ERNIE-5.5-Flash vs DeepSeek V4.1 Flash: Baidu Sendiri yang Memulai Pertarungan Ini

Perbandingan yang paling berguna untuk ERNIE-5.5-Flash tidak ditulis oleh seorang pengulas. Perbandingan itu ada di tabel benchmark milik Baidu sendiri, tempat ERNIE-5.5-Flash-Base yang baru dirilis dinilai terhadap DeepSeek-V4-Flash-Base pada 284B total dan 13B parameter aktif — hampir persis kelas ukuran yang sama dengan ERNIE dengan 280B total dan 14B aktif. Itulah satu-satunya konfrontasi setara dalam seluruh peluncuran ERNIE 5.5: dua checkpoint pretrained, satu harness, prompt yang sama. Segala hal lain dalam pertandingan ini tidak simetris, karena DeepSeek V4.1 Flash adalah model jadi yang berlisensi MIT, sudah ditetapkan harganya, dan dilayani, sedangkan ERNIE-5.5-Flash adalah checkpoint base yang versi post-trained-nya menurut Baidu "akan menyusul." Artikel yang jujur karena itu adalah dua artikel: apa yang dikatakan angka base-ke-base, dan apa yang terjadi ketika Anda menempatkan angka-angka itu di samping model yang benar-benar bisa dipanggil orang. OrcaRouter meneruskan harga daftar penyedia tanpa markup tambahan, sehingga diskon berdasarkan waktu dalam sehari dari DeepSeek berlaku pada hari saat diskon itu berlaku.

Satu-satunya perbandingan yang dijalankan Baidu secara setara

Baidu menerbitkan 30 benchmark di tujuh kategori, dievaluasi dalam satu pipeline dengan prompt dan contoh few-shot yang identik, terhadap tiga model dasar: DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B), dan MiMo-V2.5-Base (310B-A15B). Baris DeepSeek adalah yang perlu dicermati, karena jumlah parameternya cukup berdekatan sehingga yang berperan adalah arsitektur dan kualitas data, bukan skala.

• Total parameter — ERNIE-5.5-Flash-Base 280B vs DeepSeek-V4-Flash-Base 284B

• Aktif per token — 14B vs 13B

• Token prapelatihan — 33.5T vs tidak disebutkan pada baris perbandingan

• Konteks pelatihan — 128K vs kelas 128K

• Bobot dirilis — FP8 dan BF16, keduanya kini tersedia

• Lisensi — Perjanjian Lisensi Model Dasar ERNIE 5.5 Flash v1.0 vs MIT

Pada baris yang disorot Baidu, ERNIE memimpin: MMLU 93.3, MMLU-Pro 78.4, GPQA 60.2, BBH 89.2 dengan chain of thought, HumanEval+ 82.3, MBPP+ 81.5, HELMET-RAG 71.5, dan RepoQA 91.7. Ini adalah lembar model dasar yang benar-benar kuat. Ini juga dijalankan oleh vendor, pada harness yang dirancang Baidu, yang diterbitkan pada hari bobotnya dirilis. Anggap saja ini sebagai klaim dengan lampiran terperinci, bukan sebagai hasil.

Bagian yang lebih informatif adalah bagian di mana ERNIE kalah. Postingan Baidu mengakui bahwa ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench, dan FullStackBench jatuh ke tangan pesaing. Tabel peluncuran yang menampilkan kekalahannya sendiri memberi tahu Anda bahwa perbandingan itu dijalankan dengan itikad baik — yang justru meningkatkan, bukan menurunkan, nilai baris-baris yang dimenangkan ERNIE.

Di mana simetri terputus: satu model sudah selesai

DeepSeek V4.1 Flash dirilis pada 10 September 2026, dengan snapshot "1017" pada 17 Oktober. Ini adalah model sparse mixture-of-experts dengan backbone 552B dan total sekitar 763B parameter termasuk memori kondisional, yang mengaktifkan 8B pada input dan 16B pada output. Input multimodal native, konteks 1M token, 45T token pelatihan, dan lisensi MIT. Dalam tarif daftar yang ditawarkan OrcaRouter, biayanya $0,15 per juta token input dan $0,60 per juta token output, dengan pembacaan cache di $0,003–$0,006; API DeepSeek sendiri menambahkan diskon berdasarkan waktu dalam sehari, yang perlu diketahui sebelum Anda membangun model biaya berdasarkan angka terendah yang dapat Anda temukan.

Model itu mengikuti instruksi, memanggil alat, menerima gambar, dan memiliki harga yang dipublikasikan. ERNIE-5.5-Flash-Base tidak melakukan semua itu, karena model tersebut belum menjalani post-training. Karena itu, perbandingan yang penting bagi pembeli bukanlah perbandingan base-ke-base — melainkan model-jadi-ke-model-jadi, dan salah satu dari dua model jadi tersebut belum ada.

Ini bukan catatan kecil. Pasca-pelatihan adalah sumber dari kemampuan mengikuti instruksi, penggunaan alat, perilaku penolakan, disiplin pemformatan, dan sebagian besar kualitas yang dipersepsikan dari model kelas Flash modern. Skor MMLU dari checkpoint dasar memberi tahu Anda tentang prior. Skor itu hampir tidak memberi tahu apa pun tentang apakah model akan secara andal menghasilkan objek JSON, mengikuti prompt sistem, atau bertahan dalam loop agen 40 giliran. DeepSeek V4.1 Flash memiliki perilaku yang dipublikasikan pada sumbu-sumbu itu. ERNIE 5.5 Flash memiliki janji.

Perbedaan lisensi adalah masalah tersembunyi.

DeepSeek merilis V4.1 Flash dengan lisensi MIT. Itu kurang lebih sepermisif mungkin dalam lisensi model: penggunaan komersial, modifikasi, redistribusi, tanpa batasan bidang penggunaan, tanpa perjanjian terpisah yang perlu dinegosiasikan. Baidu merilis ERNIE-5.5-Flash-Base di bawah Perjanjian Lisensi Model Dasar ERNIE 5.5 Flash v1.0 — lisensi khusus, bukan Apache 2.0, dan secara mencolok merupakan langkah mundur dari ERNIE 4.5, yang dirilis dengan lisensi Apache 2.0 pada 2025.

Bagi tim riset, ini mungkin tidak menjadi masalah. Bagi perusahaan yang ingin melakukan fine-tuning pada data eksklusif dan meluncurkan produk, ini adalah hal pertama yang akan dibaca oleh tim hukum, dan lisensi model Tiongkok yang dibuat khusus secara historis membawa pembatasan penggunaan, persyaratan atribusi, dan ambang batas yang tidak dimiliki MIT. Bobot yang dapat diunduh tidak sama dengan bobot yang dapat digunakan sesuai ketentuan Anda.

Perbedaan itu kian membesar seiring ukuran. ERNIE dengan total 280B parameter kurang lebih merupakan proposisi 280GB dalam FP8 sebelum Anda menambahkan KV cache dan ruang cadangan untuk aktivasi; total 763B milik DeepSeek V4.1 Flash bahkan lebih besar lagi, dan itulah justru alasan sebagian besar tim mengaksesnya melalui API alih-alih klaster GPU. Jika rencana Anda adalah menghosting sendiri salah satunya, lisensi adalah masalah yang lebih murah untuk diselesaikan.

Serving: kedua repo menyebutkan alat yang sama, salah satunya memiliki keunggulan dua bulan.

Kartu model Baidu memuat contoh SGLang dan vLLM, dan repositori Megatron-Bridge milik NVIDIA sudah menyertakan contoh fine-tuning ERNIE 5.5. Itu rilis yang kompeten — model dasar dengan resep penyajian sejak hari pertama lebih baik daripada yang mampu dicapai banyak lab.

Keunggulan ekosistem DeepSeek bukan pada resepnya, melainkan pada jarak tempuh penggunaannya. V4.1 Flash telah berada di produksi selama hampir dua bulan, memiliki snapshot 1017 dengan delta yang dipublikasikan — Terminal-Bench 4.0 bergerak dari 31.2 ke 42.3, DeepSWE v1.1 dari 74.2 ke 77.0 — dan tersedia melalui API milik vendor sendiri serta beberapa platform pihak ketiga, termasuk OrcaRouter. Ketika kuantisasi rusak atau kernel mengalami regresi, seseorang sudah melaporkan masalahnya.

Khusus di OrcaRouter, deepseek/deepseek-v4.1-flash dan versi yang dipatok deepseek/deepseek-v4.1-flash-1017 keduanya dapat dirutekan hari ini dengan harga daftar penyedia tanpa markup 0%, yang berarti potongan off-peak terlihat di tagihan Anda pada hari DeepSeek menerapkannya, bukan setelah selisih harga reseller. ERNIE-5.5-Flash tidak ada dalam katalog — tidak ada entri ERNIE di antara 216 ID model — jadi tidak ada yang di sini boleh ditafsirkan sebagai klaim penyediaan ERNIE. Inti persoalan routing-nya lebih sempit: jika Anda memilih antara model yang bisa Anda panggil sekarang dan model yang tidak bisa, pertanyaan platformnya sudah terjawab.

Apa yang harus dilakukan minggu ini

Jika Anda memerlukan model Flash yang murah dengan konteks panjang untuk produksi, DeepSeek V4.1 Flash adalah jawabannya dan ERNIE tidak masuk dalam daftar pertimbangan. Itu bukan penilaian tentang kualitas checkpoint Baidu. Itu adalah pernyataan bahwa model dasar yang belum diberi harga, belum menjalani post-training, dan tidak tersedia sebagai layanan tidak dapat menempati slot produksi.

Jika Anda melakukan continued pretraining dalam bahasa Mandarin, perhitungannya berubah. ERNIE-5.5-Flash-Base pada 280B-A14B dengan 33,5T token di belakangnya adalah titik awal yang kredibel, arsitekturnya didokumentasikan dengan detail yang tidak biasa — 43 lapisan, 37 HCA plus 6 MLA-DSA, 512 routed expert pada top-10, kosakata 201.216 token — dan contoh Megatron-Bridge memperpendek jalur menuju fine-tune pertama. Baca lisensinya sebelum Anda membaca benchmark.

Jika Anda mengevaluasi alih-alih membangun, langkah yang berguna adalah menjalankan sendiri perbandingan dasar yang dipublikasikan Baidu pada dua checkpoint terbuka tersebut. Keduanya dapat diunduh, keduanya cocok dengan harness yang sama, dan mereproduksi tabel tersebut adalah satu-satunya cara untuk mengetahui apakah sapuan 30 benchmark tetap bertahan saat diuji oleh pihak lain.

Angka yang perlu diperhatikan

Ini bukan MMLU. Ini adalah harga yang pada akhirnya ditetapkan Baidu untuk ERNIE 5.5 Flash yang telah menjalani post-training. DeepSeek V4.1 Flash menetapkan acuan pada $0.15/$0.30 untuk input dan $0.60/$1.20 untuk output dengan konteks 1M dan lisensi MIT. Model kelas Flash yang hadir di atas harga itu memerlukan alasan khusus untuk eksis — kualitas bahasa Mandarin, residensi data, atau kemampuan yang tidak dimiliki DeepSeek. Model yang hadir di bawah harga itu mengubah percakapan biaya untuk setiap beban kerja berbahasa Mandarin.

Sampai angka itu ada, perbandingan ini hanya punya satu kesimpulan yang bisa dipertahankan: Baidu membangun model dasar yang saling berimbang dengan model dasar DeepSeek pada ukuran yang sama, dan belum merilis hal yang akan memungkinkan siapa pun membandingkan produknya. Itu adalah hasil nyata. Hanya saja, itu bukan hasil yang dicari oleh kueri pencarian.