ERNIE 5.5 Flash vs MiniMax M3.1 Flash: Jendela Dua Juta Token, Satu Skor Terpublikasi

Kedua model ini mengklaim jendela konteks satu juta token, keduanya kelas Flash, keduanya berbiaya kurang dari satu dolar per satu juta token input, dan tepat satu di antaranya memiliki angka yang melekat pada namanya. MiniMax M3.1 Flash telah mendapat skor 42 pada Artificial Analysis Intelligence Index sejak peluncurannya pada 19 Oktober 2026, dengan $0,22 per tugas indeks yang diselesaikan. ERNIE 5.5 Flash mulai dijual di Baidu Qianfan pada 10 November 2026 dengan harga, spesifikasi, dan tanpa evaluasi apa pun — bukan tabel vendor, bukan pengujian independen, bukan batas pengetahuan. Jadi pertanyaan yang berguna bukanlah model mana yang lebih baik. Melainkan berapa nilai skor yang hilang itu, dan apakah kedua jendela itu adalah jendela yang sama.

Di mana kedua spesifikasi itu sebenarnya berbeda

Angka-angka utamanya cukup berdekatan sehingga tampak bisa saling dipertukarkan, padahal tidak. Empat baris di bawah ini yang menentukan beban kerja nyata.

• Jendela input — ERNIE 1.024.000 token vs MiniMax 1.000.000. Perbedaan 24.000 token hanyalah noise; anggap keduanya setara dan berhenti membandingkannya.

• Batas output — ERNIE 921.600 token vs MiniMax 524.288. Batas ERNIE hampir dua kali lipat, dan alasannya bersifat arsitektural, bukan karena kemurahan hati: penalarannya tidak dapat dimatikan, sehingga loop agen yang panjang memerlukan tempat untuk menampung proses berpikirnya.

• Harga per juta — ERNIE $0.28 in / $1.13 out / $0.028 cached vs MiniMax $0.15 / $0.60 / $0.015. ERNIE adalah 1.87× tarif input dan 1.88× tarif output. Pembacaan cached diskalakan dengan cara yang sama.

• Modalitas — ERNIE hanya teks. MiniMax menerima teks, gambar, dan video serta mengembalikan teks. Untuk beban kerja apa pun yang menyertakan tangkapan layar, bagan, tangkapan UI, atau rekaman panggilan, baris ini mengakhiri perbandingan sebelum harga dibahas.

• Kontrol penalaran — penalaran ERNIE bersifat wajib, diaktifkan secara default, ditawarkan pada satu tingkat upaya: tinggi. MiniMax menyediakan kedalaman berpikir yang dapat disesuaikan, yang berarti panggilan klasifikasi dapat melewati penalaran yang tidak diperlukan.

• Bobot — MiniMax menerbitkan 428B parameter (23B aktif) pada 23 Oktober, 252,4 GB di 48 shard di bawah lisensi komunitas dengan lini pendapatan $20 juta. Checkpoint dasar ERNIE dapat diunduh; ERNIE 5.5 Flash versi pasca-pelatihan tidak, dan belum ada tanggal yang diberikan.

• Skor independen — MiniMax 42 pada Intelligence Index, peringkat ke-41 dari 173 pada saat penilaian, $0,22 per tugas. ERNIE: tidak ada. Artificial Analysis memuat baris ERNIE 4.5 dan ERNIE 5.0 dan sama sekali tidak ada baris ERNIE 5.5.

Jalankan tagihan itu tiga kali, bukan sekali

Kartu tarif adalah cara paling tidak berguna untuk membandingkan dua model yang keduanya berpikir sebelum menjawab. Tugas yang sama, dihargai dengan tiga cara, lebih jujur.

Ambil beban kerja tinjauan dokumen: 400.000 token input, 3.000 token output per permintaan, seratus permintaan per hari. Pada ERNIE 5.5 Flash, itu berarti 40 juta token input dengan harga $0,28 dan 300.000 token output dengan harga $1,13 — $11,20 ditambah $0,34, jadi $11,54 per hari. Pada MiniMax M3.1 Flash, biayanya $6,00 ditambah $0,18, atau $6,18. ERNIE lebih mahal $5,36 per hari, atau sekitar $1.950 per tahun, untuk 100 dokumen yang sama.

Sekarang ulangi dengan prompt sistem yang layak di-cache. Jika 380.000 dari token input tersebut adalah instruksi stabil dan hanya 20.000 yang berubah, pembacaan cache ERNIE pada $0,028 mengubah baris input dari $11,20 menjadi sekitar $1,62; tarif cache MiniMax $0,015 menurunkan $6,00 menjadi sekitar $0,87. Selisihnya menyempit menjadi jauh di bawah satu dolar per hari, dan kedua model menjadi cukup murah sehingga pilihannya bukan lagi soal biaya. Caching bukanlah optimasi mikro pada jendela satu juta token — caching adalah sebagian besar dari tagihan.

Run ketiga adalah run yang tidak diterbitkan siapa pun. Tambahkan token penalaran. ERNIE tidak dapat diminta untuk melewatinya; pada tugas yang menghabiskan 6.000 token untuk berpikir sebelum menulis 3.000 token, volume output menjadi 9.000 token dan baris output menjadi tiga kali lipat. MiniMax dapat diminta untuk berpikir lebih sedikit, dan perilaku terdokumentasinya memang sudah sangat bertele-tele — 180 juta token output di seluruh Intelligence Index dibandingkan median 99 juta — sehingga keduanya mungkin konvergen dalam praktik. Tidak ada yang tahu, karena hanya salah satu dari model ini yang diukur sama sekali. Sampai Anda menghitung token output pada prompt Anda sendiri, tempat desimal kedua dari perbandingan apa pun di sini hanyalah hiasan.

Penalaran wajib adalah posisi desain, bukan bug

Sangat menggoda untuk menafsirkan penalaran wajib dengan usaha tinggi milik ERNIE sebagai sebuah keterbatasan, dan untuk sebagian beban kerja, memang persis seperti itu — tidak ada jalur cepat untuk klasifikasi satu kata, dan setiap permintaan menanggung biaya latensi dan token yang dapat dihindari dengan MiniMax. Namun keputusan yang sama menjelaskan batas maksimum keluaran, dan itu memberi petunjuk tentang untuk siapa Baidu membangun ini.

Model yang selalu bernalar, dengan jatah keluaran 921.600 token, dirancang untuk proses agentik yang panjang: refaktor berskala repositori, riset multi-langkah, dan loop perencanaan yang membutuhkan ruang untuk berpikir. Rilis checkpoint dasar Baidu juga mengarah ke hal yang sama — korpus pra-pelatihan menekankan "kode berskala repositori dan konteks panjang," dan baris benchmark yang paling menguntungkannya adalah HumanEval+ pada 82,3 dan RepoQA pada 91,7, keduanya angka model dasar yang tidak mengatakan apa pun secara langsung tentang model chat tetapi menunjukkan apa yang diprioritaskan oleh data pelatihan.

Desain MiniMax mengarah ke hal lain. Kedalaman berpikir yang dapat disesuaikan, input gambar dan video native, 125.5 token output per detik, serta waktu ke token pertama 1.04 detik menggambarkan model yang dirancang untuk throughput — loop otonom, antarmuka yang digerakkan tangkapan layar, pipeline dokumen yang inputnya berupa hasil pindai, bukan diff. Bahasa positioning-nya sendiri berbicara tentang biaya per token dalam volume besar, dan $0.22 per tugas indeks adalah angka yang mendukungnya.

Dua model kelas Flash, dua taruhan berbeda: satu pada kedalaman per permintaan, satu pada permintaan per detik. Keduanya tidak salah, dan lembar spesifikasinya luar biasa jelas tentang mana yang mana.

Keduanya murah; hanya satu yang bisa kamu putuskan hari ini.

Asimetri yang penting adalah soal bukti. MiniMax M3.1 Flash memiliki skor indeks yang dipublikasikan, biaya per tugas yang dipublikasikan, kartu model yang dipublikasikan, bobot yang dapat diunduh, dan pengukuran independen atas berapa banyak token yang dihabiskannya untuk menyelesaikan suatu tolok ukur. Keputusan pengadaan dapat dibuat berdasarkan itu. ERNIE 5.5 Flash Preview memiliki daftar tarif, jendela konteks, dan halaman pers Baidu yang masih mengedepankan checkpoint dasar serta frasa "segera hadir" tentang model pasca-pelatihan — yang, secara janggal, justru merupakan model yang sekarang dijual.

Hal itu tidak menjadikan pratinjau tersebut model yang buruk. Hal itu menjadikannya model yang belum terukur, dan sikap yang tepat terhadap model yang belum terukur dengan harga dua kali lipat pesaing yang sudah terukur bukanlah menganggapnya lebih buruk. Checkpoint dasar Baidu mengalahkan DeepSeek V4 Flash Base pada 26 dari 30 baris; proses pasca-pelatihan yang kuat pada basis itu secara masuk akal bisa berada di atas 42. Bisa juga berada di bawah. Intinya, saat ini tidak ada orang di luar Baidu yang bisa memastikannya, dan daftar tarif bukanlah bukti.

Menguji keduanya tanpa menandatangani dua kontrak

Salah satu model ini berada di kunci yang dirutekan dan satu lagi tidak. OrcaRouter menyediakan MiniMax M3.1 Flash dengan harga daftar penyedia dan markup 0%, bersama GLM-5.3-Flash, DeepSeek V4.1 Flash, Qwen 3.8 Flash, dan Gemini 3.8 Flash — lebih dari 200 model di balik satu endpoint yang kompatibel dengan OpenAI, dengan failover otomatis antarpenyedia dan DSL perutean untuk menggabungkan beberapa model menjadi satu panggilan. ERNIE 5.5 Flash Preview tidak ada dalam katalog itu; tidak ada entri ERNIE dan tidak ada endpoint Baidu untuk kami rutekan, jadi model itu harus dipanggil melalui API milik Baidu sendiri dengan kunci kedua dan tagihan kedua.

Rute praktis melalui asimetri itu adalah membangun evaluasi terlebih dahulu dan integrasinya kemudian. Tempatkan dua puluh prompt Anda di balik kunci yang dirutekan, jalankan MiniMax dan sisanya dari tier Flash, lalu catat token keluaran per tugas — bukan hanya harga per juta. Kemudian arahkan dua puluh prompt yang sama ke endpoint Baidu dan bandingkan pada sumbu yang sama. Jika ERNIE menang pada tugas-tugas yang Anda pedulikan, tarif 1,88×-nya adalah premi yang layak dibayar dan kartu model yang hilang menjadi gangguan alih-alih penghalang. Jika tidak, Anda telah menghabiskan satu sore dan satu tagihan kecil untuk mengetahuinya.

Yang benar-benar bisa menyelesaikannya adalah satu baris di dalam tracker yang menjalankan harness-nya sendiri. MiniMax sudah memilikinya sejak hari peluncuran. Baidu bisa menerbitkannya besok dan ketidakpastian utama artikel ini akan menguap — yang justru menjadi tanda bahwa ketidakpastian itu sebenarnya sama sekali bukan soal modelnya. Ini soal vendor mana yang memilih untuk menunjukkan pekerjaannya.