ERNIE-5.5-Flash vs GLM-5.3 Flash: Dua Repo Terbuka, Dua Kesepakatan yang Sangat Berbeda

ERNIE-5.5-Flash dan GLM-5.3 Flash sama-sama dapat diunduh minggu ini, keduanya adalah model sparse mixture-of-experts dalam kelas bobot yang sama, dan keduanya muat di rak GPU yang kurang lebih sama dalam FP8. Di situlah kemiripannya berhenti. GLM-5.3 Flash, yang dirilis oleh Z.ai pada 26 Agustus 2026, adalah model multimodal yang sudah selesai di bawah lisensi MIT dengan harga yang dipublikasikan dan endpoint yang dilayani. ERNIE-5.5-Flash-Base, yang dirilis oleh Baidu pada 5 November 2026, adalah checkpoint akhir pra-pelatihan dari model yang belum menjalani pasca-pelatihan, di bawah lisensi khusus, tanpa harga dan tanpa endpoint. Membandingkan keduanya sebagai model terbuka pesaing itu wajar. Membandingkan keduanya sebagai model yang dapat saling menggantikan tidaklah demikian, dan kesenjangannya bersifat legal dan prosedural sebelum teknis. Kedua varian GLM ditagih pada harga daftar penyedia sehingga varian tingkat gratis tidak memerlukan biaya untuk dicoba.

Apa sebenarnya yang ada di setiap repositori

GLM-5.3 Flash adalah model 320B parameter dengan 18B aktif per token, 45 lapisan, dan hibrida attention linear dan sparse yang menurut Z.ai memangkas komputasi attention sekitar tiga kali lipat dan mengecilkan cache KV sekitar 4,4 kali relatif terhadap GLM-5.3 yang hanya teks. Jendela konteksnya 1.048.576 token, output dibatasi antara 128K dan 131K tergantung host, dan model ini menerima input teks, gambar, serta video dengan output teks. Bobot FP8 di Hugging Face mencapai sekitar 328GB.

ERNIE-5.5-Flash-Base adalah 280B total dengan 14B aktif, 33.5T token prapelatihan, 43 lapisan — satu dense plus 42 MoE — dengan 37 lapisan pada atensi HCA terkompresi dan enam pada MLA plus atensi sparse bergaya DeepSeek. Ukuran hidden 4,096, 64 head, 512 routed expert pada top-10 plus satu shared expert, kosakata 201,216. Konteks pelatihan 128K, dengan 1,048,576 diaktifkan untuk fine-tuning dan inferensi dalam konfigurasi rilis. Varian FP8 dan BF16, keduanya di Hugging Face.

• Total parameter — ERNIE 280B vs GLM 320B

• Aktif per token — 14B vs 18B

• Lapisan — 43 vs 45

• Konteks — 1M untuk inferensi vs 1M

• Modalitas — hanya teks vs teks, gambar, dan video dalam

• Lisensi — ERNIE 5.5 Flash Base License v1.0 vs MIT

• Pasca-pelatihan — tanpa penyetelan vs dengan penyetelan instruksi

• Harga — tidak dipublikasikan vs $0.15 input / $0.50 output

Kesenjangan parameter lebih kecil daripada yang disiratkan oleh penamaannya dan berjalan berlawanan dengan yang mungkin Anda asumsikan: ERNIE mengaktifkan lebih sedikit parameter per token dan memiliki total lebih sedikit, yang secara teori membuatnya lebih murah di antara keduanya untuk dilayani. Jejak FP8 GLM sebesar 328GB adalah angka konkretnya; ERNIE pada 280B berada dalam orde besaran yang sama, sebelum cache KV.

Lisensi adalah persimpangan pertama dalam perjalanan.

Lisensi MIT bukan sekadar detail pemasaran. Lisensi ini berarti penggunaan komersial, modifikasi, redistribusi, dan model turunan tanpa persyaratan bidang penggunaan yang harus dinegosiasikan dan tanpa perjanjian terpisah yang harus ditandatangani. Sebuah tim dapat melakukan fine-tuning GLM-5.3 Flash pada data proprietari dan merilis hasilnya tanpa perlu berbicara dengan departemen hukum Z.ai.

ERNIE-5.5-Flash-Base dirilis di bawah ERNIE 5.5 Flash Base Model License Agreement v1.0. Itu adalah perjanjian khusus, dan kontras yang perlu diketahui bersifat historis: Baidu merilis keluarga ERNIE 4.5 di bawah Apache 2.0 pada 2025. Beralih ke lisensi khusus untuk basis 5.5 adalah pengetatan yang disengaja, bukan kelalaian, dan itu muncul tepat pada saat bobotnya menjadi benar-benar berguna — checkpoint dasar jauh lebih mungkin di-fine-tune dan didistribusikan ulang daripada model yang di-tune instruksi.

Untuk penggunaan akademis dan riset, perbedaan praktisnya mungkin nihil. Bagi siapa pun yang membangun produk, ini adalah dokumen pertama yang harus dibaca dan mungkin menjadi alasan untuk memilih repositori lain. Bobot yang dapat Anda unduh tidak sama dengan bobot yang dapat Anda jadikan dasar untuk membangun.

Modalitas menentukan lebih banyak beban kerja daripada benchmark.

GLM-5.3 Flash menerima video. Kemampuan tunggal itu mengeluarkannya dari perbandingan dengan ERNIE untuk sebagian besar kelas beban kerja 2026 — rekaman layar, rekaman produk, klip pengawasan, perekaman kuliah. GLM juga menangani gambar, yang mencakup faktur, bagan, tangkapan layar, dan seluruh kategori pemrosesan dokumen.

ERNIE-5.5-Flash-Base adalah model bahasa. Masukan teks, keluaran teks. Jika ERNIE 5.5 Flash yang telah menjalani pelatihan lanjutan kelak dirilis dengan masukan multimodal, Baidu belum menyatakannya; rilis tersebut mendeskripsikan model teks dan rangkaian benchmark mencakup pengetahuan, penalaran, matematika, kode, multibahasa, dan konteks panjang. Tidak ada dalam materi yang diterbitkan yang menunjukkan kemampuan penglihatan.

Asimetri itu layak dinyatakan secara gamblang karena mudah hilang di dalam perbandingan spesifikasi. Model teks 280B dan model multimodal 320B bukanlah alternatif dalam keputusan pengadaan; keduanya adalah jawaban atas pertanyaan yang berbeda. Satu-satunya tumpang tindih adalah pembuatan teks saja, dan dalam tumpang tindih itu model yang sudah jadi menang secara default, karena model itu memang ada.

Di mana GLM-5.3 Flash lebih lemah daripada yang ditunjukkan saat peluncurannya

Kejujuran berlaku dua arah. Kekuatan yang dipublikasikan GLM-5.3 Flash itu nyata — DeepSWE 63.4 versus 46.2 milik GLM-5.2, Terminal-Bench 2.1 pada 84.3, MMLU-Pro 86.1, MMMU-Pro 86.0, HLE dengan alat 55.3 — dan Artificial Analysis menempatkan indeks pengodeannya pada 71.5 serta indeks kecerdasan umumnya pada 41.8. Namun evaluasi yang sama menunjukkan model dengan kelemahan yang sempit dan mendalam: skor ProgramBench sekitar nol hingga 1.5, SRE Bench 0.8, Legal Agent 6.7. Latensi token pertamanya juga terbilang lambat untuk model kelas Flash — 6.36 detik pada p50 di seluruh lalu lintas tujuh hari OrcaRouter — dibandingkan sekitar 1.7 detik untuk GLM-5 yang lebih besar.

Semua itu tidak menjadikan ERNIE pilihan yang lebih baik. Semua itu justru menjadikan GLM sebagai besaran yang sudah diketahui — model yang mode kegagalannya telah diukur oleh pihak ketiga. Mode kegagalan ERNIE sama sekali belum diukur, karena tidak ada model instruct untuk diukur. Dalam keputusan yang digerakkan oleh evaluasi, mode kegagalan yang tidak diketahui lebih buruk daripada yang terdokumentasi, bahkan ketika yang terdokumentasi itu buruk.

Jalur fine-tuning: keduanya ada, satu punya keunggulan awal

Baidu melakukan hal yang tepat dalam hal perkakas. Kartu model ERNIE menyertakan contoh SGLang dan vLLM, dan repositori Megatron-Bridge milik NVIDIA menambahkan contoh ERNIE 5.5 yang mencakup fine-tuning. Untuk sebuah checkpoint dasar, itulah perbedaan antara artefak riset dan titik awal yang bisa digunakan.

GLM-5.3 Flash telah dapat diunduh sejak akhir Agustus dan telah mengumpulkan pengalaman ekosistem yang menyertai tiga bulan penggunaan produksi: kuantisasi, integrasi penyedia, dan laporan bug. Ketika kernel bermasalah pukul 2 pagi, masalah GLM sudah dilaporkan oleh orang lain. Itu bukan tolok ukur, tetapi itu adalah biaya adopsi yang nyata dan harus dimasukkan dalam keputusan.

Bagi siapa pun yang ingin mencoba GLM-5.3 Flash tanpa harus menyiapkan klaster GPU, OrcaRouter merutekan z-ai/glm-5.3-flash dengan harga daftar penyedia tanpa markup alias 0%, dan ada juga varian tingkat gratis di katalognya. Katalog yang sama tidak memiliki entri ERNIE di antara 216 ID modelnya — tidak ada jalur hosting, tidak ada harga, tidak ada yang bisa dirutekan. Itu bukan kritik terhadap rilis Baidu; itu adalah konsekuensi praktis dari merilis bobot sebelum ada produk.

Repositori mana yang harus dikloning

Kloning GLM-5.3 Flash jika Anda membutuhkan model terbuka multimodal yang dapat Anda tempatkan di belakang API, fine-tune secara komersial, dan bandingkan dengan evaluasi pihak ketiga yang dipublikasikan. MIT plus endpoint yang tersedia plus tiga bulan jam terbang produksi adalah kombinasi yang kuat, dan titik-titik lemah yang terdokumentasi cukup sempit untuk bisa diakali.

Clone ERNIE-5.5-Flash-Base jika Anda sedang melakukan continued pretraining, adaptasi domain, atau riset post-training, terutama dalam bahasa Mandarin, dan Anda siap membaca lisensi khusus sebelum berinvestasi dalam pipeline tersebut. Bentuk 280B-A14B-nya efisien, anggaran 33,5T token-nya tergolong serius, arsitekturnya didokumentasikan lebih rinci dibandingkan sebagian besar rilis base, dan contoh Megatron-Bridge berarti fine-tune pertama bukanlah proyek riset tersendiri.

Jangan mengkloning salah satu pun dengan harapan mendapat pengganti langsung untuk yang lain. Yang satu adalah produk jadi dengan lisensi yang mengizinkan hampir segalanya; yang lain adalah titik awal yang kuat dengan lisensi yang mengizinkan lebih sedikit dan produk yang belum ada. Pertanyaan menariknya adalah apa yang dirilis Baidu dalam model pasca-pelatihan dan pada harga berapa — sebab jika harganya mendekati $0.15/$0.50 dengan 14B parameter aktif, ini berhenti menjadi perbandingan dua repositori dan menjadi kontes sungguhan antara dua model Flash terbuka. Sampai saat itu, repositori-repositori tersebut sama sekali tidak berada di rak yang sama.