ERNIE-5.5-Flash 対 GPT-6 Luna：フラッシュティアは実際に何を提供すべきなのか

Flashはパラメータ数ではない。それは4つの条項からなる商業的な約束だ。100万トークンあたりの価格、リクエストを計画する基準にできるレイテンシ、アプリケーションの規模を合わせられるコンテキストウィンドウ、そして第三者が独立に検証したスコアである。2026年9月22日にOpenAIがリリースしたGPT-6 Lunaは、その4つすべてを公表している。Baiduが2026年11月5日にベースウェイトを公開したERNIE-5.5-Flashは、そのいずれも公表していない——価格も、提供時のレイテンシも、独立評価もなく、コンテキストの数値はエンドポイントではなくチェックポイントの構成を表している。したがって、ERNIE-5.5-FlashをGPT-6 Lunaと比べることは直接対決ではない。それは「Flash」という語が何を保証することになっているのかを試す有用なテストであり、その保証のうちBaiduがまだどれだけ果たしていないかを示す実証である。Luna はプロバイダーの定価で提供され、エフォートとコンテキストに関するルーティングポリシーは一か所にまとめられている。

第1条：価格

GPT-6 Lunaの定価は入力100万トークンあたり0.10ドル、出力100万トークンあたり0.50ドル。キャッシュされた入力の読み取りは約0.01ドル、キャッシュ書き込みは約0.125ドルで、272K入力トークンを超えるプロンプトは0.20/0.75ドルの上位ティアに移行する。GPT-6 Solの2/10ドル、GPT-6 Astraの10/50ドルと比べると、Lunaのコストはそれぞれ約20分の1、約100分の1となる——OpenAIはこのローンチを、一時的な割引ではなく、GPT-5.6のプロモーション価格に対する恒久的な50パーセント削減と位置づけている。

ERNIE-5.5-Flashには価格がない。未公開の価格でも、企業向け見積もり価格でもない。ポストトレーニング済みモデルが存在しないため、価格を付ける対象がないのだ。存在するのはERNIE-5.5-Flash-Baseであり、これはERNIE 5.5 Flash Base Model License Agreement v1.0の下で、280BパラメータのスパースMoEでトークンあたり14Bがアクティブとなり、FP8およびBF16で無料ダウンロードできる。

それが第1条のすべてです。一方には100万入力トークンあたり10セントのモデル、もう一方にはリポジトリがあります。

第2条：レイテンシー

Lunaのレイテンシプロファイルは、自身のトレードオフについて異例なほど率直だ。出力は毎秒約154トークンで推移する。推論努力が低い場合、最初のトークンまでの中央値は約1.5秒だ。推論努力が最大になると、それはおよそ124秒にまで伸びる。この数値は、その設定ではモデルをインタラクティブな作業には使えないものにする一方で、バッチ分析にはまったく合理的だ。両方の数値を公表するFlashティアは、それがどのデプロイ向けなのかを教えてくれている。

ERNIE-5.5-Flashはスループットも初回トークンまでの時間も公表していません。計測対象となる提供中のエンドポイントが存在しないからです。推測できるのはアーキテクチャ上の点です。総パラメータ280Bのうちトークンあたり14Bのアクティブパラメータというのは、低コストで高速なデコーディングを狙った設計であり、14Bアクティブは、GLM-5.3 Flashの18BやDeepSeek V4.1 Flashの8B入力/16B出力の分割よりも小さいワーキングセットです。紙の上では高速になるように作られています。その主張は、誰かが実際に提供するまで紙の上にとどまらざるを得ません。

第3条：文脈

GPT-6 Lunaのウィンドウは約100万トークンで、出力は128K付近が上限です。注目すべき細部は、これがGPT-6 Solの872Kより大きいことです。安価なモデルのほうが高価なモデルより多くの入力を受け付けます。これは通常のエスカレーション論理を反転させます。標準的なルーティングパターンは「大きなペイロードを大きなモデルへ送る」ですが、Lunaはそれを覆します。古い前提で設定されたルーターはコストを使いすぎることになります。

ERNIE-5.5-Flash-Baseは、128Kの学習コンテキストと、リリースされた構成でファインチューニングおよび推論に有効化された1,048,576トークンを報告している。これらはLunaの数値とは同じ種類のものではない。一方は、その長さで提供されたことのないチェックポイント上の構成フラグであり、もう一方は272Kに価格ティアが付いた製品上の上限だ。Baiduの長コンテキストの根拠はベンチマークの一括測定——HELMET-RAG 71.5、RepoQA 91.7、LongBench-v2 48.7、InfiniteBench 46.5——であり、独自のハーネスで実行されたもので、投稿はそれらの長コンテキスト行のうち少なくとも2つが競合他社のベースモデルによるものだと認めている。

第4条：他の人が確認したスコア

Lunaの公表されている評価はまちまちで、だからこそ信頼できる。BenchGeckoは平均スコア55.9、順位は約116位と報告しており、ベンダー周辺の数値にはDeepSWE v1.1が66.6、OSWorld 2.0が52.7、LiveBenchのコーディングが79、数学が89.1が含まれる。Terminal-Bench 4.0はVals AIの計測で約13.6パーセント、AutomationBenchは20.7となっている。Artificial Analysisは知能指数をおよそ37～38とし、約48のSolと約53のAstraを下回るとしている。またコーディングエージェント指数は約41で、GPT-5.6 Lunaの43からの後退だ。ハルシネーション率は93パーセントから77パーセントに改善した。これは改善ではあるが、まだ十分とは言えない。

つまりLunaは、文書化された上限と少なくとも1件の文書化された回帰を備えた安価なモデルです。これは、出所のない強い数値よりも購入者にとって有用です。なぜなら、どこで使うべきでないかが分かるからです。具体的には、エージェント型コーディングループ、高リスクな事実想起、そしてTerminal-Bench方式の環境操作に依存するあらゆる用途です。

この条項における ERNIE-5.5-Flash 側の内容は、ベースモデルの表です。MMLU 93.3、MMLU-Pro 78.4、GPQA 60.2、HumanEval+ 82.3、LiveCodeBench 40.1 — すべてポストトレーニング前に、Baidu のハーネスで、他のベースチェックポイントに対して測定されたものです。それは正当な表です。しかし「私が呼び出すモデルはどれほど優れているか」への答えではありません。なぜなら、あなたが呼び出すモデルはまだ構築されていないからです。

なぜ280Bの「Flash」は別物なのか

その比較の下には、構造的な論点が隠れている。Lunaは、小さいがゆえに安くした小規模モデルだ。ERNIE-5.5-Flashは、自分自身のごく一部を活性化することで安くした大規模モデルである——トークンあたり280Bのうち14B。経済性は本当に異なる。メモリコストは280B全体に比例し、計算コストは活性化する14Bに比例する。大量に提供するプロバイダーにとって、これは魅力的な形だ。なぜなら、高コストな部分は多数の同時リクエストにわたって償却され、安い部分が各トークンのコストになるからだ。

セルフホスト運用者にとっては、同じ形状が問題になる。14Bモデルの計算プロファイルを得るには、FP8で280Bパラメータ分のメモリが必要で、KVキャッシュを除いても約280GBになる。これはデータセンター向けのデプロイであり、ワークステーション向けではない。そして、このサイズのベースチェックポイントがローカルモデルではなくAPIになりがちな理由でもある。

Lunaはその正反対だ。広く提供できるほど小規模で、それに見合った価格設定になっており、OpenAIのAPI、ChatGPT Work、Codex、そしてFreeおよびGoティアのデスクトップアプリを通じて利用できる。流通の仕組みそのものが製品の一部なのだ。

OrcaRouterが適する場面と、適さない場面

GPT-6 LunaはOrcaRouterでopenai/gpt-6-lunaとしてルーティングでき、プロバイダーの定価でマークアップは0%です。このモデルでは、これがいつも以上に重要になります。なぜなら、Lunaに関する興味深いルーティング判断は、価格ではなくエフォートに関するものだからです。最初のトークンまでのレイテンシーが1.5秒必要なリクエストを、2分待てるバッチジョブと同じエフォート設定に送るべきではありません。また、ときどき800Kのコンテキストを必要とするワークロードを、大きいモデルほど大きいウィンドウを持つという前提で、デフォルトでSolにするべきでもありません。そうしたポリシーを一箇所にまとめ、プロバイダーが劣化したときに自動フェイルオーバーできるルーティングレイヤーは、ここで実質的な仕事をしています。

ERNIE-5.5-FlashはOrcaRouterのカタログにありません——216個のモデルIDがあり、ERNIEの項目はありません——また、この記事のいかなる記述も、それが存在するという主張として読まれるべきではありません。ルーティング先のエンドポイントは存在しません。正直なところ、Baiduがポストトレーニング済みモデルを提供する日には、ルーティングの問いは興味深いものになりますが、今日それは仮定の話です。

ERNIE を Luna の競合にするには何が必要か

4つの事柄、そしてそれらは同じ4つの条項です。

• 価格は$0.10/$0.50以下。Lunaの料金を上回るものは、中国語の品質またはデータレジデンシーによって正当化されなければならないが、Baiduはこのモデルについてまだどちらの根拠も示していない。

• 実測されたスループット値。14Bのアクティブパラメータ設計は高速である可能性を示唆しているが、プロバイダーが毎秒トークン数と最初のトークンまでの時間を公開するまでは、それは仕様ではなくアーキテクチャ上の推測にすぎない。

• 価格が付いた、提供されるコンテキスト上限。1,048,576トークンの構成はチェックポイントの能力です。Lunaのウィンドウは製品条件であり、272Kの料金ティアを含みます。これらは異なるコミットメントです。

• 独立した評価を伴うポストトレーニング済みモデル。これが最大のポイントです。ベースチェックポイントと完成した Flash モデルの間の距離こそが、指示追従、ツール使用、フォーマット規律が宿る場所であり、まさに Luna がすでに歩んできた距離です。

その4つが揃うまで、キャパシティを購入する人にとって比較には明確な答えがある。GPT-6 Lunaは、文書化された弱点を抱えていても、現実的な価格で選べる実際の選択肢であり、ERNIE-5.5-Flashは製品ティアの名前をまとった研究リリースだ。より興味深いのは、Baiduがベースウェイトを先に公開し、アーキテクチャを大々的に文書化したことだ — 43層、37 HCA＋6 MLA-DSA、トップ10で512のルーテッドエキスパート、201,216トークンの語彙 — これは販売チャネルを開くベンダーというより、事後学習の作業を誘う研究室のように読める。その基準で評価すれば、良いリリースだ。Lunaと比べれば、まだ同じ市場にはいない。