ERNIE-5.5-Flash vs Qwen 3.8 Flash: un checkpoint base incontra un modello finito

Metti ERNIE-5.5-Flash accanto a Qwen 3.8 Flash e la prima osservazione onesta è che non sono lo stesso tipo di oggetto. Quello che Baidu ha effettivamente pubblicato è ERNIE-5.5-Flash-Base, il checkpoint alla fine del pre-training — prima del mid-training, prima dell'instruction tuning, prima di qualsiasi lavoro sulle preferenze — quindi continua il testo invece di rispondere alle richieste, ed è servito tramite un endpoint completions, non un endpoint chat. Qwen 3.8 Flash, che Alibaba ha rilasciato il 26 agosto 2026, è un modello multimodale completo che accetta testo, immagini e video e restituisce testo, a $0,15 per milione di token di input e $0,47 per milione di output. Uno è un punto di partenza che devi ancora addestrare; l'altro è un prodotto che puoi chiamare questo pomeriggio. Quasi ogni numero qui sotto cambia significato a seconda di quale di queste due cose pensi di stare confrontando, ed è per questo che vale la pena chiarirlo prima della scheda tecnica anziché dopo.

Che cosa ha rilasciato Baidu, e che cosa non ha detto

Il rilascio è silenzioso nel modo specifico in cui lo sono spesso i rilasci cinesi di modelli open-weight: gli artefatti arrivano prima della storia. Il repository baidu/ERNIE-5.5-Flash-Base è stato creato su Hugging Face il 21 ottobre, è rimasto quasi vuoto per una settimana, poi ha ricevuto i suoi 128 shard di pesi FP8 tra il 2 e il 3 novembre. I diagrammi dell'architettura e dei benchmark sono arrivati il 4 novembre, e la scheda stessa era ancora in fase di revisione stamattina. La pagina di rilascio di Baidu è datata oggi, 5 novembre, e l'unica discussione che ha generato al di fuori di quella pagina è un thread su un forum e un post su WeChat. Non c'è comunicato stampa, né evento di lancio, né copertura stampa degna di nota.

Ciò è importante per capire di cosa potersi fidare e di cosa no. È ricavabile dal repository: l'architettura, il numero di parametri, una tabella comparativa completa del fornitore con un harness denominato esplicitamente, ricette di serving funzionanti per SGLang e vLLM, il testo della licenza e il fatto che esista una versione gemella BF16 accanto a quella FP8. Non è ricavabile: se Baidu intenda renderlo disponibile come API — il listino prezzi di Qianfan, aggiornato l'ultima volta il 18 ottobre, elenca ERNIE 5.1, 5.0 e 4.5 Turbo, e nessuna voce ERNIE 5.5 di alcun tipo — quali risultati ottenga una versione instruction-tuned, e se qualche valutatore indipendente riprodurrà anche solo un numero nella tabella di Baidu.

La specifica della rivista, per la cronaca: 280B parametri totali con 14B attivi per token, pre-addestrato da zero su 33,5T token, 43 layer di cui uno è un FFN denso e 42 sono MoE, 512 esperti instradati con routing top-10 più un esperto condiviso, e un vocabolario di 201.216 token. La configurazione rilasciata abilita una finestra di contesto di 1.048.576 token, anche se in addestramento ne sono stati visti solo 131.072. C'è anche una testa di previsione multi-token da 0,36B che non è conteggiata in nessuna delle due cifre dei parametri.

Il confronto delle specifiche, sulle dimensioni che decidono davvero

• Cosa ricevi — ERNIE-5.5-Flash-Base è un checkpoint e nient'altro: pesi che scarichi, un endpoint /v1/completions e nessuna capacità di seguire le istruzioni. Qwen 3.8 Flash è un modello erogato come servizio con tool calling, modalità di ragionamento, output strutturati e una risposta massima di 131.072 token.

• Dimensione — 280B totali / 14B attivi per ERNIE rispetto a 125B totali / circa 6B attivi per Qwen 3.8 Flash, che include anche una tabella di embedding n-gram da 51B e una testa MTP da ~4B, per un totale di circa 180B di parametri su disco.

• Progettazione dell'attenzione — ERNIE utilizza 43 layer suddivisi in 37 layer con attenzione fortemente compressa (HCA) più 6 layer MLA con attenzione sparsa; Qwen 3.8 Flash utilizza un ibrido di Gated DeltaNet e Qwen Sparse Attention su 48 layer. Entrambi sono scommesse sul fatto che l'attenzione completa classica sia la cosa sbagliata per cui pagare a prezzi di fascia Flash, portate avanti da direzioni opposte.

• Contesto — 1M token dichiarati da entrambe le parti, ma ottenuti in modi diversi: ERNIE è addestrato a 128K e abilita 1M solo in fase di fine-tuning e inferenza, mentre Qwen 3.8 Flash è nativamente 262K e raggiunge 1M tramite l'estensione YaRN.

• Modalità — ERNIE-5.5-Flash-Base è solo testo, in inglese e cinese. Qwen 3.8 Flash accetta testo, immagini e video, e la sua tabella del fornitore include risultati di AndroidWorld, OSWorld 2.0, MathVision e LVBench che un checkpoint solo testo non può produrre.

• I pesi sul fronte Qwen — la versione di produzione Qwen 3.8 Flash è disponibile solo via API, ma il suo fratello open-weight Qwen3.8-Flash-Next è pubblicato con la Qwen Community License 1.0, quindi le due parti sono più comparabili di quanto l'opposizione API-versus-pesi suggerisca a prima vista.

• Servizio — Baidu fornisce una ricetta funzionante: l'immagine lmsysorg/sglang:dev-ernie-55-flash con --tp 4, oppure vLLM 0.32.0 più il plugin baidu/vLLM-ERNIE con dimensione data-parallel 4. Qwen 3.8 Flash non richiede alcuna ricetta di serving perché Alibaba lo serve per te.

• Prezzo — nessun prezzo per token pubblicato per ERNIE-5.5-Flash-Base da nessuna parte, perché non esiste un endpoint ospitato da tariffare; 0,15 $ di input / 0,47 $ di output per milione di token per Qwen 3.8 Flash, con letture dell'input dalla cache a 0,0184 $.

• Licenza — l'Accordo di licenza del modello base ERNIE 5.5 Flash v1.0, un accordo personalizzato che vale la pena leggere per intero prima di costruirci un prodotto sopra, rispetto alla Qwen Community License 1.0 sul fronte open di Qwen.

Le righe di benchmark che sembrano comparabili e non lo sono

Ecco la trappola tesa da questo confronto. Entrambi i fornitori pubblicano un numero LiveCodeBench, e i due numeri sono 40,1 e 91,9.

Non stanno misurando la stessa cosa, e il divario tra loro non è un divario di capacità. Il 40,1 di Baidu è Pass@1, one-shot, sul checkpoint pre-addestrato grezzo — al modello viene chiesto di completare continuazioni di codice senza che gli sia mai stato insegnato a seguire un'istruzione. Il 91,9 di Alibaba è LiveCodeBench v6, una versione diversa e successiva del benchmark, riportata per un modello che ha attraversato una pipeline completa di post-addestramento. La coppia GPQA ha lo stesso problema: 60,2 per ERNIE con exact match a cinque shot su un checkpoint di base, 91,7 per Qwen su GPQA Diamond dopo l'instruction tuning. Persino il confronto MMLU, 93,3 contro un modello che non pubblica alcun MMLU, non ha nulla con cui essere messo a confronto.

Questo non è una critica a nessuno dei due modelli. È un'affermazione su a cosa serve la valutazione di un modello base. Un 40,1 su LiveCodeBench ottenuto da un checkpoint che non ha mai visto un'istruzione indica quanta struttura di programmazione abbia assorbito il pre-addestramento, ed è un numero ragionevole in questa lettura. Non dice nulla su come otterrebbero punteggio gli stessi pesi dopo che qualcuno li avesse sottoposti a fine-tuning. Nessuno, Baidu compresa, ha pubblicato quel numero.

L'unica tabella che si può leggere alla lettera è quella di Baidu stessa, perché tutte e quattro le colonne sono state elaborate attraverso la stessa pipeline, gli stessi prompt e le stesse impostazioni few-shot. Rispetto a DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) e MiMo-V2.5-Base (310B-A15B), ERNIE-5.5-Flash-Base ottiene il miglior risultato della riga su 24 benchmark su 30, inclusi MMLU-Pro con 78,4 contro 69,2, HumanEval+ con 82,3 contro 69,5 e RepoQA con 91,7 contro 81,0. Perde ChineseSimpleQA contro DeepSeek, FullStackBench e BBH chain-of-thought contro Hy3, e sia HELMET-Rerank sia InfiniteBench contro DeepSeek. Sono numeri prodotti dai fornitori su un harness scelto dal fornitore e senza replica indipendente — ma sono confrontabili internamente, il che è più di quanto si possa dire per qualsiasi confronto tra fornitori diversi in questo articolo.

Quanto costa ciascun percorso, con il calcolo mostrato

Qwen 3.8 Flash è quello facile da prezzare. Prendiamo un carico di lavoro di supporto ed estrazione di 1.000 richieste al giorno, con una media di 6.000 token in input e 800 token in output: 6M token in input e 0,8M token in output al giorno, ovvero 180M e 24M nell'arco di un mese di 30 giorni. A $0,15 e $0,47 per milione, sono $27,00 più $11,28 — $38,28 al mese, con le letture dalla cache a $0,0184 per milione che riducono ulteriormente la porzione ricorrente del prompt di sistema.

ERNIE-5.5-Flash-Base non ha una voce di costo equivalente, quindi l'unico modello di costo onesto è l'hardware. Il repository FP8 è composto da 128 shard di circa 2,25 GB ciascuno, per un totale di circa 288 GB di pesi; la variante BF16 raddoppia. Il comando di avvio SGLang di Baidu lo suddivide in quattro parti con --tp 4, il che colloca circa 72 GB di pesi su ciascuna GPU prima che esista una qualsiasi cache KV — utilizzabile su una scheda da 80 GB solo se non si usa mai la finestra di contesto, e comodo su schede della classe H200. Noleggiare quattro di queste a un costo medio di 2–3 $ per GPU-ora fa costare il nodo circa 5.800–8.600 $ al mese in esecuzione continua, prima di aver pagato qualcuno per fine-tunarlo, valutarlo o mantenere aggiornato lo stack di serving.

Si tratta dell'ordine di 150-225 volte la fattura dell'API Qwen nell'esempio precedente, e il confronto è deliberatamente ingiusto in una direzione: i due non sono sostituti finché qualcuno non esegue il post-training del checkpoint ERNIE. Il punto dell'aritmetica non è che l'hosting autonomo sia costoso — è che il costo fisso è reale e arriva prima che il modello possa rispondere a una singola istruzione, quindi il volume al quale possederlo batte l'affitto di qualcosa di già pronto è molto più alto di quanto suggerisca un confronto per token.

Il contesto lungo è dove i due design convergono

Entrambi i modelli dichiarano un milione di token, ed entrambi ci arrivano rifiutando di applicare l'attenzione completa su un milione di posizioni. I layer HCA di ERNIE mantengono in cache una singola voce ogni 128 token, quindi 37 dei suoi 43 layer fanno crescere la propria cache KV 128 volte più lentamente di quanto farebbe un layer convenzionale; i sei layer MLA mantengono l'accesso a piena risoluzione per i token che ne hanno bisogno. L'ibrido GDN-plus-QSA di Qwen fa lo stesso tipo di compromesso dal lato dell'attenzione sparsa, e i suoi 6B parametri attivi mantengono basso il calcolo per token indipendentemente da ciò che fa l'attenzione.

Per un lettore, la differenza pratica non è quale design sia più ingegnoso — entrambi sono credibili — ma che solo uno dei due comporta un prezzo per usare effettivamente quel contesto. Un prompt da un milione di token su Qwen 3.8 Flash ha oggi un numero associato. Su ERNIE-5.5-Flash-Base lo stesso prompt ha una stima in ore GPU e una domanda senza risposta su come si comporti un modello base a quella lunghezza senza instruction tuning.

Chi dovrebbe scegliere cosa

Scegli Qwen 3.8 Flash se ti serve un modello che segua le istruzioni subito, se i tuoi input includono screenshot, documenti o video, se vuoi che la fattura del contesto lungo diventi un problema di capacity planning di qualcun altro, e se $0.15/$0.47 per milione di token è compatibile con l'economia unitaria di ciò che stai costruendo. Ha due mesi di vita, è stato intercettato da tracker di terze parti fin dal lancio, e i numeri del fornitore — SWE-bench Pro 62.5, GPQA Diamond 91.7, CoWorkBench 73.9 — sono dichiarazioni più che risultati verificati, quindi trattali come un limite superiore finché la tua valutazione non dimostra il contrario.

Scegli ERNIE-5.5-Flash-Base se disponi di capacità di post-addestramento e di un motivo per possedere il modello invece di affittarlo: un dominio i cui dati non puoi inviare a un'API, un carico di lavoro cinese e inglese in cui CMMLU 90.0 e ChineseSimpleQA 73.0 sono i numeri che ti interessano, un programma di ricerca RL che desidera un punto di partenza 280B-A14B, oppure un budget di latenza che giustifica un nodo dedicato con quattro GPU. Devi anche essere consapevole che la licenza è un accordo Baidu personalizzato, non Apache, e che il modello non fa nulla di utile finché il tuo team non lo rende utile.

Non scegliere nessuno dei due, eppure, se quello che vuoi davvero è un modello general-purpose collaudato. Qwen 3.8 Flash è un prodotto finito senza alcun punteggio di benchmark indipendente, e ERNIE-5.5-Flash-Base è un modello incompiuto con una tabella di benchmark del fornitore. Nessuno dei due è la scelta predefinita sicura che sarebbe un flagship di due anni.

Condurre l'esperimento senza vincolare ad esso una roadmap

La parte scomoda di questo confronto è che le due parti si raggiungono in modi completamente diversi, e un livello di routing aiuta esattamente con una sola di esse. Qwen 3.8 Flash è disponibile tramite OrcaRouter come qwen/qwen3.8-flash, al prezzo di listino del fornitore con 0% di ricarico — gli stessi $0.15 e $0.47 addebitati dal fornitore, trasferiti senza aggiungere nulla per il passaggio. ERNIE-5.5-Flash-Base non è qualcosa che offriamo: è un rilascio di pesi, e non esiste alcun endpoint ospitato a cui instradarlo, né qui né in nessun altro posto che riusciamo a trovare.

Ciò per cui un singolo endpoint è davvero valido in questa situazione è la parte che viene dopo l'esperimento. Il percorso realistico per un ERNIE 5.5 Flash è che un team effettui il post-training del checkpoint di base, e la domanda diventa allora se il modello messo a punto batte Qwen 3.8 Flash sul tuo traffico. Con entrambi dietro un'unica chiave, si tratta di un cambio di model-id anziché di un secondo contratto e di un secondo SDK, il DSL di routing può suddividere il traffico di produzione tra i due mentre decidi, e il failover automatico significa che un vincitore non ancora collaudato non può far cadere l'intera funzionalità al suo primo giorno negativo. La fusione di modelli ti offre la terza opzione — un panel che risponde all'unisono — che è spesso il modo più economico per scoprire se una nuova messa a punto è davvero migliore dell'incumbent o semplicemente diversa.

Cosa cambierebbe questa risposta?

Tre cose, in ordine approssimativo di probabilità. Un ERNIE 5.5 Flash ottimizzato per le istruzioni trasformerebbe questo da un disallineamento di categoria in un vero confronto diretto, e i numeri della versione base suggeriscono che sarebbe competitivo: 82,3 su HumanEval+ e 91,7 su RepoQA da un checkpoint non ottimizzato sono una posizione di partenza solida. Una voce ERNIE 5.5 nel listino prezzi di Qianfan darebbe ai calcoli per l'auto-hosting qualcosa con cui confrontarsi e ti direbbe se Baidu intende vendere questo modello o regalarlo. E un punteggio di terze parti per uno dei due modelli permetterebbe a un lettore di smettere di fidarsi ciecamente delle tabelle dei fornitori, che è la situazione in cui questa coppia è bloccata oggi: Qwen 3.8 Flash non ha alcun risultato indipendente di benchmark a suo nome, e ERNIE-5.5-Flash-Base non compare in alcuna riga di una classifica neutrale.

Finché due di quelli non si concretizzano, "quale sia migliore" non è una domanda che qualcuno abbia misurato. Ciò a cui si può rispondere oggi è più ristretto e più utile: Qwen 3.8 Flash è un modello che puoi chiamare, ed ERNIE-5.5-Flash-Base è un modello su cui puoi costruire. Sono lavori diversi, e nessuna tabella di benchmark stabilirà quale dei due hai.