ERNIE 5.5 Flash vs ERNIE 5.5 Flash Preview: 실제로 어떤 것을 호출하고 계신가요?

Baidu의 자체 웹사이트에는 ERNIE 5.5 아티팩트 두 개가 나열되어 있으며, 그중 어느 것도 ERNIE 5.5 Flash라고 불리지 않습니다. 11월 5일 공개된 280B 원시 체크포인트인 ERNIE 5.5 Flash Base가 있고, 11월 11일 공개된 포스트 트레이닝된 모델인 ERNIE 5.5 Flash Preview가 있습니다. ERNIE 5.5 Flash — 접미사가 없는 이름이자 가격 목록과 모델 선택기에 나타나는 이름 — 는 Preview가 미리 보여주는 모델입니다. 이것은 얼버무려 넘길 마케팅상의 변칙이 아니라 비교의 핵심 그 자체입니다. 왜냐하면 ERNIE 5.5 Flash Preview와 ERNIE 5.5 Flash를 구분하는 모든 것은 두 아키텍처 간의 차이가 아니라 체크포인트와 릴리스 간의 차이이기 때문입니다. 총 파라미터 수는 2,800억 개로 같고, 활성 파라미터는 140억 개로 같으며, 컨텍스트는 1M 토큰으로 같습니다. 차이는 라이선스, 날짜, 안정성 보장, 그리고 Baidu가 바뀔 것이라고 알려준 일련의 숫자들입니다. 비교 그룹은 이 결정에서 귀하가 통제할 수 있는 절반입니다. 0% 마크업이 적용된 공급자 목록 가격 GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3 및 DeepSeek V4.1 Flash는 공급자 목록 가격으로 하나의 키에서 제공되며, OrcaRouter 수수료는 $0.00로 표시됩니다.

헷갈리는 부분은 명명이니, 거기서부터 시작하세요.

세 개의 이름, 두 개의 모델, 하나의 릴리스 파이프라인. ERNIE 5.5 Flash Base는 사전학습된 체크포인트입니다. 총 280B, 활성 14B, 43개 레이어, 공유 전문가가 포함된 희소 전문가 혼합(MoE) 스택이며, 33.5조 토큰으로 학습되었고, 오늘 Hugging Face에서 제한적 커뮤니티 라이선스로 다운로드할 수 있습니다. ERNIE 5.5 Flash Preview는 사후 학습을 거친 해당 체크포인트로, 지시에 응답하고, 도구를 사용하고, 게임 코드를 작성하고, 슬라이드 덱을 생성하는 모델입니다. ERNIE 5.5 Flash는 존재하게 되면 사후 학습이 완료된 동일한 모델입니다.

Baidu는 릴리스 게시물에서 그 관계를 분명히 밝힌다. Preview는 "사후 학습에서 나온 중간 체크포인트입니다. 이미 동일 규모의 모델들과 경쟁력이 있지만, 학습이 끝나지 않았기 때문에 일부 기능은 아직 기대에 못 미칠 수 있습니다. 사후 학습은 계속 진행 중이며 ERNIE 5.5 Flash는 빠르게 개선되고 있습니다."라고 설명한다. 이 문장을 두 번 읽어 보라. 이 회사는 오늘 호출할 수 있는 모델과 몇 달 뒤에 호출하게 될 모델이 이름의 어간, 아키텍처, 컨텍스트 윈도우를 공유하며, 완성도에서만 차이가 난다고 말하고 있다. 둘 중 하나를 고른다면, 그것은 두 시스템 중 하나를 고르는 것이 아니다. 지금 구매할지 기다릴지를 고르는 것이다.

차원별로 비교

여기에는 실제로 무엇이 다른지, 각 줄에 양쪽을 나란히 보여드립니다:

• 정체성 — ERNIE 5.5 Flash Preview는 2026년 11월 11일에 공개된, 이름이 지정된 호출 가능한 체크포인트이며, ERNIE 5.5 Flash는 출시되지 않은 후속 모델로 공개 날짜도, 모델 카드도, 자체 엔드포인트도 없습니다.

• 아키텍처 및 크기 — 양쪽 모두 동일: 총 280B 파라미터, 활성 14B, 1M 토큰 컨텍스트, 11월 5일 ERNIE 5.5 Flash Base 체크포인트에서 상속됨. 포스트트레이닝은 모델 크기를 변경하지 않습니다.

• 가중치와 라이선스 — Preview는 Apache 2.0으로 "곧" 공개하겠다고 약속되었지만, 11월 11일 기준 Hugging Face에 저장소가 없습니다. 최종적인 ERNIE 5.5 Flash는 공식 출시 시 Baidu가 제공하는 라이선스의 적용을 받게 될 것이며, 이는 회사가 밝히지 않았고 동일하다고 보장되지도 않습니다. Apache 2.0 약속은 패밀리 전체가 아니라 Preview에 대한 약속으로 간주해야 합니다.

• 안정성 — Preview는 기능이 "아직 부족할 수 있다"고 명시된 중간 산출물이며, Baidu가 점수 개선을 기대하는 버전입니다. 공식 릴리스는 정의상 Baidu가 책임지고 보증할 의향이 있는 버전입니다.

• 벤치마크 현황 — Preview에는 공급업체가 보고한 20개 행이 있고 독립적인 점수는 없습니다. ERNIE 5.5 Flash는 출시 시 바이두가 발표하는 내용에 더해, 이런 패턴이 이어진다면 Preview의 수치를 구식으로 보이게 할 2차 수치까지 갖추게 될 것입니다. 현재 둘 다 Artificial Analysis 항목은 없습니다.

• 가격 — Preview는 Qianfan에서 입력 토큰 100만 개당 $0.28, 출력 100만 개당 $1.13이며, 캐시된 읽기는 $0.028입니다. ERNIE 5.5 Flash의 가격은 아직 없으며, Preview와 같을 것이라고 가정하는 것은 그저 가정일 뿐입니다. Preview 가격은 흔히 임시적인 값이기 때문입니다.

• 이것으로 무엇을 할 수 있는가 — Preview는 오늘 호출할 수 있지만 다운로드할 수는 없습니다; ERNIE 5.5 Flash는 아직 존재하지 않기 때문에 호출할 수도 다운로드할 수도 없습니다.

중요한 비대칭성은 그 목록의 맨 아래에 있습니다. 미리보기는 둘 중 테스트할 수 있는 유일한 항목이자, 유지할 수 없는 유일한 항목입니다.

이름이 다 담지 못하는 미리보기의 실제 역할

‘Preview’라는 명칭은 빈약함을 암시하지만, 11월 11일 공개된 증거를 보면 이 모델은 빈약하지 않다. 이는 도구 사용, 구조화된 출력, 100만 토큰 창을 갖춘 텍스트 전용 모델이며, 플래시 등급의 저렴한 쪽으로 책정되어 있다. 바이두의 데모는 채팅 교환이 아니라 작업 결과물을 보여준다: 단 한 번의 11시간 코딩 실행으로 조립된 언리얼 엔진 5.8 게임, 설계 문서에서 생성된 약 100개의 모바일 미니게임, 두 협업 에이전트가 Blender Python API를 통해 모델링한 보잉 747과 다싱 공항, 편집 가능한 FreeCAD 어셈블리로 제작된 W16 엔진과 달 탐사선, 데이터센터 전력 비용에 관한 20페이지 연구 보고서, 4,169건의 연방 충돌 보고서를 바탕으로 한 24페이지 자율주행 분석, 10,000줄 이상의 Python으로 작성된 116초 애니메이션 단편.

그 목록에서 가장 유용한 세부 사항 하나는 기능 주장이 아니라, 그 글에서 자발적으로 밝힌 한계입니다. Unreal 프로젝트를 설명하며 Baidu는 “텍스트 전용 모델이라 화면을 볼 수 없기 때문에” 모델이 플레이테스트 문제들—캐릭터가 지면 위에 떠 있는 것, 카메라 위치가 잘못된 것—을 코드에서 측정 가능한 테스트로 바꾸고, 테스트 스위트가 통과할 때까지 반복했다고 씁니다. 이것이 이 모델 역량의 정직한 모습입니다. 그것은 아무것도 볼 수 없으므로 대신 단언을 작성합니다. 작업이 테스트로 표현될 수 있는 경우, 이 모델은 긴 실행에서도 잘 버팁니다. 유일한 피드백이 시각적 판단인 경우, 모델은 도구를 통해, 그리고 적어도 일부 벤치마크 하네스에서는 다른 회사의 비전 모델을 통해 작업합니다.

그 마지막 지적은 본문이 아니라 벤치마크 부록에서 나온 것이다. 표의 한 각주에는 "GLM-5.3과 우리 모델은 네이티브 멀티모달 기능이 없으며, 이미지 이해는 Claude Opus 5.5로 구동되는 도구를 통해 제공된다"라고 적혀 있다. 점수에 대해 어떤 결론을 내리든, 아키텍처는 명백하다: 네이티브 비전이 없고, 비전에 의존하는 평가는 모델이 아니라 파이프라인을 측정한다.

ERNIE 5.5 Flash를 기다리고 있다면, 무엇을 기다리고 있는 건가요?

네 가지이며, 그중 오직 하나만이 역량 향상입니다.

첫 번째는 안정성 보장입니다. 중간 체크포인트는 지금부터 출시까지 동작이 바뀌지 않으리라는 약속을 담고 있지 않은데, 이는 탐색에는 괜찮지만 모델 출력에 회귀 테스트 스위트를 고정해 둔 경우에는 곤란합니다.

두 번째는 비교해 볼 수 있는 벤치마크 세트입니다. 프리뷰의 20개 행 — 그중 Terminal-Bench 4.0은 46.5, DeepSWE v1.1은 71.2, MCP-Atlas는 84.6, BrowseComp는 87.4, HLE without tools는 46.4, AA-LCR v1.1은 79.0 — 은 벤더가 보고한 수치이며 재현되지 않았고, Baidu는 이 모델이 빠르게 개선되고 있다고 밝혔습니다. 완성된 모델의 수치는 더 높더라도 더 유용합니다. 다른 사람들도 역시 인용하게 될 수치이기 때문입니다.

세 번째는 라이선스입니다. 기본 체크포인트는 EU, 영국, 한국을 제외하고, 관련 연간 매출로 무료 상업적 이용을 제한하며, 상업적 제품에 "Powered by ERNIE" 출처 표시를 요구하는 제한적 커뮤니티 라이선스로 배포되었습니다. 프리뷰의 가중치는 Apache 2.0으로 제공하겠다고 약속되어 있습니다. 그 약속이 지켜진다면, 포스트 트레이닝된 모델은 훈련 기반이 된 체크포인트보다 훨씬 더 허용적인 라이선스를 갖게 될 것입니다. 이는 실질적인 반전이며, 발표문이 아니라 실제 저장소에서 확인할 가치가 있는 사항입니다.

네 번째는 가격입니다. $0.28과 $1.13은 프리뷰 수치입니다. 이 티어의 GA 모델 최종 가격은 어느 방향으로든 움직일 수 있으므로, 오늘 구축하는 모든 비용 모델은 해당 요율에 하드코딩하기보다 요율을 매개변수화해야 합니다.

그 네 가지 중 어느 것도 이번 주에 평가할 수 있는 작업이 있다면 기다리라고 주장하지 않는다. 그것들은 Baidu가 서면으로 미완성이라고 설명한 체크포인트에 여러 분기에 걸친 약정을 하지 말라고 주장한다.

직접 비교 실행하기

저희로부터 ERNIE 5.5 Flash Preview를 받으실 수 없습니다. 이는 Baidu 자체의 Qianfan API와 이를 재판매하는 타사 플랫폼을 통해 제공됩니다; OrcaRouter는 200개 이상의 모델을 라우팅합니다 그리고 그중 어느 것도 ERNIE가 아니므로, 저희가 이 엔드포인트를 당신에게 넘겨드릴 수 있다는 어떤 제안도 거짓일 것입니다.

우리가 할 수 있는 일은 비교군을 제공하는 것입니다. 이는 이 결정에서 실제로 귀하가 통제할 수 있는 부분입니다. 바이두가 비교 대상으로 삼은 모델들 — GPT-6.1 Sol, Claude Opus 5.5, GLM-5.3, DeepSeek V4.1 Flash — 은 모두 하나의 OpenAI 호환 키로 공급업체 정가에 0% 마크업으로 제공되므로, 해당 공급업체 중 어느 곳에서 가격을 인하하더라도 다음 계약 갱신 시점이 아니라 같은 날 귀하의 청구서에 반영됩니다.

실행할 평가는 의도적으로 지루하게 설계되어 있습니다. 자신의 업무에서 장기 과제 열 개를 고르세요. 각 과제를 preview와, 그렇지 않았다면 사용했을 두 모델을 통해 실행하세요. 완료되었는지, 출력 토큰이 얼마나 나갔는지, 호출 비용이 얼마였는지 기록하세요. 이 비교를 결정하는 숫자는 출력 토큰입니다. preview는 추론을 백만 개당 $1.13로 출력으로 청구하며 추론을 끌 방법을 제공하지 않기 때문에, 낮은 요율표의 장황한 모델이 높은 요율표의 조용한 모델보다 과제당 비용이 더 자주 높습니다. 과제별 비용을 구하고 나면, preview 대 GA 질문은 벤치마크 행에 관한 것이 아니라 현재 체크포인트가 교체되기 전에 그 위에 구축할 만큼 충분히 좋은지에 관한 것이 됩니다.

해당 테스트를 통과하는 워크로드의 경우, 자동 페일오버는 오늘날 안정성 우려에 답할 수 있는 유일한 방식으로 그 우려에 답합니다. 사용 중에 바뀔 수 있는 모델은 요청 경로에서 유일한 모델이 되어서는 안 됩니다. 프리뷰가 우세한 곳에서는 이를 기본(primary)으로 라우팅하고 그 뒤에 폴백을 두면, 스트림 중간의 기능 변화는 장애가 아니라 라우팅 변경이 됩니다.

베이스 체크포인트와 프리뷰 사이에는 닷새가 있고, 바이두는 완성 모델이 나올 것이라고 말했다. ERNIE 5.5 Flash와 ERNIE 5.5 Flash Preview를 비교할 때 유용한 해석은 정면 대결이 전혀 아니라 일정표다. 둘 중 하나는 지금 호출할 수 있지만 계속 쓸 수는 없을 것이고, 다른 하나는 계속 쓸 수 있게 되지만 아직 호출할 수 없다. 둘 중 어느 것 위에든 구축하는 사람은 두 번째 열에 숫자가 채워질 때까지 확정하지 말고 측정해야 한다.