Ling-3.2-flash vs ERNIE 5.5 Flash: Salah Satunya Produk, yang Lainnya Titik Awal

Dua laboratorium Tiongkok merilis model yang berdekatan dengan model unggulan dalam selang beberapa jam pada 5 November 2026, dan hampir setiap perbandingan yang dapat Anda tulis tentang Ling-3.2-flash dan ERNIE 5.5 Flash buyar begitu Anda menyadari keduanya bukan jenis objek yang sama. Ling-3.2-flash adalah model chat multimodal yang sudah jadi dan telah disetel instruksi: teks, gambar, dan video masuk, jawaban keluar, tersedia live di endpoint kompatibel OpenAI milik Ant Ling dan gratis selama dua pekan. Yang diterbitkan Baidu adalah ERNIE-5.5-Flash-Base — checkpoint di akhir pra-pelatihan, sebelum pelatihan menengah, sebelum penyetelan instruksi, hanya teks, dan dilayani melalui endpoint completions karena model ini belum diajari mengikuti instruksi. Halaman rilis Baidu sendiri menyatakan bahwa ERNIE 5.5 Flash yang telah menjalani pelatihan lanjutan "akan menyusul."

Asimetri tunggal itu menentukan sebagian besar pertanyaan praktis di bawah ini. Satu model dapat Anda panggil sore ini. Model lainnya dapat Anda unduh, fine-tune, dan ubah menjadi sesuatu — yang merupakan pembelian yang sama sekali berbeda, dengan kontrak hukum yang menyertainya.

Kedua objek itu, berdampingan

Berikut ini adalah apa yang didokumentasikan masing-masing vendor saat ini. Jika suatu angka merupakan milik vendor sendiri dan tidak direproduksi, hal itu dinyatakan.

Total dan parameter aktif — Ling-3.2-flash total 560B / aktif 25B; ERNIE-5.5-Flash-Base total 280B / aktif 14B per token, ditambah 0,36B parameter ECHO yang tidak termasuk dalam kedua hitungan tersebut.

• Input — Ling-3.2-flash menerima teks, gambar, dan video secara native, dengan blok image_url dan video_url dalam permintaan; ERNIE-5.5-Flash-Base hanya teks, titik.

• Yang Anda terima — Ling-3.2-flash adalah model chat yang telah dilatih lanjut di balik API; ERNIE-5.5-Flash-Base adalah bobot pra-pelatihan mentah yang diharapkan Anda latih lanjut sendiri.

• Arsitektur — Ling-3.2-flash adalah MoE dalam lini hybrid-linear Ling yang dijalankan Ant sejak 3.1; ERNIE-5.5-Flash-Base terdiri atas 43 lapisan (satu FFN padat, 42 MoE Laten Multi-Router), 512 pakar yang dirutekan dengan perutean top-10 ditambah satu pakar bersama, 37 lapisan Heavily Compressed Attention dan enam lapisan MLA dengan atensi sparse.

• Konteks — Ling-3.2-flash menyediakan jendela 1M token di API; ERNIE-5.5-Flash-Base dilatih pada 128K, dan konfigurasi rilisnya memungkinkan 1.048.576 token untuk fine-tuning dan inferensi, yang bukan klaim yang sama.

• Bobot — Ling-3.2-flash tidak memiliki bobot yang dipublikasikan; ERNIE-5.5-Flash-Base menyediakan safetensors FP8 dan BF16 di Hugging Face dan ModelScope.

Harga — Ling-3.2-flash gratis selama dua minggu setelah peluncuran tanpa tarif yang dipublikasikan untuk hari kelima belas; ERNIE-5.5-Flash-Base tidak memiliki harga hosting karena Baidu tidak menyajikannya, dan hosting mandiri memakan biaya sebesar apa pun biaya 280B bobot yang harus Anda tanggung.

Tidak satu pun dari baris-baris tersebut merupakan klaim kualitas. Itu adalah deskripsi tentang apa yang akan Anda beli.

Untuk apa Ling-3.2-flash sebenarnya berguna, berdasarkan bukti

Materi peluncuran Ant adalah tiga angka benchmark dan lima video demo. Angka-angka tersebut membandingkan Ling-3.2-flash dengan Opus 5 pada upaya maksimum di OmniDocBench1.5 (92,21 vs 90,56), ZEROBench(Sub) (43,71 vs 39,52), dan Vision2Web (85,86 vs 80,20). Ketiganya dilaporkan vendor, ketiganya bersifat visual, dan tidak satu pun telah direproduksi oleh pihak ketiga. Jika dibaca sebagai satu kesatuan, semuanya mengklaim satu hal: pada tugas parsing dokumen, penalaran adegan 3D, dan vision-to-web, Ant meyakini dapat mengalahkan model tertutup terdepan. Mereka sama sekali tidak mengklaim apa pun tentang penalaran teks, coding, atau pekerjaan terminal agentik, yang justru menjadi tempat sebagian besar trafik produksi masih mengalir.

Demo lebih informatif daripada angka-angka, karena demo menunjukkan siklus yang menjadi alasan Ant membangun model ini. Ling-3.2-flash memeriksa render headless dari bola material, membandingkan peta kekasaran dan peta normal, lalu menulis ulang skripnya sendiri; model ini mengoperasikan Blender melalui tindakan UI; mengubah gambar teknik menjadi model web 3D; membaca PDF penelitian yang berisi persamaan dan mengimplementasikan algoritme tersebut dalam kode. Setiap tugas tersebut mengharuskan model melihat artefak perantara dan mengoreksi dirinya sendiri. Itulah yang diberikan pelatihan multimodal native dibandingkan model teks dengan adaptor visi, dan itulah kemampuan yang harus diuji terlebih dahulu jika ini kasus penggunaan Anda.

Ada dua catatan operasional yang perlu disampaikan sekaligus. Ant mendokumentasikan batas global dua kueri per detik dengan respons 429 jika melewatinya, serta batas waktu 90 detik untuk panggilan sinkron dengan rekomendasi streaming. Dan model ini gratis hanya sampai sekitar 19 November; halaman harga menyatakan tarif awal berlaku kembali setelahnya tanpa menyebutkan berapa tarif tersebut.

Untuk apa ERNIE-5.5-Flash-Base sebenarnya bagus?

Proposisi nilai Baidu adalah pengalihan biaya, dan itu koheren. Perusahaan menghabiskan komputasi pra-pelatihan pada 33,5 triliun token dengan optimizer Muon; Anda menghabiskan komputasi Anda pada adaptasi domain, penyetelan instruksi, atau pembelajaran penguatan, mulai dari checkpoint yang sudah memiliki kode berskala repositori dan perilaku konteks panjang yang tertanam. Rilis ini luar biasa bersih sebagai baseline penelitian: satu checkpoint di akhir pra-pelatihan, tanpa pelatihan menengah, tanpa pelatihan setelahnya, sehingga dua metode fine-tuning dapat dibandingkan tanpa memperdebatkan apa yang sudah diketahui model dasarnya.

Evaluasi Baidu membandingkannya dengan tiga model dasar terbuka berukuran serupa — DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B), dan MiMo-V2.5-Base (310B-A15B) — di bawah satu harness, satu set prompt, dan satu penilai, mencakup 30 benchmark dalam tujuh kategori. Itu adalah perbandingan yang lebih terkontrol daripada sebagian besar tabel peluncuran, dan tetap dijalankan oleh vendor. Klaim arsitektural utama yang perlu diketahui: 37 dari 43 layer melakukan attention atas sequence yang dikompresi 128×, dan Baidu mengatakan enam layer MLA sudah cukup untuk mempertahankan performa konteks panjang. Jika itu terbukti dalam pengujian independen, itulah hal paling menarik dalam rilis ini — kompresi 128× yang tidak mengorbankan retrieval konteks panjang.

Masalahnya terletak pada lisensinya, dan itu bukan perkara kecil. Perjanjian Lisensi Model Dasar ERNIE 5.5 Flash v1.0 mendefinisikan Wilayah sebagai “seluruh wilayah geografis di seluruh dunia selain Uni Eropa, Britania Raya, dan Korea Selatan,” dan mewajibkan agar materi tersebut tidak digunakan, didistribusikan, atau ditampilkan di luarnya. Penggunaan komersial gratis jika pendapatan tahunan dari produk terkait di bawah US$50 juta, dengan syarat Anda mengirimkan pemberitahuan satu kali dan menampilkan “Powered by ERNIE” secara mencolok pada antarmuka pengguna, situs web, halaman tentang, atau dokumentasi produk. Di atas US$50 juta, Anda memerlukan otorisasi tertulis terlebih dahulu yang terpisah dari Baidu sebelum melewati batas tersebut, dan penggunaan harus dihentikan jika Anda melewatinya tanpa otorisasi itu.

Jadi perumusan jujur dari checkpoint 280B yang "gratis" itu adalah: gratis untuk diunduh di mana saja di luar tiga yurisdiksi, gratis untuk digunakan secara komersial hingga ambang pendapatan tertentu, dan membawa kewajiban pencantuman merek yang akan disadari sebagian besar tim produk di situs pemasaran mereka sebelum mereka menyadarinya di dalam lisensi.

Mana yang harus dipilih, tergantung apa yang Anda lakukan

{{1}}Pilih Ling-3.2-flash jika pekerjaannya bersifat visual dan Anda memerlukan jawaban bulan ini. {{2}}Ekstraksi dokumen yang tata letaknya penting, agen UI yang digerakkan tangkapan layar, konversi gambar ke 3D, triase pencitraan medis, apa pun yang mengharuskan model memeriksa keluarannya sendiri yang telah dirender.{{/2}} API-nya berbentuk OpenAI, jadi integrasinya hanya perubahan base-URL, dan jendela gratis dua minggu berarti evaluasi tidak memakan biaya apa pun selain waktu Anda. {{3}}Jangan menaruhnya di jalur produksi dulu: belum ada harga yang dipublikasikan, skor independen, bobot, maupun penyedia cadangan.{{/3}}{{/1}}

Pilih ERNIE-5.5-Flash-Base jika Anda memiliki kapasitas pasca-pelatihan dan domain. Basis 280B-A14B dengan arsitektur terdokumentasi, resep SGLang dan vLLM yang berfungsi, build FP8 dan BF16, serta contoh fine-tuning Megatron-Bridge adalah aset nyata bagi tim yang menginginkan modelnya sendiri. Periksa klausul Territory terhadap entitas hukum Anda sebelum memulai, bukan sesudahnya. Dan jangan benchmark sebagai model chat — model ini melanjutkan teks, bukan menjawab permintaan, jadi perbandingan instruction-following apa pun dengan Ling-3.2-flash mengukur hal yang salah.

Jika yang sebenarnya Anda inginkan adalah ERNIE yang sudah jadi untuk dipanggil, tunggu. Baidu mengatakan ERNIE 5.5 Flash yang telah menjalani pasca-pelatihan akan segera hadir, dan sampai itu tersedia, tidak ada ERNIE 5.5 yang di-hosting di daftar harga Qianfan — daftar internasional yang kami baca hari ini memuat ERNIE 5.1, ERNIE 5.0, dan ERNIE 4.5 Turbo, tanpa baris 5.5.

Keduanya tidak ada di katalog kami — inilah yang ada

Terus terang soal routing: kami membaca ulang katalog OrcaRouter pada 6 November dan katalog itu mengembalikan 215 pengenal model. Tidak ada entri Ling, inclusionAI, Ring, atau ERNIE di dalamnya; satu-satunya kecocokan "ling" adalah model video Kling. Jadi perbandingan ini bukanlah pilihan antara dua hal yang sudah dapat dijangkau oleh satu kunci.

Yang bisa dijangkau oleh satu kunci, dengan harga daftar penyedia tanpa markup, adalah model-model yang menangani dua pekerjaan yang sama. Untuk pekerjaan visi dengan tarif yang dipublikasikan, Qwen3.8-Flash adalah $0.15 per juta token input dan $0.47 per juta token output. Untuk agen teks murah dalam skala besar, DeepSeek V4.1 Flash adalah $0.15 dan $0.60, dan GLM-5.3-Flash adalah $0.15 dan $0.50. Ketiganya menerima permintaan berbentuk OpenAI, jadi integrasi Ling-3.2-flash yang dialihkan ke sana hanyalah perubahan string model, bukan penulisan ulang — yang jadi penting ketika masa gratis berakhir dan Anda masih belum punya kartu tarif.

Itu juga alasan untuk menempatkan router di depan fine-tune ERNIE yang di-host sendiri alih-alih mengarahkan aplikasi Anda langsung ke klaster Anda sendiri: satu endpoint, satu kunci, dan failover otomatis ke model hosted saat GPU Anda jenuh atau deployment Anda sedang rolling. DSL routing menggabungkan beberapa model menjadi satu panggilan, yaitu cara Anda menjalankan model vision dan model teks sebagai satu langkah alih-alih dua.

Hal yang perlu diperhatikan

Kedua rilis itu setengah jadi ke arah yang berlawanan, dan kedua celah itu tertutup menurut jadwal orang lain. Ant masih berutang daftar harga, kartu model, dan — jika pola 2026 berlanjut — checkpoint berlisensi MIT. Baidu masih berutang ERNIE 5.5 Flash yang telah menjalani pelatihan lanjutan, dan masih berutang pernyataan yang lebih jelas tentang apakah klausul Territory berlaku untuk keluaran model atau hanya untuk bobot dan turunannya, yang menurut teks sebagaimana tertulis menunjukkan cakupan lebih luas daripada yang akan diasumsikan sebagian besar tim.

Sampai salah satunya tersedia, perbandingannya berbentuk sederhana: Ling-3.2-flash adalah model yang bisa Anda evaluasi hari ini tetapi tidak bisa Anda anggarkan, dan ERNIE-5.5-Flash-Base adalah model yang bisa Anda anggarkan tetapi tidak bisa Anda panggil.