiku 5.5 dan lainnya tidak boleh dibandingkan dengan angka pasca-rebasis.

• Host pihak ketiga mengambil alihnya. Itu biasanya menjadi sinyal bahwa biaya penyajian sudah dipahami, dan pada titik itulah sebuah model menjadi dapat dirutekan, bukan sekadar dapat diunduh.

Perbandingan dalam judul itu baru layak ditulis ketika dua dari empat hal tersebut sudah terjadi. Yang ada saat ini adalah model dasar yang terdokumentasi dengan baik, lisensi yang bukan Apache, dan nama tingkat produk tanpa produk di baliknya. Sementara itu, Claude Haiku 5.5 adalah model yang sudah jadi dengan harga yang kini harus dijawab oleh vendor lain. Pada satu-satunya pertanyaan yang diajukan pembeli — berapa biaya satu token dan apa yang bisa dilakukannya — satu pihak punya jawaban dan pihak lain punya janji.

Bagian yang menarik bukanlah bahwa Baidu merilisnya secara diam-diam. Yang menarik adalah perusahaan itu memilih merilis bobot dasar terlebih dahulu, sebelum model yang dapat digunakan siapa pun, dan tidak memasang harga. Itu adalah irama rilis lab riset, bukan peluncuran produk, dan seharusnya dibaca sebagai demikian.