『Base 対 base』と表示される生成済みヒーローカード。2つのチェックポイントタイルがあり、『Hy4 flash-Base』には『総計220B / アクティブ12B / コンテキスト1M / 2026年11月17日リリース』、『ERNIE 5.5 Flash Base』には『総計280B / アクティブ14B / 128K学習済み / 2026年11月5日リリース』と表示され、さらにフッターには『両方のベンチマーク表はベンダー報告です。どちらにも独立したスコアはありません。』と表示される。
Guides & Insights

Hy4 flash-Base 対 ERNIE 5.5 Flash Base:両ベンダーが公開した唯一の公平な比較

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

中国の2つのラボが12日違いで事前学習済みチェックポイントを公開し、今回は比較表がおのずと出来上がる:Hy4 flash-Base と ERNIE 5.5 Flash Base。どちらも同じパイプライン段階にある同種の成果物で、同じ方法で評価されている。Tencentは2026年11月17日にインストラクションモデルと併せてHy4 flash-Baseを公開した。Baiduは2026年11月5日にERNIE 5.5 Flash Baseを公開し、執筆時点でそれは依然として存在する唯一のERNIE 5.5成果物である——事後学習済みチャットモデルはまだ出荷されていない。

そのチェックポイントを取り巻くものの違いこそが、この対決に1ページを割く価値の大半を生んでいる。2つのベースを比べれば、事前学習がどう進んだかが分かる。2つのリリースを比べると、両社についてあまり褒められた話ではないことが分かる。片方の企業は原材料と完成品を同じ日に出荷し、もう片方は原材料と約束を出荷した。

ベースチェックポイントが誠実な比較である理由

あなたが目にするモデル比較はほぼどれも、密かに不公平だ。あるベンダーの完成済みで指示調整されたモデルを、別のベンダーの完成済みで指示調整されたモデルと比べ、それぞれを独自のベースラインを備えた独自の評価ハーネスで評価しているからだ。ベースチェックポイントは、その変数の一つを取り除く。どちらのモデルも事後学習されておらず、出力形式を形作るチャットテンプレートもなく、両ベンダーは独自のエージェント型スイートではなく、標準的な学術ベンチマークに関する少数ショットの表を公開している。

残るもの——ハーネス、ショット数、サブセット——は依然としてベンダー固有なので、ここには制御された実験は何もない。しかし、ベース対ベースの表は事前学習実行の比較であり、事前学習こそが高コストな部分だ。これは、この2社が互いについて公表した中で、最も条件を揃えた数値に近いものだ。

横並びの2つのチェックポイント

• パラメータ — Hy4 flash-Base は合計220.3B、トークンあたり12Bがアクティブ。ERNIE 5.5 Flash Base は合計280B、トークンあたり14Bがアクティブ。

• パラメータの配置 — {{1}}Hy4 flash-Base{{/1}}は、{{3}}42層のバックボーン{{/3}}に{{2}}155.5B{{/2}}、{{5}}Engram n-gram埋め込みテーブル{{/5}}に{{4}}63.5B{{/4}}、ビジョンエンコーダに{{6}}0.43B{{/6}}、{{8}}DFly2ドラフター{{/8}}に{{7}}0.85B{{/7}}を搭載しています。ERNIEの{{9}}280B{{/9}}はより従来型のMoE分散で、さらに主要カウントから除外された{{10}}0.36B ECHOモジュール{{/10}}が加わります。

• 深さとルーティング — Hy4 flash-Base は42層(1層はdense、41層はMoE)で、512個のルーティングされたエキスパートと1個の共有エキスパート、アクティブ16、隠れ層サイズ3,072。ERNIE は43層(1層はdense、42層はMulti-Router Latent MoE)で、512個のルーティングされたエキスパートと1個の共有エキスパート、top-10、隠れ層サイズ4,096。

• コンテキスト — 両方とも1,048,576トークンが設定されています。TencentはHy4 flashをその長さで直接トレーニングしました。BaiduはERNIEを128,000でトレーニングし、リリースされた設定をファインチューニングと推論用に1,048,576に設定しました。これは測定された挙動ではなく、設定上の能力です。

• モダリティ — テキストと画像を入力し、テキストを出力、両方とも対応。Hy4 flash-Base は SigLIP2 由来の視覚エンコーダを搭載しています。ERNIE 5.5 Flash Base のカードでは、モデルリンク表においてテキスト入力のみが記載されています。

• ライセンス — Tencent Hy License v1.0(Apache 2.0の派生物で、売上5,000万ドルまたはMAU1億人に達するとMaaS条項が適用)、ERNIE 5.5 Flash Base Model License v1.0(欧州連合、英国、韓国を地域として完全に除外)。

ライセンスをめぐる争いは脚注ではない。欧州のチームは助成金の条件の下ではERNIEチェックポイントをまったく使用できず、ベンチマーク上の優位性がどれほど大きくてもそれは変わらない。どの規模のチームでもHy4 flash-Baseを使用できるが、MaaS収益が5,000万ドルを超えるチームは使用前にメールを送る必要がある。

Baiduの表が示すこと、そしてそれを信じることに伴う代償

Baiduの比較セットはベースリリースにふさわしい。ERNIE 5.5 Flash BaseをDeepSeek-V4-Flash-Base、Hy3-preview-Base、MiMo-V2.5-Baseと比較しており、カードには4つすべてで共有されていると説明されている単一のパイプライン上で行われている。以下の数値はすべてBaiduによる報告であり、再現されていない。

• MMLU — 93.3 ERNIE、89.4 DeepSeek-V4-Flash-Base、87.5 Hy3-preview-Base、87.6 MiMo-V2.5-Base。

• MMLU-Pro — 78.4 対 69.2、66.9、65.7。このセット内で最大の差。

GPQA — 55.9、50.2、51.4に対して60.2。

• HumanEval+ — 69.5、78.0、74.4 に対して 82.3。

• LiveCodeBench — 31.9、33.5、32.4に対して40.1。

• LongBench-v2 — 44.5、39.8、44.6に対して48.7。

• チェーン・オブ・ソートを用いたBBH — Hy3-preview-Baseの90.0、MiMo-V2.5-Baseの89.8に対して89.2。太字の書式が何を示唆していようと、これはノイズの範囲内での3者同点だ。

• ChineseSimpleQA — 73.0 対 DeepSeek の 75.3。Baidu のホーム市場に最も近いベンチマークでの敗北。

この表は行が抜け落ちている。だからこそ、誰かが選んだ表というより、誰かが組み立てた表のように読める。そこから何が欠けているかに注目してほしい。Hy4 flash-Baseだ。Tencentのチェックポイントは11月5日時点で存在していなかったため、この比較における2つのモデル間の直接的な行は、これまで誰によっても公表されていない。

テンセントの表が示している内容(免責事項を含む)

Tencentのベーステーブルは5通り — Hy4 flash-Base、Hy4 Base、Hy3 preview Base、DeepSeek-V4-flash-Base、DeepSeek-V4-Pro-Base — であり、行も失われます。ベンダー報告、未再現:

• MMLU-Pro — Hy4 flash-Base は 71.1 で、これに対して Hy4 Base は 73.9、Hy3 preview Base は 65.8、DeepSeek-V4-flash-Base は 68.6、DeepSeek-V4-Pro-Base は 73.4 です。

• SimpleQA — 57.2、26.4、31.3、52.1 に対して 37.5。このカードで最大の損失。

• C-Eval — 95.0、90.1、91.9、93.4に対して92.0。

• CMMLU — 93.1、89.6、89.8、90.7に対して91.6。

• AGIEval 中国語 — 90.6 対 91.2、87.8、88.5、89.8。

• Belebele — 95.0、94.2、94.4、95.2 に対して 93.8。

• INCLUDE — 88.1、84.3、84.0、84.3 に対して 82.8。

• MMMU-Pro — Hy4 Baseの59.6に対し52.0。マルチモーダルの行は、2つのHyモデルにのみ存在します。

全体として見ると、Hy4 flash-Base は兄弟モデルより小型で安価なモデルであり、ほとんどの行でそれらに劣っている。これは、12Bアクティブのモデルが49Bアクティブのモデルに対して示すべきまさにその挙動だ。興味深いのは多言語の行で、そこでははるかに大きなモデルに1〜2ポイント以内で食らいついており、SimpleQAではHy4 Baseに20ポイント遅れを取っている。この事実検索のギャップは、その能力のどれだけが学習データではなくパラメータ数に宿っているかを物語っている。

Tencent はさらに、Baidu のモデルカードにはない注意書きを自ら加えている。ベースモデルが中間学習中に大量の合成インストラクションデータにさらされたため、「few-shot 評価で期待される回答形式に従えないことがあり、スコアが歪む可能性がある」という。ベンダーが自社の評価ハーネスは形式遵守を測っているかもしれないと明言するのは、その一文を記す価値があるほど珍しい。

A generated reference card headed 'Two tables, one shared row', with eight benchmark rows for ERNIE 5.5 Flash Base beside eight for Hy4 flash-Base and only the MMLU-Pro pair joined by a connector labelled '78.4 vs 71.1 — the only common row'.

2つのテーブルは重ねて置くことができません。

この比較には罠があり、しかもインターネット上の大半はそれを言わないので、はっきり述べておく価値がある。両ベンダーともMMLU-Proを公開している。BaiduはERNIE 5.5 Flash Baseについて78.4と報告している。TencentはHy4 flash-Baseについて71.1と報告している。差を引いてBaiduの7.3ポイント勝ちと報告したくなる。しかし、その引き算は正当化できない。

ショット数もプロンプト形式も異なり、Hy4 flash-Base の場合は、マクロ平均スコアを下げうる形式追従性の問題が認められている。両方の表で共通の定義が付されている唯一の数値 — 5言語サブセットでの Belebele — は、Hy4 flash-Base で 93.8 を示し、Baidu の表には単に存在しない。差し引くのに十分なほど厳密な重複はない。

言えることは、より狭いがそれでも有用だ。各ベンダーのチェックポイントは、それぞれが選んだサードパーティ製のDeepSeekベースラインを、ほとんどの行で、自社のハーネスが生み出した差によって上回っている。同じ方向を向いた、独立気味の2つの主張は、どちらか一方だけより強い証拠であり、共通のベンチマークよりは弱い。それが、これら2枚のカードが裏づける内容についての、誠実な上限である。

Screenshot of the Hugging Face model card for tencent/Hy4-flash-Base, showing the release line, the model-links table and the benchmark table with its synthetic-data format-compliance disclaimer.

一方のリリースは完了し、もう一方は約束です

これは、上のどの行よりも重要な非対称性であり、ベンチマークの品質に関するものではない。

Tencentは11月17日に3つの成果物を公開しました。instructモデル、そのFP8ビルド、ベースチェックポイントです。今日チャットモデルを必要とするチームは、それをダウンロードし、ピン留めされた vllm/vllm-openai:hy4-flash イメージで vLLM に読み込み、提供できます。ベースチェックポイントは微調整したい人向けに用意されており、モデルカードには微調整ガイドへの案内があります。

Baiduは11月5日に1つの成果物を公開した。ERNIE 5.5 Flash Baseは事前学習済みの重みである。ダウンロードできる指示チューニング済みのERNIE 5.5 Flashはなく、リリース資料にその名前で記載されたAPIエンドポイントもなく、モデルカードは事後学習済みモデルについて「後に続くはずのもの」としか説明していない。今日ERNIE 5.5 Flash Baseをダウンロードするチームは、使える形式で質問に答えられるモデルを手にする前に、280Bの重みに対して事後学習を自ら行うことを引き受けることになる。

研究グループにとっては、まさにそれが興味深い成果物だ。製品チームにとってそれはモデルではなく、際限のない作業が付随する出発点であり、正しい比較対象は Hy4 flash-Base ではなく、トークンごとに課金され、今すぐ使える Hy4 flash だ。

Screenshot of Baidu's ERNIE 5.5 Flash Base model card, showing the base-checkpoint benchmark table against DeepSeek-V4-Flash-Base, Hy3-preview-Base and MiMo-V2.5-Base.

ルーターがベースチェックポイントの判断にどう関わるか

ベースチェックポイントはルーターが提供するものではなく、そう示唆するのは不誠実です。OrcaRouterはHy4 flash-BaseもERNIE 5.5 Flash Baseも取り扱っておらず、今日の時点でどちらのベンダーのinstructモデルもカタログにはありません。カタログに実際に掲載されているのはtencent/hy4-previewです。これはHy4 flashの蒸留元である770B/49Bモデルで、100万入力トークンあたり$0.834、100万出力トークンあたり$2.501、キャッシュ読み取りは$0.042です。

これは特定の判断において重要です。220Bのベースチェックポイントを微調整すべきか検討しているなら、最初の問いはそのファミリーの振る舞いがそもそもあなたのタスクに適しているかどうかです。そしてプレビューモデルならそれを半日で答えてくれます——テストに費やすトークンの料金で。テンソル並列FP8デプロイメントのために8台のGPUを用意する前にこれを行うことは、プロジェクト全体で最も安価なステップです。プロバイダーの定価は0%のマークアップでそのまま反映されるため、Tencentの価格変更は次回の再ビルド時ではなく発生した当日にカタログへ反映されます。そして自動フェイルオーバーにより評価ジョブが止まることはありません上流の1つが1時間不調だったからといって

ファインチューニングがうまくいけば、重みはあなたの所有物になり、ルーターはその経路の一部ではなくなります。うまくいかなければ、見極めるのに四半期ではなく午後を費やしただけです。

この対戦の読み方

実務をこなせるモデルが欲しいなら、このページは間違いです。Hy4 flash は完成済みのモデルですが、ERNIE 5.5 Flash にはまだ完成モデルがありません。構築の土台となる事前学習済みベースが欲しいなら、この2つの候補はマーケティングが示唆するより近く、ベンチマークの引き算が示すより遠いです。

ERNIE 5.5 Flash Baseはより大規模で、Muonオプティマイザーで33.5兆トークンとより長く学習され、自社ハーネスでより高いスコアを報告している。これには、比較表上のどのTencentモデルも匹敵しないMMLU-Proの数値が含まれる。Hy4 flash-Baseはより小規模で、12Bアクティブで提供コストが低く、ネイティブにマルチモーダルで、ビジョンエンコーダーと投機的デコーディング用ドラフターを搭載し、3つの法域を除外しないライセンスが付属する。

決め手になるのは、おそらく能力でもライセンスでもなく、両者の間の12日間だろう。Baiduのチェックポイントには、ファインチューニングコミュニティが何かを生み出すまでにほぼ2週間があった。Hy4 flash-Baseには1日しかなかった。指示チューニング済みのERNIE 5.5 Flashが登場するかどうか、そしてHy4 flash-Base向けのLoRAを誰かが公開するかどうかに注目してほしい。前者なら、共有ベンチマークが続く可能性が高い本格的な比較になる。後者なら、実務家が実際にどちらのベースを好んだかがわかるだろう。

この記事で比較したモデル1

この記事から検出