ERNIE-5.5-Flash vs Gemini 3.8 Flash: Satu Punya Harga, yang Lain Punya Janji

Lima puluh tujuh hari dari sekarang, pada 1 Januari 2027, harga perkenalan Gemini 3.8 Flash berakhir dan tarifnya menjadi dua kali lipat — dari $0,75 menjadi $1,50 per juta token input, dari $3,75 menjadi $7,50 per juta token output. Itu adalah fakta paling konkret dalam perbandingan ini, dan itu milik model yang telah dijual sejak 2 September 2026. Sebaliknya, ERNIE-5.5-Flash menerbitkan bobot dasarnya pada 5 November 2026 tanpa harga sama sekali, karena ERNIE 5.5 Flash yang telah menjalani pelatihan lanjutan belum dirilis. Jadi, kerangka jujur untuk ERNIE-5.5-Flash vs Gemini 3.8 Flash bukanlah kontes antara dua model kelas Flash. Ini adalah kontes antara dua jenis ketidakpastian: model yang sudah diketahui dengan jurang biaya yang bertanggal, dan model yang dijanjikan tanpa biaya sama sekali.Kenaikan Gemini pada Januari mencapai platform pada harga daftar penyedia sehingga tarif vendor itu sendiri adalah yang Anda bayar.

Apa saja yang dibawa Gemini 3.8 Flash, dan berapa biayanya setelah Tahun Baru

Gemini 3.8 Flash adalah model Flash ketiga yang dirilis Google dalam enam minggu — 3.6 pada 21 Juli, 3.7 pada 14 Agustus, 3.8 pada 2 September — dan ini adalah produk lengkap, bukan checkpoint. Konteks masukan adalah 1,048,576 token, keluaran dibatasi pada 65,536, dan model menerima teks, gambar, video, audio, serta PDF dengan keluaran teks. Batas pengetahuan adalah Maret 2026.

Struktur harga adalah bagian yang benar-benar menentukan dalam perbandingan ini. Saat ini tarifnya adalah $0,75 untuk input dan $3,75 untuk output per juta token, identik dengan Gemini 3.7 Flash. Pembacaan input dari cache sebesar $0,075, batch sebesar $0,375/$1,875. Mulai 1 Januari 2027, harga daftar menjadi $1,50 dan $7,50. Siapa pun yang menyusun anggaran 2027 berdasarkan angka hari ini berarti menganggarkan berdasarkan tarif promosi.

Ada jebakan biaya kedua di bawah yang pertama. Gemini 3.8 Flash menghasilkan sekitar 30 hingga 34 persen lebih banyak token output per tugas dibandingkan 3.7 Flash, yang mengubah harga per token yang tetap menjadi biaya lebih tinggi per tugas yang diselesaikan — menurut satu pengukuran, sekitar 45 persen lebih tinggi pada upaya tinggi. Harga per juta token bukanlah harga per pekerjaan, dan model ini adalah contoh terkini yang paling jelas tentang perbedaannya.

Posisi benchmark-nya nyata tetapi bergantung pada versi. Angka dari vendor mencakup DeepSWE v1.1 sebesar 73,7 persen, Terminal-Bench 2.1 sebesar 89,4, OSWorld-2.0 sebesar 59,0, dan HLE-Verified sebesar 54,9. Cakupan Artificial Analysis menempatkan kecepatan output sekitar 302 hingga 351 token per detik, di puncak papan peringkatnya, dengan waktu hingga token pertama sekitar 30 detik pada upaya tinggi. Indeks kecerdasan adalah bagian yang terpecah-pecah dalam pelaporan: liputan peluncuran mengutip 59 pada penalaran tinggi, sedangkan halaman Artificial Analysis sendiri pada versi indeks yang lebih baru menunjukkan angka dalam kisaran 41 hingga 47. Itu bukan skandal, melainkan rebase — indeks dibangun ulang pada 27 Oktober 2026 — tetapi itu berarti angka AA tunggal apa pun yang dikutip untuk model ini tanpa versinya hampir tidak bermakna.

Apa yang disertakan ERNIE-5.5-Flash-Base, dan apa yang tidak bisa dilakukannya

Rilis Baidu berbentuk sebaliknya. ERNIE-5.5-Flash-Base adalah MoE sparse berparameter 280B dengan 14B aktif per token, dipralatih pada 33,5T token, dirilis dalam FP8 dan BF16 di bawah ERNIE 5.5 Flash Base Model License Agreement v1.0. Konteks pelatihan 128K; konfigurasi yang dirilis memungkinkan 1.048.576 token untuk fine-tuning dan inferensi, yang merupakan angka utama yang sama dengan jendela input Gemini dan hal yang sangat berbeda — ini adalah pengaturan konfigurasi pada checkpoint, bukan batas layanan dengan kartu tarif di baliknya.

Kesenjangan kemampuannya jelas. ERNIE-5.5-Flash-Base hanya untuk teks. Tidak ada input gambar, tidak ada video, tidak ada audio, tidak ada parsing PDF. Jika beban kerja Anda melibatkan tangkapan layar, faktur hasil pindai, rekaman panggilan, atau video produk, perbandingannya berhenti di situ — Gemini 3.8 Flash melakukannya secara native dan checkpoint ERNIE yang dirilis sama sekali tidak melakukannya. Model yang telah melalui pelatihan lanjutan bisa mengubah itu, tetapi belum ada ERNIE 5.5 Flash multimodal yang diumumkan, dan lembar spesifikasi Baidu mendeskripsikannya sebagai model bahasa.

Yang ERNIE publikasikan adalah evaluasi model dasar: MMLU 93.3, MMLU-Pro 78.4, GPQA 60.2, HumanEval+ 82.3, LiveCodeBench 40.1, HELMET-RAG 71.5, RepoQA 91.7, LongBench-v2 48.7. Setiap angka tersebut dihasilkan pada checkpoint dasar, di harness milik Baidu sendiri, terhadap model-model dasar lain. Menempatkannya di samping skor model instruct Gemini akan menjadi kesalahan paling umum yang mungkin terjadi dalam perbandingan ini, dan perlu disebutkan secara gamblang: kedua kumpulan angka tersebut mengukur hal yang berbeda dan tidak dapat dikurangkan.

Kedua ketidakpastian tersebut tidak setara

Jurang harga adalah ketidaktahuan yang disadari. Anda bisa memodelkannya: ambil tarif hari ini, gandakan pada 1 Januari, lalu putuskan apakah beban kerja itu masih memenuhi margin Anda. Harga yang hilang adalah ketidaktahuan yang tak disadari, dan sama sekali tidak bisa dimodelkan. Asimetri itulah inti dari seluruh keputusan ini.

Ada asimetri kedua dalam catatan benchmark. Angka Gemini 3.8 Flash diperdebatkan — benchmark vendor dibandingkan dengan angka indeks independen yang bergeser saat indeks dibangun ulang, dengan selisih terdokumentasi antara 59 yang dikutip saat peluncuran dan rentang 41-47 yang kini terlihat di Artificial Analysis. Angka ERNIE 5.5 Flash tidak diperdebatkan. Angka itu tidak ada, karena belum ada yang bisa diperdebatkan selain tabel model dasar. Data yang diperdebatkan lebih berguna daripada tidak ada data: setidaknya Anda mengetahui rentangnya.

Satu-satunya area di mana ERNIE secara teori memiliki keunggulan yang bisa dipertahankan adalah soal efisiensi parameter. Model 280B yang mengaktifkan 14B per token dirancang untuk inferensi murah, dan 33.5T token pra-pelatihan adalah anggaran data yang serius. Jika Baidu mematok harga model pasca-pelatihan secara agresif, jumlah parameter aktif adalah mekanisme yang memungkinkannya menekan harga di bawah Gemini seharga $1.50/$7.50. Apakah itu akan terjadi tidak dapat diketahui hari ini, dan artikel apa pun yang mengatakan sebaliknya hanya menduga-duga.

Saat harga berlipat ganda, perutean adalah tuasnya.

Hal yang berguna tentang perubahan harga yang sudah ditetapkan tanggalnya adalah bahwa perubahan itu dapat direncanakan. Beban kerja yang marginal pada $0,75/$3,75 dan tidak layak pada $1,50/$7,50 memerlukan jalur migrasi yang sudah ada sebelum Januari, bukan sesudahnya. Itu lebih merupakan masalah perutean daripada masalah model: pertahankan model mahal untuk permintaan yang memerlukan input multimodal atau recall konteks panjangnya, dan kirim sisanya ke opsi yang lebih murah dengan antarmuka yang kompatibel.

OrcaRouter menyediakan google/gemini-3.8-flash dengan harga daftar dari penyedia tanpa markup 0%, sehingga kenaikan Januari akan muncul pada tarif yang sama dengan yang dikenakan vendor, bukan diserap ke dalam margin reseller. DSL perutean memungkinkan Anda menyusun rantai fallback — Gemini lebih dulu untuk jalur multimodal, model teks yang lebih murah di belakangnya — dan failover otomatis mencakup kasus ketika penyedia mengalami degradasi. ERNIE-5.5-Flash tidak ada dalam katalog itu; 216 ID model tersebut tidak memuat entri ERNIE. Jadi, saran perutean di sini adalah tentang model yang benar-benar dapat Anda tinggalkan, yaitu model yang memiliki jam harga yang terpasang.

Aturan keputusan, bukan sebuah putusan

Jika beban kerja Anda mencakup gambar, audio, video, atau PDF, gunakan Gemini 3.8 Flash dan siapkan anggaran untuk pelipatgandaan pada bulan Januari. ERNIE-5.5-Flash-Base bukan kandidat dan tidak akan menjadi kandidat sampai ada model multimodal yang telah menjalani post-training yang dirilis.

Jika beban kerja Anda hanya berupa teks, didominasi bahasa Mandarin, dan sensitif terhadap biaya, tindakan yang tepat saat ini tetap bukan ERNIE — melainkan menunggu harga. Bobot dasar tersedia dan gratis untuk diunduh, sehingga berguna untuk eksperimen fine-tuning, bukan untuk keputusan produksi. Begitu Baidu menerbitkan tarif Qianfan untuk model pasca-pelatihan, perbandingan ini menjadi pertanyaan biaya yang sesungguhnya, dan jumlah parameter aktif 14B menunjukkan bahwa jawabannya bisa menarik.

Jika Anda hanya mencoba memahami rilis ERNIE, hal yang perlu dipahami adalah bahwa "Flash" di sini adalah tingkatan pemasaran yang diwarisi dari model yang belum dirilis. Tingkat Flash milik Gemini memiliki harga, jendela konteks, daftar modalitas, dan kenaikan yang sudah ada tanggalnya. Milik ERNIE memiliki repositori Hugging Face dan satu kalimat yang menjanjikan lebih banyak. Di antara biaya yang diketahui yang akan segera naik dan biaya yang tidak diketahui yang belum ada, langkah rasional adalah merencanakan berdasarkan yang diketahui dan mengawasi yang lain.