Ling-3.2-flash vs ERNIE 5.5 Flash: uno è un prodotto, l'altro è un punto di partenza

Due laboratori cinesi hanno rilasciato modelli adiacenti ai flagship a poche ore di distanza l'uno dall'altro il 5 novembre 2026, e quasi ogni confronto che si possa scrivere su Ling-3.2-flash ed ERNIE 5.5 Flash svanisce nel momento in cui si nota che non sono lo stesso tipo di oggetto. Ling-3.2-flash è un modello chat multimodale finito e ottimizzato per le istruzioni: testo, immagini e video in ingresso, risposte in uscita, disponibile sull'endpoint compatibile OpenAI di Ant Ling e gratuito per due settimane. Ciò che Baidu ha pubblicato è ERNIE-5.5-Flash-Base — il checkpoint alla fine del pre-addestramento, prima del mid-training, prima dell'ottimizzazione per le istruzioni, solo testo, e servito tramite un endpoint completions perché non è ancora stato addestrato a seguire le istruzioni. La pagina di rilascio di Baidu stessa afferma che l'ERNIE 5.5 Flash post-addestrato "arriverà".

Quella singola asimmetria decide la maggior parte delle questioni pratiche riportate di seguito. Un modello puoi chiamarlo già questo pomeriggio. L'altro puoi scaricarlo, sottoporlo a fine-tuning e trasformarlo in qualcosa — che è un acquisto del tutto diverso, con un contratto legale allegato.

I due oggetti, fianco a fianco

Quanto segue è ciò che ciascun fornitore documenta oggi. Laddove un dato sia del fornitore stesso e non riprodotto, viene specificato.

• Parametri totali e attivi — Ling-3.2-flash 560B totali / 25B attivi; ERNIE-5.5-Flash-Base 280B totali / 14B attivi per token, più 0,36B di parametri ECHO che entrambi i conteggi escludono.

• Input — Ling-3.2-flash gestisce nativamente testo, immagini e video, con blocchi image_url e video_url nella richiesta; ERNIE-5.5-Flash-Base è solo testo, punto e basta.

• Cosa ricevi — Ling-3.2-flash è un modello chat post-addestrato accessibile tramite un'API; ERNIE-5.5-Flash-Base è costituito da pesi grezzi di pre-addestramento che ci si aspetta tu post-addestri da te.

• Architettura — Ling-3.2-flash è un MoE della linea ibrida-lineare Ling che Ant utilizza dal 3.1; ERNIE-5.5-Flash-Base ha 43 layer (un FFN denso, 42 MoE latenti Multi-Router), 512 esperti instradati con routing top-10 più un esperto condiviso, 37 layer di attenzione fortemente compressa e sei layer MLA con attenzione sparsa.

• Contesto — Ling-3.2-flash offre sull'API una finestra di 1 milione di token; ERNIE-5.5-Flash-Base è stato addestrato a 128K, e la sua configurazione rilasciata abilita 1.048.576 token per fine-tuning e inferenza, il che non equivale alla stessa affermazione.

• Pesi — Ling-3.2-flash non ne ha pubblicati; ERNIE-5.5-Flash-Base distribuisce safetensors FP8 e BF16 su Hugging Face e ModelScope.

• Prezzo — Ling-3.2-flash è gratuito per due settimane dopo il lancio, senza una tariffa pubblicata per il quindicesimo giorno; ERNIE-5.5-Flash-Base non ha un prezzo per l'hosting perché Baidu non lo sta servendo, e il self-hosting costa quanto vi costa 280B di pesi.

Nessuna di quelle righe è un'affermazione sulla qualità. Sono una descrizione di ciò che si acquisterebbe.

Per cosa è davvero utile Ling-3.2-flash, stando alle evidenze

Il materiale di lancio di Ant è composto da tre numeri di benchmark e cinque video dimostrativi. I numeri confrontano Ling-3.2-flash con Opus 5 con il massimo sforzo su OmniDocBench1.5 (92,21 vs 90,56), ZEROBench(Sub) (43,71 vs 39,52) e Vision2Web (85,86 vs 80,20). Tutti e tre sono dichiarati dal fornitore, tutti e tre sono visivi e nessuno è stato riprodotto da terzi. Letti nel loro insieme, affermano una sola cosa: nell'analisi di documenti, nel ragionamento su scene 3D e nelle attività vision-to-web, Ant ritiene di superare un modello chiuso di frontiera. Non affermano assolutamente nulla sul ragionamento testuale, sulla programmazione o sul lavoro agentico da terminale, che è dove va ancora la maggior parte del traffico di produzione.

Le demo sono più informative dei numeri, perché mostrano il ciclo per cui Ant ha creato il modello. Ling-3.2-flash ispeziona rendering headless di sfere di materiale, confronta mappe di rugosità e normali e riscrive il proprio script; pilota Blender tramite azioni dell'interfaccia utente; converte disegni tecnici in modelli web 3D; legge PDF di ricerca con equazioni e implementa gli algoritmi nel codice. Ognuno di questi compiti richiede che il modello esamini un artefatto intermedio e si corregga. È ciò che l'addestramento multimodale nativo ti offre rispetto a un modello testuale con un adattatore di visione, ed è la capacità da testare per prima se questo è il tuo caso d'uso.

Due avvertenze operative vanno menzionate insieme. Ant documenta un limite globale di due query al secondo, con risposte 429 oltre tale soglia, e un timeout di 90 secondi sulle chiamate sincrone, con lo streaming raccomandato. Inoltre, il modello è gratuito solo fino all'incirca al 19 novembre; la pagina dei prezzi afferma che dopo riprendono le tariffe originali, senza specificare quali siano.

Per cosa è davvero utile ERNIE-5.5-Flash-Base

La proposta di Baidu è lo spostamento dei costi, ed è coerente. L'azienda ha dedicato il calcolo del pre-addestramento a 33,5 trilioni di token con l'ottimizzatore Muon; tu dedichi il tuo all'adattamento al dominio, all'instruction tuning o all'apprendimento per rinforzo, partendo da un checkpoint che ha già integrati codice su scala di repository e comportamento a contesto lungo. Il rilascio è insolitamente pulito come baseline di ricerca: un solo checkpoint alla fine del pre-addestramento, nessun mid-training, nessun post-training, così due metodi di fine-tuning possono essere confrontati senza dover discutere di ciò che la base già sapeva.

La valutazione di Baidu lo confronta con tre modelli base aperti di dimensioni simili — DeepSeek-V4-Flash-Base (284B-A13B), Hy3-preview-Base (295B-A21B) e MiMo-V2.5-Base (310B-A15B) — all'interno di un unico harness, con un unico set di prompt e un unico giudice, su 30 benchmark in sette categorie. È un confronto meglio controllato rispetto alla maggior parte delle tabelle di lancio, e resta comunque eseguito dal fornitore. Il claim architetturale principale da conoscere: 37 dei 43 layer applicano l'attenzione su una sequenza compressa 128×, e Baidu afferma che i sei layer MLA bastano a mantenere le prestazioni sul contesto lungo. Se questo regge a test indipendenti, è la cosa più interessante del rilascio: una compressione 128× che non penalizza il retrieval sul contesto lungo.

Il problema è la licenza, e non è di poco conto. L'ERNIE 5.5 Flash Base Model License Agreement v1.0 definisce un Territorio che comprende «tutte le aree geografiche del mondo diverse dall'Unione europea, dal Regno Unito e dalla Corea del Sud» e richiede che i materiali non vengano usati, distribuiti o visualizzati al di fuori di esso. L'uso commerciale è gratuito al di sotto di 50 milioni di dollari USA di ricavi annui derivanti da prodotti correlati, a condizione che si invii una notifica una tantum e si visualizzi «Powered by ERNIE» in modo ben visibile su un'interfaccia utente, un sito web, una pagina delle informazioni o la documentazione del prodotto. Al di sopra dei 50 milioni di dollari USA è necessaria l'autorizzazione scritta preventiva separata di Baidu prima di superare la soglia, e l'uso deve essere sospeso se la si supera senza tale autorizzazione.

Quindi la descrizione onesta del checkpoint "gratuito" da 280B è questa: gratuito da scaricare ovunque al di fuori di tre giurisdizioni, gratuito per uso commerciale entro una soglia di ricavi, e con un obbligo di branding che la maggior parte dei team di prodotto noterà sul proprio sito di marketing prima ancora di notarlo nella licenza.

Quale scegliere, in base a ciò che stai facendo

Scegli Ling-3.2-flash se il lavoro è visivo e ti serve una risposta entro questo mese. Estrazione di documenti in cui il layout conta, agenti UI guidati da screenshot, conversione da disegno a 3D, triage di imaging medico, qualsiasi cosa in cui il modello debba verificare il proprio output renderizzato. L'API è modellata su OpenAI, quindi l'integrazione è un cambio di base-URL, e la finestra gratuita di due settimane significa che la valutazione non costa nulla se non il tuo tempo. Non metterlo ancora su un percorso di produzione: non ci sono prezzi pubblicati, né punteggi indipendenti, né pesi, né un provider di fallback.

Scegli ERNIE-5.5-Flash-Base se hai capacità di post-addestramento e un dominio. Una base 280B-A14B con un'architettura documentata, ricette funzionanti per SGLang e vLLM, una build FP8 e una BF16, e un esempio di fine-tuning con Megatron-Bridge è un vero asset per un team che vuole il proprio modello. Verifica la clausola Territory rispetto alla tua entità legale prima di iniziare, non dopo. E non valutarlo come modello di chat — continua il testo, non risponde alle richieste, quindi qualsiasi confronto sull'instruction-following con Ling-3.2-flash sta misurando la cosa sbagliata.

Se quello che volevi davvero era un ERNIE finito da chiamare, aspetta. Baidu dice che sta arrivando ERNIE 5.5 Flash post-addestrato, e finché non arriva non c'è alcun ERNIE 5.5 ospitato nel listino prezzi di Qianfan: il listino internazionale che abbiamo consultato oggi riporta ERNIE 5.1, ERNIE 5.0 ed ERNIE 4.5 Turbo, senza alcuna riga 5.5.

Nessuno dei due è nel nostro catalogo — ecco cosa c’è

Parlando chiaramente di routing: abbiamo riletto il catalogo OrcaRouter il 6 novembre e restituisce 215 identificatori di modello. Non contiene alcuna voce Ling, inclusionAI, Ring o ERNIE; le uniche corrispondenze con "ling" sono i modelli video Kling. Quindi questo confronto non è una scelta tra due cose che una sola chiave già raggiunge.

Con una singola chiave si arriva, al prezzo di listino del provider e senza alcun ricarico, ai modelli che coprono gli stessi due compiti. Per le attività di visione con una tariffa pubblicata, Qwen3.8-Flash costa $0,15 per milione di token in input e $0,47 per milione di token in output. Per agenti testuali economici su larga scala, DeepSeek V4.1 Flash costa $0,15 e $0,60, e GLM-5.3-Flash costa $0,15 e $0,50. Tutti e tre accettano richieste nel formato OpenAI, quindi un'integrazione Ling-3.2-flash portata su di essi è solo una modifica della stringa del modello anziché una riscrittura — il che conta quando la finestra gratuita si chiude e non hai ancora un listino prezzi.

Questo è anche il motivo per cui conviene mettere un router davanti a un fine-tune ERNIE self-hosted invece di puntare l'app direttamente al tuo cluster: un solo endpoint, una sola chiave e failover automatico verso un modello hosted quando le GPU sono sature o il deployment è in corso. Il DSL di routing compone più modelli in un'unica chiamata, ed è così che faresti girare un modello vision e un modello testuale come un unico passaggio invece di due.

La cosa da tenere d'occhio

Entrambe le release sono a metà in direzioni opposte, ed entrambe le lacune si colmano secondo i tempi di qualcun altro. Ant deve fornire un listino prezzi, una model card e — se il pattern del 2026 regge — un checkpoint con licenza MIT. Baidu deve fornire l'ERNIE 5.5 Flash post-addestrato, e deve una dichiarazione più chiara su se la clausola Territory si applichi agli output del modello o solo ai pesi e ai loro derivati, il che, così com'è scritto, suggerisce che sia più ampia di quanto la maggior parte dei team presumerà.

Finché uno di questi non arriverà, il confronto ha una forma semplice: Ling-3.2-flash è quello che puoi valutare oggi e per cui non puoi stanziare un budget, mentre ERNIE-5.5-Flash-Base è quello per cui puoi stanziare un budget e che non puoi chiamare.