ERNIE-5.5-Flash vs DeepSeek V4.1 Flash: Baidu ha scelto questa sfida da sola

Il confronto più utile per ERNIE-5.5-Flash non è stato scritto da un recensore. È nella tabella di benchmark di Baidu stesso, dove il nuovo ERNIE-5.5-Flash-Base viene messo a confronto con DeepSeek-V4-Flash-Base a 284B di parametri totali e 13B attivi — quasi esattamente la stessa classe dimensionale di ERNIE, con 280B totali e 14B attivi. È l'unico confronto alla pari in tutto il lancio di ERNIE 5.5: due checkpoint preaddestrati, un'unica infrastruttura di test, gli stessi prompt. Tutto il resto in questo confronto è asimmetrico, perché DeepSeek V4.1 Flash è un modello finito, con licenza MIT, con un prezzo e servito, mentre ERNIE-5.5-Flash è un checkpoint base la cui versione post-addestrata, secondo Baidu, "seguirà". L'articolo onesto è quindi due articoli: cosa dicono i numeri base-contro-base, e cosa succede quando metti quei numeri accanto a un modello che le persone possono effettivamente chiamare.OrcaRouter applicai prezzi di listino del provider senza aggiungere alcun ricarico, così lo sconto in base all'orario di DeepSeek si applica dal giorno stesso in cui entra in vigore.

L'unico confronto che Baidu ha condotto ad armi pari

Baidu ha pubblicato 30 benchmark in sette categorie, valutati nell'ambito di un'unica pipeline con prompt ed esempi few-shot identici, rispetto a tre modelli base: DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) e MiMo-V2.5-Base (310B-A15B). La riga di DeepSeek è quella da leggere con attenzione, perché i conteggi dei parametri sono abbastanza vicini da far sì che siano l'architettura e la qualità dei dati a fare il lavoro, non la scala.

• Parametri totali — ERNIE-5.5-Flash-Base 280B vs DeepSeek-V4-Flash-Base 284B

• Attivi per token — 14B vs 13B

• Token di pretraining — 33.5T vs non indicato nella riga di confronto

• Contesto di addestramento — 128K vs classe 128K

• Pesi rilasciati — FP8 e BF16, entrambi ora disponibili

• Licenza — Contratto di licenza del modello base ERNIE 5.5 Flash v1.0 vs MIT

Sulle righe evidenziate da Baidu, ERNIE è in testa: MMLU 93,3, MMLU-Pro 78,4, GPQA 60,2, BBH 89,2 con catena di pensiero, HumanEval+ 82,3, MBPP+ 81,5, HELMET-RAG 71,5 e RepoQA 91,7. È una scheda davvero solida per un modello base. È anche eseguita dal fornitore, su un harness progettato da Baidu, pubblicata il giorno stesso del rilascio dei pesi. Trattatela come un'affermazione con un'appendice dettagliata, non come un risultato.

La parte più informativa è quella in cui ERNIE perde. Il post di Baidu ammette che ChineseSimpleQA, INCLUDE-lite, HELMET-Rerank, InfiniteBench e FullStackBench vanno a un concorrente. Una tabella di lancio che stampa le proprie sconfitte ti sta dicendo che il confronto è stato condotto in buona fede — il che aumenta, anziché ridurre, il valore delle righe in cui ERNIE vince.

Dove la simmetria si rompe: un modello è finito

DeepSeek V4.1 Flash è stato rilasciato il 10 settembre 2026, con uno snapshot "1017" il 17 ottobre. È un modello sparse mixture-of-experts con un backbone da 552B e circa 763B parametri totali, inclusa la memoria condizionale, che attiva 8B in input e 16B in output. Input multimodale nativo, contesto da 1M token, 45T token di addestramento e licenza MIT. Alle tariffe di listino applicate da OrcaRouter costa $0,15 per milione di token in input e $0,60 per milione in output, con letture dalla cache a $0,003–$0,006; l'API di DeepSeek aggiunge uno sconto legato all'orario, cosa utile da sapere prima di costruire un modello di costo attorno al numero più basso che riuscite a trovare.

Quel modello segue le istruzioni, chiama gli strumenti, accetta immagini e ha un prezzo pubblicato. ERNIE-5.5-Flash-Base non fa nessuna di queste cose, perché non è stato post-addestrato. Il confronto che conta per un acquirente non è quindi base contro base — è modello finito contro modello finito, e uno dei due modelli finiti non esiste ancora.

Non è un dettaglio da poco. È dal post-training che derivano il rispetto delle istruzioni, l'uso degli strumenti, il comportamento di rifiuto, la disciplina di formattazione e gran parte della qualità percepita di un moderno modello di fascia Flash. Il punteggio MMLU di un checkpoint base ti dice qualcosa sul prior. Non ti dice quasi nulla sulla capacità del modello di emettere in modo affidabile un oggetto JSON, seguire un prompt di sistema o sopravvivere a un ciclo agentico di 40 turni. DeepSeek V4.1 Flash ha comportamenti pubblicati su questi assi. ERNIE 5.5 Flash ha una promessa.

La differenza di licenza è la questione latente

DeepSeek distribuisce V4.1 Flash con licenza MIT. È quanto di più permissivo si possa ottenere in fatto di licenze per modelli: uso commerciale, modifica, ridistribuzione, nessuna restrizione sul campo d'uso, nessun accordo separato da negoziare. Baidu distribuisce ERNIE-5.5-Flash-Base con la ERNIE 5.5 Flash Base Model License Agreement v1.0 — una licenza su misura, non Apache 2.0, e in particolare un passo indietro rispetto a ERNIE 4.5, rilasciata con licenza Apache 2.0 nel 2025.

Per un team di ricerca questo può non avere importanza. Per un'azienda che vuole fare fine-tuning su dati proprietari e lanciare un prodotto, è la prima cosa che leggerà il reparto legale, e le licenze su misura per modelli cinesi hanno storicamente comportato restrizioni d'uso, requisiti di attribuzione e soglie che la licenza MIT non prevede. Il fatto che i pesi siano scaricabili non equivale a poterli usare alle tue condizioni.

Questa differenza si amplifica con le dimensioni. ERNIE, con 280B parametri totali, in FP8 è all'incirca una questione di 280 GB prima di aggiungere la KV cache e il margine per le attivazioni; il totale di 763B di DeepSeek V4.1 Flash è ancora più grande, ed è proprio per questo che la maggior parte dei team ci si interfaccia tramite un'API anziché con un cluster GPU. Se il tuo piano è self-hostare l'uno o l'altro, la licenza è il problema meno costoso da risolvere.

Servizio: entrambi i repository indicano gli stessi strumenti, uno ha due mesi di vantaggio

La model card di Baidu include esempi per SGLang e vLLM, e il repository Megatron-Bridge di NVIDIA contiene già un esempio di fine-tuning per ERNIE 5.5. Si tratta di un rilascio competente: un modello base con ricette di serving disponibili dal primo giorno è più di quanto molti laboratori riescano a fare.

Il vantaggio ecosistemico di DeepSeek non sta nelle ricette, ma nel chilometraggio. V4.1 Flash è in produzione da quasi due mesi, ha uno snapshot 1017 con delta pubblicati — Terminal-Bench 4.0 passa da 31.2 a 42.3, DeepSWE v1.1 da 74.2 a 77.0 — ed è disponibile tramite l'API del fornitore stesso e diverse piattaforme di terze parti, tra cui OrcaRouter. Quando una quantizzazione si rompe o un kernel va in regressione, qualcuno ha già segnalato il problema.

Su OrcaRouter nello specifico, deepseek/deepseek-v4.1-flash e la versione bloccata deepseek/deepseek-v4.1-flash-1017 sono entrambi instradabili oggi al prezzo di listino del provider con markup 0%, il che significa che lo sconto fuori punta è visibile nella tua fatturazione il giorno stesso in cui DeepSeek lo applica, anziché dopo il ricarico di un rivenditore. ERNIE-5.5-Flash non è in catalogo — non c'è alcuna voce ERNIE tra i 216 ID dei modelli — quindi nulla di quanto detto qui va letto come una dichiarazione di hosting di ERNIE. Il punto sul routing è più ristretto: se devi scegliere tra un modello che puoi chiamare ora e uno che non puoi, la questione della piattaforma è già risolta.

Cosa fare questa settimana

Se hai bisogno di un modello Flash economico e a contesto lungo in produzione, DeepSeek V4.1 Flash è la risposta e ERNIE non fa parte della rosa dei candidati. Non è un giudizio sulla qualità del checkpoint di Baidu. È l'affermazione che un modello base senza prezzo, non sottoposto a post-addestramento e non erogato come servizio non può occupare uno slot produttivo.

Se stai facendo continued pretraining in cinese, il calcolo si ribalta. ERNIE-5.5-Flash-Base a 280B-A14B con 33,5T di token alle spalle è un punto di partenza credibile, l'architettura è documentata con un dettaglio insolito — 43 livelli, 37 HCA più 6 MLA-DSA, 512 esperti instradati a top-10, un vocabolario da 201.216 token — e l'esempio Megatron-Bridge accorcia il percorso verso un primo fine-tuning. Leggi la licenza prima di leggere i benchmark.

Se stai valutando anziché sviluppando, la mossa utile è eseguire tu stesso il confronto di base pubblicato da Baidu sui due checkpoint aperti. Entrambi sono scaricabili, entrambi si adattano allo stesso harness, e riprodurre la tabella è l'unico modo per sapere se lo sweep sui 30 benchmark sopravvive al contatto con un secondo paio di mani.

Il numero da tenere d'occhio

Non è MMLU. È il prezzo che Baidu alla fine fisserà per ERNIE 5.5 Flash post-addestrato. DeepSeek V4.1 Flash ha fissato un riferimento a $0,15/$0,30 in input e $0,60/$1,20 in output, con contesto da 1M e licenza MIT. Un modello di fascia Flash che arriva sopra quel prezzo ha bisogno di una ragione specifica per esistere: qualità della lingua cinese, residenza dei dati o una capacità che DeepSeek non ha. Un modello che arriva sotto quel prezzo cambia il discorso sui costi per ogni carico di lavoro in lingua cinese.

Finché quel numero non esisterà, questo confronto ha esattamente una conclusione difendibile: Baidu ha costruito un modello di base che se la gioca alla pari con il modello di base di DeepSeek della stessa dimensione, e non ha ancora rilasciato ciò che permetterebbe a chiunque di confrontare i prodotti. È un risultato reale. Semplicemente, non è quello che la query di ricerca sta chiedendo.